如何发现隐藏在声音、视频背后的伪造痕迹？

网络安全和信息化

2026年7月10日 12:09
北京

在小说阅读器读本章

去阅读

在司法机关办案的过程中，一段录音、一段视频往往可能成为认定案件事实的重要证据。随着生成式人工智能技术快速发展，声音、人脸视频等正在成为最容易被伪造的数字内容之一。从冒充亲友实施诈骗，到伪造录音、视频干扰纠纷处理，越来越逼真的语音和影像正在挑战人们对证据真实性的判断。如何发现隐藏在声音、视频背后的伪造痕迹？跟随记者镜头，走进司法鉴定科学研究院去看一看。

司法鉴定人向记者展示了一段三人视频会议片段，其中有部分人脸是人工智能换脸生成的。

根据记者所发现的视频异常点，是否可以判断视频中张三和李四是经过换脸的？

司法鉴定科学研究院司法鉴定人曾锦华：实际上张三是没有换脸的，是真实的人脸，他当时录制的画面质量没有其他两个清晰，所以第一眼让人觉得有点假。因为他的图像质量是最差的，或者说他的前景和背景反差是不高，所以让人觉得他是换脸。我们细微分析的时候会发现，张三的面部图像轮廓和背景轮廓有时候会融合在一起。

在鉴定人逐帧慢速观察下，看似完美的换脸视频，还是露出了破绽。

司法鉴定科学研究院司法鉴定人曾锦华：如果逐帧分析的话，会发现正常人的眨眼动作肯定是有一个完整闭合，再睁开的过程。李四、王五在这个视频中，他们的闭眼是不完整的。所以说这也是一些多模态大模型固有的一些缺陷或者破绽。这个也是要逐帧分析，不逐帧分析的话是没法判断出来的。比如说，这个牙丢了一块，她的头发会消失掉那么一点点。

移花接木天衣无缝？

声纹频谱辨真伪

看上去没什么破绽的李四和王五竟然是AI合成，而给人感觉“一眼假”的张三反而是实拍影像。接下来司法鉴定人又向记者展示了一段貌似完整连贯，实则经过拼接的录音。

鉴定人告诉记者，录音鉴定技术通常包括听觉识别和频谱分析。听觉识别主要靠鉴定人的经验，逐字逐句记录每一句话每一个停顿，将说话人的发音、声调、咬字习惯、语句连贯性、口头禅等细节逐一识别。

司法鉴定科学研究院司法鉴定人耿浦洋：很明显一听，从听觉上后半句是来自于另一个设备。

除了听觉识别的判断外，鉴定人还需要对声纹频谱，也就是语音信号的频率—能量分布图进行科学分析，找出隐藏在其中的破绽。

司法鉴定科学研究院司法鉴定人耿浦洋：后面紫色这种像乱纹一样的东西，实际上是一个设备本底噪声。哪怕在完全安静的情况下，它也会保留这些特征，不同的设备有不同的本底噪声。这个设备对于本底噪声处理，在六、七千赫兹，它是有大量的黑色块，但是后面这一部分它对于六、七千赫兹，黑的部分就没有这么多，说明是来自于不同的本底噪声。这就是我们检验中发现一个比较明显，从另一个设备录音，然后剪切插进来。

除了句子的拼接外，在司法鉴定中，还经常遇到一些录音将短短的两三个关键字插入，从而改变了说话人原来表达的意思。

司法鉴定科学研究院司法鉴定人耿浦洋：虽然一个人说话是具有很强的稳定性，但是在自然界不可能出现一模一样的频谱。因为找到这个发音人，让他说10遍100遍“这么多”，每一次的这么多，即使整个趋势声纹是符合的，但是不可能像这种是一模一样的。这里出现了就说明是复制粘贴的。

伪造手段不断升级

辨伪鉴真皆须准确

随着AI伪造技术持续迭代，鉴伪手段也在不断更新。面对新技术新情况，司法鉴定如何才能保证客观公信力？

司法鉴定人表示，人工智能技术升级迭代步伐不断加快，也在倒逼司法鉴定行业不断保持技术识别的敏锐度。

司法鉴定科学研究院司法鉴定人曾锦华：提供的伪造视频素材，可能经过了网络传输，导致它的质量下降，或者是经过别的反取证反鉴定方法，很多的伪造痕迹就会消失。我们能证明一个东西是假的，是比较容易的，但是想证明一个东西是真的比较难。我们必须把市面上所有的专业技术工具全部用过一遍，没有发现它还有造假的痕迹，在这种情况下，我们可以说，未发现这个东西是经过AI合成或者剪辑的。

来源：央视新闻客户端

-END-