检测准确率从 99.5% 掉到 76%：deepfake 攻防已经不对称了
结论先行
与其把信任押在事后检测，不如把重心前移到「来源签名加内容认证」。新的评测数据，把这条判断从直觉变成了结论。
数据
一项研究评估了 20 个 deepfake 检测器对近四年发布的 10 个生成器的检测能力，结果显示准确率从 99.5% 降至 76%。更关键的是：加入对抗扰动后，所有基线检测器的准确率跌破 2%。
三个含义
- 检测器在「见过」的生成器上接近完美，跨代际就崩。 模型迭代速度已经超过检测器的追赶快。把检测器当作长期防线，等于默认生成器不再进步。
- 76% 在规模化审核中几乎不可用。 内容审核要求高召回与低误伤并存，而 24% 的错误意味着大量真实创作者会被误判——这种成本由无辜者承担。
- 对抗扰动让「检测率」这个指标本身失去参考意义。 一个能被 2% 击穿的指标，不能用来支撑任何严肃决策。
与行业走向放在一起看
近期行业动作正从「检测生成物」转向「证明真实物」：给真实内容配上可验证的来源签名，让「这是否由相机原生产生」成为可校验的事实，而不是靠推理猜测。这条路线的问题是，签名与元数据一旦经过平台二次压缩、转存或截图就会丢失——而真实内容的传播路径，恰恰以压缩与转存为主。
对你的实际影响
- 不要把「AI 检测工具」的结果作为人事、学术或司法的唯一证据。它的准确率不支撑这种用法。
- 对关键图片与音频，保留原始文件与其元数据，不要只留转发后的截图或压缩件。原始文件是唯一可能带有来源证据的版本。
- 在流程上，把「来源可验证」当作准入条件而不是事后检查：需要证明真实性的场合，优先要求提供原始文件或受签名保护的副本。