生成模型使伪造音视频更廉价，也使真实影像更容易被一句“可能是 AI”否认。法庭面临双重风险：把伪造当真，以及因为合成技术存在而拒绝真实证据。解决方案不能寄托于一个“深伪检测器”，而要重建从采集设备、传输、保存、分析到出庭的来源与保管链。
NIST 2024 年关于合成内容风险的报告把技术分成来源认证、标记与水印、检测、测试和审计。报告的重要含义是这些方法互补而非互换。检测器从内容特征推断，面对压缩、再拍摄和新模型会产生误报漏报；来源凭证记录签名事件，却可能缺失或在截图时丢失；水印可提示生成来源，却可能被破坏。法律认证必须评价整组证据。
“真实”不是“从未编辑”
新闻剪辑、降噪、裁切、色彩调整和证物复制都可能正当。数字媒体的真实性应指它在相关方面可靠地呈现所主张对象，并有可解释的生命周期。NIST 的媒体说明强调，副本或低质量本身不等于伪造。法庭需要知道做过哪些变换、是否影响相关内容，而不是要求一个不存在的纯净原件神话。
传统证人可以说明“这是我拍的、场景如画面所示”，元数据、哈希、设备签名、云端日志和其他镜头则提供佐证。任何单项都可能被攻击：元数据可改，证人会错，签名密钥可能泄露。因此来源认证的强度来自独立证据收敛。若影像决定案件结果，专家应保存原始比特流、工具版本、处理步骤与误差率，使对方能够复核。
检测工具怎样成为专家证据
检测模型必须说明训练数据、适用媒体、已知攻击和在相似条件下的误差。一个在高质量人脸视频上测试的模型，不能直接用于压缩监控录像或方言语音。软件更新会改变结果，黑箱 API 还可能无法保存版本。法院评价方法可靠性时，应关注独立测试、可重复性和案例条件匹配，而非厂商宣称“准确率 99%”。
多个检测器意见一致也不必然独立，它们可能共享训练数据或相同伪影。专家需避免把相关错误当作多重证据。检测结果最好用于发现可疑区域与指导进一步调查，不应独立承担最终真假判断。
来源凭证也有制度门槛
相机或平台在采集时签名，可建立更强起点。但并非人人拥有新设备；要求只有带凭证的媒体才可信，会让弱势群体和旧档案失语。凭证体系还涉及平台集中、匿名报道和密钥治理。法律应把有效凭证视为增强证据，而非把无凭证设为不真实。
保存系统需要抗量子迁移、密钥吊销与长期时间戳。证据可能多年后才审理，届时算法和证书已过期。长期验证应保存当时信任状态和迁移记录，而不是简单重新签名。
开放问题
- 面对“骗子红利”，提出深伪可能性的一方需要达到何种初步证据，才触发额外认证？
- 公设辩护与刑事程序中，技术资源不对等如何被专家援助与披露规则缓解？
- 自动检测的群体误差会否使某些肤色、语言或残障表达更易被误判？
- 平台来源日志在跨境和加密环境中如何取得，同时保护无关用户隐私？
- 陪审者看到“AI 检测分数”后会否过度信赖，怎样用校准说明降低锚定效应？
制度成功应以错误采信与错误排除都下降衡量，并观察普通当事人能否负担认证，而不是只看检测竞赛榜单。
从第一响应者开始保存来源
法庭上的认证能力在拍摄和接收时就已被决定。警方、媒体、平台与普通证人需要不同但兼容的最小流程：保留原文件、记录取得时间和渠道、避免覆盖、用只读副本分析，并保存每次转换。移动端工具可自动生成哈希与签名，但必须允许人工说明设备离线、时间错误或紧急转发等现实例外。程序的目标是增强证据，不是因技术条件不足排除关键见证。
辩护平等要求对方获得足够材料复核检测，包括具体版本、参数、输入副本和已知误差。若工具供应商以商业秘密拒绝，法院需在保密审查、限制性披露与降低证明力之间选择，而不能既接受黑箱结论又禁止质疑。公共实验室可维护标准测试集和参考实现，减少每个案件都从厂商宣传开始。
证据教育也应避免把“深伪”变成万能怀疑。法官、律师与陪审者需要理解检测分数、来源凭证和保管链分别能证明什么，并用包含真实编辑、低质量副本和新型伪造的案例训练。说明应同时呈现误报与漏报，而不只展示成功识别。制度目标是校准信任，不是让所有人默认相信或默认不信影像。
法律边界： 本文不构成证据法或诉讼建议。可采性、认证、专家证据与保管链要求因法域及案件类型不同，具体证据应由合资格法律与数字取证专业人士按适用规则处理。
跨域连接
- 证据与证明 区分真实性门槛与最终证明力。一段影像被认证，只表示足以交由事实裁判者评价，不代表其中叙事自动为真；语境、完整性和反证仍然重要。
- 数字签名 能发现内容在签名后是否改变并认证签名主体。它不能证明镜头前场景真实，也不能防止主体签署误导内容；密码学保证必须与采集和组织程序连接。
- 生成式艺术的作者与来源 面对同一内容履历基础设施，但目的不同。艺术重视创作过程与授权，法庭重视可采与责任；共同标准应允许不同披露层级，而非一套标签覆盖全部语境。
- 言语技术 说明语音克隆和识别受说话人、噪声与语言资源影响。音频鉴定若忽略方言和压缩条件，模型误差会被错误包装成说话人身份事实。
参考文献
- Chandra, B. et al. Reducing Risks Posed by Synthetic Content: An Overview of Technical Approaches to Digital Content Transparency. NIST AI 100-4, 2024. DOI: 10.6028/NIST.AI.100-4.
- NIST. Digital Investigation Techniques: A NIST Scientific Foundation Review. NISTIR 8354, 2022. DOI: 10.6028/NIST.IR.8354.
- Chesney, R. & Citron, D. Deep Fakes: A Looming Challenge for Privacy, Democracy, and National Security. California Law Review 107 (2019). DOI: 10.15779/Z38RV0D15J.
- C2PA. Technical Specification 2.2. 2025.
延伸阅读
- Scientific Working Group on Digital Evidence. Best Practices for Digital Evidence Collection. current version.