“深度伪造”就是创建高度逼真的虚假视频或虚假录音，然后就可以盗用身份、传播错误信息、制作虚假数字内容。

2024年1月，香港一家跨国公司员工遭遇钓鱼诈骗损失2亿港元；2023年12月，一名留学生在境外被“绑架 ”，父母遭“绑匪”索要500万元赎金 ；两个案件均为“深度伪造”欺诈。

毕马威一份报告显示，在线提供的“深度伪造”视频同比增长了900%。另据 bandeepfakes的一项数据显 示，“深度伪造”色情内容就占所有在线“深度伪造”视频的 98%，几乎都是针对女性的。

“深度伪造”视频的产业链

生物识别公司iProov的一份新报告显示，利用“深度伪造”制作虚假图像和视频的诈骗分子最常 SwapFace、DeepFaceLive 和 Swapstream等工具进行创建虚假的图像和视频。

这些工具与模拟器（能够改变所在位置的经纬度，实现任何地方的瞬间“穿越”）、改机软件（诈骗分子利用改机工具能够伪造出来设备的属性信息）、IP秒拨（能够快速无缝切换国内国外不同区域的 IP 地址）等工具相结合，就能够绕过安全体系的检测，让这些“深度伪造”视频能够进入远程会议、工作网络、社交平台等不同渠道，然后就可以进行各类欺诈行动。 

随着网络犯罪即服务（Cybercrime as-a-Service）的出现，由此导致普通人也可以轻松访问地购买到“深度伪造”的服务或技术。调查发现， GitHub（软件项目托管平台，用于托管和管理开发项目的代码存储库、协作和版本控制的最大基于 Web 的平台）上，有超过 3000 个与 “深度伪造”技术相关的存储库，表明其广泛的开发和分发潜力。

在国外某个暗网工具上，拥有近千个提供“深度伪造”的频道或群组。从虚假视频自助制作到个性化定制，应有尽有。这些“深度伪造”服务的定价各不相同，价格最低的“深度伪造”视频只需要2 美元，而需求复杂的一个“深度伪造”视频要100美元起，易用性使得犯罪分子更容易进行“深度伪造”欺诈。

“深度伪造”视频的制作步骤

“深度伪造”涉及 AI 算法和深度学习。总体来看，创建一个“深度伪造”视频涉及如下过程。

1、收集数据。收集目标任务的大量数据，包含多角度的人脸照片、工作信息、生活信息等，其中在公开的社交媒体采集到大量图片、信息和视频。

2、特征提取。利用深度学习算法，精准地识别并提取出如眼睛、鼻子、嘴巴等关键面部特征。

3、人像合成。将目人脸覆盖、融合到需要伪造视频中的任务的脸上，对齐面部特征，以确保它们在源和目标之间匹配、替换。

4、声音处理。用机器学习和人工智能以惊人的准确性复制一个人的声音，例如音高、语气和说话风格，并将视频中的嘴唇动作与合成语音相匹配。

5、环境渲染。使用照明和颜色工具，进一步完善视频中人物、语音、动作与环境、服饰的协调匹配。

6、视频合成导出，然后就可以用于在线播放、实时直播、视频会议等等诈骗行为。

防范“深度伪造”的难点

识别难。已经发展到可以令人信服地生成逼真的个人模拟的地步，这使得区分真假内容变得越来越困难，除非接受过专门培训，否则很难被人识别出来，意识到这种威胁是防御它的第一步。

检测难。“深度伪造”质量的提高，检测是一大难题。不仅肉眼无法有效识别，一些常规的检测工具也不能及时发现。

追踪难。没有数字指纹，没有明确的数字线索可循，没有IP地址可以列入黑名单，甚至没有直接的恶意软件签名可以检测时，传统的网络安全措施无法有效防护。

更可怕的是，“深度伪造”的危险不仅在于技术，还在于其所促成的整个诈骗生态系统。“深度伪造”的欺诈生态通过一个由机器人、虚假账户和匿名服务组成的错综复杂的网络运作，所有这些都旨在制作、放大和分发捏造的信息和内容。这是数字时代的一种游击战形式，在这个威胁体系中，攻击者看不见且难以捉摸。他们不仅制作信息，还操纵每个参与者感知的现实结构。所以，打击“深度伪造”欺诈需，不仅需要技术对策，更需要复杂的心理战和公众安全意识。

防御“深度伪造”欺诈的四重措施

随着技术的进步，检测识别“深度伪造”骗局的方法也在不断发展，企业和个人需要通过多种渠道验证身份，采用多重策略来识别与防御“深度伪造”欺诈。

1、行为与生物识别

（1）在视频对话的时候，可以要求对方摁鼻子、摁脸观察其面部变化 ，如果是真人的鼻子，按下去是会变形的。也可以要求对方吃食物、喝水，观察脸部变化。或者，要求做一些奇怪的动作或表情，比如，要求对方挥手、做某个难做的手势等，以辨别真假。在挥手的过程中，会造成面部的数据的干扰，会产生一定的抖动或者是一些闪烁，或者是一些异常的情况。在一对一的沟通中可以问一些只有对方知道的问题，验证对方的真实性。同时，当有人在视频或录音中提出汇款要求时，必须致电或从其他渠道一再核实。

（2）在点对点的沟通中可以问一些只有对方才知道的问题，以验证对方的真实性。 

（3）“深度伪造”可以复制声音，但也可能包含不自然的语调、节奏或微妙的失真，仔细聆听后会显得格外突出。同时，语音分析软件可以帮助识别语音异常。

（4）在涉及文件的情况下，自动文档验证系统可以分析文档是否存在不一致之处，例如字体更改或布局差异。

2、设备和账号识别

（1）数字签名和区块链账本具有唯一性，可以对行为来源跟踪，并对其进行标记以供审查。

（2）对设备信息、地理位置以及行为操作进行比对识别 ，能够发现并防范异常操作。顶象设备指纹通过对设备指纹的记录和比对，可以辨别合法用户和潜在的欺诈行为。其对每个设备进行唯一标识和识别的技术，识别出虚拟机、代理服务器、模拟器等被恶意操控的设备，分析设备是否存在多账号登录、是否频繁更换IP地址、频繁更换设备属性等出现异常或不符合用户习惯的行为，帮助追踪和识别欺诈者的活动。

（3）账号异地登录、更换设备、更换手机号、休眠账户突然活跃等等，需要加强频繁验证 ；此外，会话期间的持续身份验证至关重要，保持持久性检查以确保用户的身份在使用期间保持一致。顶象无感验证可以快速准确地区分操作者是人还是机器，精准识别欺诈行为，实时监控并拦截异常行为。此外，基于最小权限原则限制对敏感系统和账户的访问，确保访问其角色所需的资源，从而减少账户被盗用的潜在影响。

（4）基于人工审查与AI技术相结合的人脸反欺诈系统，防范“深度伪造”的虚假视频 。顶象全链路全景式人脸安全威胁感知方案，能够有效检测发现虚假视频。它通过人脸环境监测信息、活体识别、图像鉴伪、智能核实等多维度信息对用户人脸图像进行智能风险评估、风险评级，迅速识别虚假认证风险。顶象全链路全景式人脸安全威胁感知方案，针对人脸识别场景及关键操作的实时风险监测，针对性地监测如摄像头遭劫持、设备伪造、屏幕共享等行为，并触发主动防御机制进行处置。在发现伪造视频或异常人脸信息后，该方案系统支持自动执行防御策略，设备执行命中防御策略之后对应的防御处置，可以有效阻断风险操作。

3、AI识别与取证

（1）基于深度学习的生成对抗网络（GAN）能够训练一种称之为“鉴别器”神经网络模型，可识别真实版本和创建版本之间的任何差异。大数据模型可以快速分析大量视频和音频数据，以超出人类能力的速度识别异常。并且，机器学习模型可以识别“深度伪造”生产算法的特征模式，从而识别“深度伪造”的内容。而且机器学习模型可以重新训练和调整，保持实时的迭代进化。

（2）AI取证工具在调查和归因“深度伪造”内容方面发挥着至关重要的作用，这些工具分析数字足迹、元数据和创建过程中留下的其他痕迹，帮助识别攻击者的来源并协助法律调查。

4、社交防范与公众教育

（1）减少或者杜绝在社交媒体上分享账户、家庭家人、交通出行、工作岗位等敏感信息，防范欺诈分子盗用下载后，进行图片和声音的“深度伪造”，而后进行身份伪造。

（2）持续对公众进行“深度伪造”技术及其相关风险的教育至关重要，鼓励公众保持警惕并快速报告异常情况，也可以显著提高组织检测和响应“深度伪造”威胁的能力。

技术在不断发展，新的欺诈也在不断涌现。尽可能随时了解AI和“深度伪造”技术的最新发展，以相应地调整保障措施。对 AI 模型的持续研究、开发和更新对于在日益复杂的“深度伪造”技术中保持领先地位至关重要。