如何證明影片是AI假造？專家鑑定與數位鑑識申請

如何證明影片是AI假造？從肉眼判斷、開源工具到司法數位鑑識的完整實務指南

2024年某個深夜，一位企業高階主管收到一段影片，畫面中「自己」正在與一名陌生女子進行不當對話，對方以此要脅鉅額贖金。這段影片在親友間流傳，幾乎摧毀了他三十年的事業與家庭。事後證實，這是一段由AI深偽技術生成的影片，但從案發到鑑定完成的七十二小時，對他而言如同地獄。

這個案例不是電影情節。根據資安公司Sensity的調查報告，全球深偽影片的數量在2023至2024年間成長超過十倍，臺灣警政署刑事警察局科技犯罪防制中心也多次發布警示，指出利用AI換臉技術進行的詐騙、勒索與名譽毀損案件正在急遽增加。當「眼見為憑」不再成立，我們該如何證明一段影片是假的？這篇文章將從實務角度，完整說明從初步判斷到司法鑑定的每一個步驟。

第一章：AI假造影片的現況與威脅——為什麼你需要知道如何證明？

在進入技術細節之前，我們必須先理解：為什麼「證明影片是AI假造」這件事，在2026年的現在變得如此迫切？

1-1 深偽技術的民主化：從實驗室到人手一支手機

深偽技術（Deepfake）最早起源於2017年Reddit上一個名為「deepfakes」的用戶，利用深度學習演算法將名人臉孔替換到色情影片中。當時的技術門檻不低，需要具備一定的程式能力與高階顯示卡。然而到了2024至2026年間，情況完全不同了：

開源模型擴散：Stable Diffusion、FaceFusion、Roop、InsightFace等開源工具讓任何人只要下載程式、準備素材，就能在個人電腦上生成換臉影片。
商業化應用程式：市面上出現大量「一鍵換臉」的手機App，有些甚至主打「娛樂用途」，但實際上可以被惡意使用。
雲端算力普及：即使沒有高階顯卡，使用者也能透過雲端GPU服務（如Google Colab、RunPod）以低成本生成高品質的深偽影片。
生成式AI的跨模態整合：2025年後的AI模型已經能做到「文字生成影片」、「圖片生成影片」，甚至「音訊克隆＋唇形同步＋臉部生成的整合式偽造」，讓假影片的製作門檻降到接近零。

1-2 深偽影片的實際危害類型

深偽影片的危害遠不止於政治人物的假演講，在臺灣的實際案例中，常見的危害類型包括：

危害類型	具體情境	受害者特徵
勒索恐嚇	將受害者臉孔合成至色情影片，威脅公開以索取贖金	一般民眾、學生、上班族
商業詐騙	偽造高階主管視訊會議指令，要求財務人員匯款	跨國企業、中小企業
名譽毀損	偽造公眾人物不當言論或行為影片，在社群擴散	政治人物、藝人、網紅
情感詐騙	偽造帥哥美女影片進行交友詐騙，誘導投資或匯款	單身男女、中高齡者
司法干擾	偽造證據影片企圖影響訴訟結果	訴訟當事人
選舉操弄	偽造候選人不當發言影片，影響選情	候選人、政黨

1-3 「證明是假的」為什麼比「辨識是假的」更困難？

多數人以為「辨識」和「證明」是同一件事，但在法律與技術的脈絡下，兩者有天壤之別：

辨識（Detection）：主觀上認為影片可能是假的，可以透過肉眼觀察或工具分析得到「疑似偽造」的結論。
證明（Proof / Authentication）：客觀上提出具有證據能力的鑑定報告，說明影片確實經過AI生成或竄改，且能經得起法庭交互詰問的檢驗。

換句話說，你在網路上看到一段可疑影片，用某個線上工具掃描後顯示「95%可能為AI生成」，這屬於「辨識」。但如果這段影片被拿來當作訴訟證據、勒索籌碼或新聞素材，你需要的是「證明」——一份由具公信力機構出具的數位鑑識報告，甚至需要鑑定人到庭說明。

這正是本文要解決的核心問題：如何從「懷疑」走到「證明」？

第二章：AI假造影片的技術原理——知己知彼，才能有效反制

要證明一段影片是AI假造的，你不需要成為AI工程師，但理解基本的生成原理，能幫助你在後續的鑑識過程中更精準地描述問題、判斷哪些證據是關鍵。

2-1 深偽影片的核心技術：生成對抗網路與自編碼器

目前主流的深偽影片技術，大致可分為以下幾類：

（一）換臉技術（Face Swapping）

這是最常見的深偽形式，將目標人物的臉孔替換到來源影片中。技術核心通常是自編碼器（Autoencoder）架構：

訓練一個共享編碼器，學習如何將人臉壓縮成低維度表徵。
分別訓練「A的解碼器」與「B的解碼器」，各自學習如何從表徵重建出對應人物的臉。
使用時，將A的臉編碼後，用B的解碼器解碼，就能讓B的臉出現在A的表情與動作上。

（二）生成對抗網路（GAN）

GAN由生成器與判別器組成，生成器負責製造假影像，判別器負責分辨真假，兩者互相對抗、持續進步，最終生成器能產出肉眼無法分辨的假臉。StyleGAN、ProGAN等模型可以從無到有生成不存在的人臉，或將特定風格套用到真實人臉。

（三）擴散模型（Diffusion Models）

2023年後崛起的技術路線，透過逐步去噪的方式從隨機雜訊生成影像。Stable Diffusion、Midjourney都是此類。在影片領域，擴散模型可以做到：

文字描述直接生成影片片段。
將靜態照片轉換為動態說話人頭。
修改影片中的特定元素（背景、衣著、光影）。

（四）音訊克隆與唇形同步

完整的深偽影片通常需要搭配偽造的聲音。語音克隆技術只要幾秒鐘的參考音訊，就能合成出目標人物說出任意內容的語音。再透過唇形同步模型（如Wav2Lip），讓影片中人物的嘴型與偽造音訊吻合，完成「聲畫合一」的假影片。

2-2 深偽影片的常見破綻：從生成原理推導鑑識方向

每一種生成技術都會留下「指紋」，這些痕跡正是數位鑑識的切入點：

生成技術	常見破綻	對應鑑識方法
換臉（自編碼器）	臉部邊界模糊、膚色不一致、眨眼頻率異常、牙齒細節丟失	臉部邊界分析、眨眼偵測、牙齒紋理分析
GAN生成	瞳孔反光不一致、背景與主體光影矛盾、高頻訊號異常	角膜反射分析、光源一致性檢驗、頻域分析
擴散模型	手指數量異常、文字圖案扭曲、紋理重複	手部解剖分析、紋理重複偵測
音訊克隆	頻譜不自然、呼吸聲缺失、語音過於平滑	聲紋比對、頻譜分析、語音自然度檢驗
唇形同步	嘴型與聲音微幅不同步、下顎運動不自然	影音同步分析、嘴型動態分析

2-3 深偽技術的「貓抓老鼠」現況

必須誠實面對的現實是：深偽技術的進步速度，往往快於偵測技術。2024年之後的頂尖模型，已經能在生成過程中主動加入「對抗性擾動」，專門用來干擾偵測器的判斷。這意味著：

沒有任何單一工具能百分之百偵測所有深偽影片。
肉眼判斷的可靠度正在快速下降。
司法鑑定需要多種方法交叉驗證，而非依賴單一指標。

但這不代表我們束手無策。相反的，正是因為深偽技術越來越強，「鑑定」的專業門檻也隨之提高，專業數位鑑識機構的角色反而更加關鍵。

第三章：第一線判斷——如何用肉眼與免費工具初步篩檢可疑影片？

在進入正式鑑定之前，你可以先做初步的篩檢。這些方法雖然不能當作法庭證據，但能幫助你快速判斷是否需要進一步的專業鑑定，也能在通報案件時提供有價值的第一手觀察紀錄。

3-1 肉眼觀察清單：從細節中尋找不合理

以下是一份經過整理的肉眼檢查清單，建議逐項觀察並記錄：

臉部與頭部區域

□ 臉部膚色與頸部、耳朵、手部是否有色差？
□ 臉部邊緣（尤其是下顎線、髮際線）是否有模糊、閃爍或輪廓不自然的現象？
□ 眨眼頻率是否正常？正常人類平均每2至10秒眨眼一次，過少或過多都可能是偽造跡象。
□ 牙齒是否清晰？深偽技術常將牙齒渲染成模糊的白色塊狀。
□ 瞳孔中的反光（角膜反射）是否一致？左右眼的反光位置、形狀、亮度應大致相符。
□ 臉上的痣、疤痕、皺紋等特徵是否在影片中保持一致？是否在某些幀突然消失或移位？
□ 眼鏡的反光是否合理？鏡片中的倒影是否與環境相符？

光影與環境

□ 臉部的光影方向是否與背景、身體其他部位一致？
□ 光源的色溫是否統一？臉部偏冷色而背景偏暖色可能是合成跡象。
□ 陰影是否落在正確的位置？鼻影、下巴陰影的方向是否合理？

動作與表情

□ 頭部轉動時，臉部特徵是否自然跟隨？有些深偽影片在側臉角度會出現扭曲。
□ 表情變化是否流暢？是否有突然的表情跳變？
□ 說話時的嘴型是否與聲音同步？可嘗試放慢播放速度觀察。
□ 手部動作是否自然？如果影片中出現手部，檢查手指數量與姿態是否合理。

背景與物件

□ 背景是否有不自然的扭曲、重複紋理或「融化」現象？
□ 畫面中的文字、標誌、時鐘等細節是否清晰可讀且前後一致？
□ 頭髮絲的細節是否自然？深偽技術常將頭髮渲染成塊狀或模糊。

影片技術特徵

□ 影片的壓縮痕跡是否均勻？局部區域的壓縮品質明顯不同可能是後製痕跡。
□ 中繼資料（Metadata）是否合理？拍攝時間、裝置型號、地理位置是否與影片內容相符？

3-2 免費與開源偵測工具：能做什麼、不能做什麼

目前有若干免費或開源的深偽偵測工具可供一般民眾使用，但必須理解它們的局限性：

工具名稱	類型	偵測重點	局限性
Deepware Scanner	網頁/App	換臉影片偵測	對新版GAN與擴散模型效果有限
Sensity AI（部分功能）	網頁	臉部偽造影偵測	完整功能需付費
Microsoft Video Authenticator	開源工具	細微 blending 邊界偵測	對高壓縮影片效果下降
Intel FakeCatcher	展示性工具	血流訊號偵測（rPPG）	需要高品質影片且非公開下載
各類Deepfake Detection GitHub專案	開源模型	依訓練資料而定	需要技術能力自行部署

使用這些工具的注意事項：

結果僅供參考：工具顯示「可能是深偽」不代表法律上的證明；顯示「未偵測到」也不代表影片是真的。
高壓縮會降低偵測率：社群媒體上的影片經過多次壓縮，偵測準確度會大幅下降。
對抗性攻擊可能誤導：有心人士可能對深偽影片進行後處理，專門針對常見偵測工具進行規避。
保存原始檔案：在進行任何分析之前，務必保存影片的原始檔案，不要經過任何轉檔或編輯。

3-3 初步判斷後的下一步

如果肉眼觀察發現多項異常，或免費工具顯示疑似深偽，接下來你應該：

立即停止分享或轉傳：避免擴散可能造成二次傷害，也避免影響後續法律程序。
保存所有證據：包括原始影片檔、檔案雜湊值、來源連結、截圖、對話紀錄、發布者資訊等。
記錄觀察發現：將你發現的異常現象逐一記錄，這在後續報案或申請鑑定時非常有幫助。
評估情境需求：如果是單純的網路謠言澄清，可以尋求媒體查核機構協助；如果涉及法律訴訟或刑事案件，則需要正式數位鑑識。

第四章：專業數位鑑識的完整流程——從受理到鑑定報告

當情境需要「證明」而非「辨識」時，就必須仰賴專業的數位鑑識機構。本章將詳細說明鑑識的完整流程、方法與報告內容。

4-1 什麼是數位鑑識？與一般「偵測」的差異

數位鑑識是一門嚴謹的科學，遵循「鑑識科學」的基本原則，包括：

完整性原則：鑑定過程不得改變原始證據。
可重複性原則：任何鑑定方法與結論，其他人用同樣方法應能得出相同結果。
可追溯性原則：鑑定過程的每一步驟都必須記錄，形成「鑑識鏈」。
客觀性原則：鑑定人應保持中立，不預設立場。

在深偽影片的鑑定中，數位鑑識的目標是回答以下問題：

這段影片是否經過合成或竄改？
如果是，使用的技術類型是什麼？
竄改的程度與範圍為何？
能否判斷影片的來源裝置或生成方式？
原始內容（如果存在）能否部分還原？

4-2 臺灣的數位鑑識體系與申請管道

在臺灣，影片真偽的專業鑑定可以透過以下管道進行：

（一）司法警察機關

刑事警察局科技犯罪防制中心、法務部調查局資安工作站等單位，負責偵辦刑事案件中的數位證據鑑定。一般民眾可以：

向警察機關報案，由警方判斷是否需要送鑑。
若案件已進入偵查程序，檢察官可指揮警察或調查局進行鑑定。
告訴人或被告可透過律師向檢察官或法官聲請送鑑。

（二）民間數位鑑識機構

坊間有少數具備專業能力的數位鑑識公司或學術機構提供民間鑑定服務，適合：

民事訴訟中的證據鑑定。
企業內部調查。
個人需要第三方鑑定報告的情境（如向社群平台申訴、媒體澄清）。

民間鑑定報告在法庭上的證據能力，需視個案由法官判斷，但一份嚴謹的民間鑑定報告仍具有相當的參考價值。

（三）學術機構與研究單位

部分大學的資訊工程、鑑識科學相關系所，具備深偽偵測的研究能力，可提供諮詢或合作鑑定。

4-3 鑑識申請的具體步驟

以下以司法程序為例，說明從申請到取得報告的完整流程：

text

步驟一：案件受理與初步評估
    │
    ├── 確認案件類型（刑事／民事／行政）
    ├── 評估影片的證據價值與鑑定必要性
    └── 確認管轄機關與申請管道
    │
步驟二：證據保全與送鑑準備
    │
    ├── 保存原始檔案（不可轉檔、剪輯、壓縮）
    ├── 計算檔案雜湊值（SHA-256）以證明未經變更
    ├── 準備送鑑說明書（說明案件背景、待鑑定事項）
    └── 填寫鑑定申請表
    │
步驟三：送交鑑定機構
    │
    ├── 刑事：由檢警單位內部送鑑
    ├── 民事：向法院聲請送鑑，或由當事人自行委託
    └── 企業／個人：直接聯繫民間鑑定機構
    │
步驟四：鑑定執行
    │
    ├── 鑑識人員檢視影片品質與可行性
    ├── 執行多重分析方法（詳見4-4）
    ├── 記錄所有操作步驟與參數
    └── 必要時進行同儕複核
    │
步驟五：鑑定報告產出
    │
    ├── 撰寫正式鑑定報告書
    ├── 說明鑑定方法、發現、結論與限制
    ├── 附上分析圖表與數據
    └── 鑑定人簽章
    │
步驟六：鑑定結果的運用
    │
    ├── 刑事：作為起訴或不起訴的依據
    ├── 民事：作為法官心證的參考
    └── 其他：用於平台申訴、媒體澄清等

4-4 專業鑑識的技術方法：多重交叉驗證

專業數位鑑識機構在分析深偽影片時，不會依賴單一方法，而是採用多重交叉驗證策略。以下是目前國際上公認有效的鑑識方法：

（一）生物訊號分析（Biological Signal Analysis）

人體會產生微小的生理訊號，這些訊號極難被AI完美模擬：

遠程光體積變化描記（rPPG）：透過分析皮膚顏色的微小變化來偵測心跳。真實人臉在血液循環下，皮膚顏色會有與心跳同步的週期性變化。深偽影片的合成臉部通常缺乏這種自然訊號，或訊號模式異常。
眨眼與眼球運動分析：人類的眨眼模式（頻率、持續時間、不完全眨眼比例）具有個體特異性，且受認知狀態影響。深偽模型在訓練時通常缺乏足夠的閉眼畫面，導致眨眼行為不自然。
頭部運動動力學：真實人類的頭部運動受頸部肌肉與慣性影響，具有平滑但非完美的特性。合成影片的頭部運動可能出現微幅的抖動或過度平滑。

（二）感測器指紋分析（Sensor Fingerprint Analysis）

每一台相機的感光元件都有獨特的雜訊模式，像是指紋一樣。當影片經過AI合成時：

原始感測器指紋會被破壞或覆蓋。
不同區域可能出現不一致的雜訊模式。
可透過PRNU（光響應非均勻性）分析來偵測。

（三）頻域與壓縮分析（Frequency Domain & Compression Analysis）

AI生成的影像在頻率域中會留下特定痕跡：

GAN生成的影像在頻譜上可能出現「棋盤狀偽影」或特定頻率的峰值。
影片壓縮的不均勻性可能揭示某些區域是「後製加入」的。
可透過離散餘弦轉換（DCT）、小波轉換等方法進行分析。

（四）幾何與物理一致性分析（Geometric & Physical Consistency）

光源方向估計：從臉部陰影估計光源方向，與背景、身體其他部位的光源進行比對。
透視一致性：檢查臉部與身體的比例、角度是否符合透視原理。
反射與折射：眼鏡、瞳孔、汗水等反光物體中的影像是否合理。

（五）AI輔助偵測（AI-Assisted Detection）

專業鑑識機構會部署多種訓練有素的深度學習偵測模型：

在大型深偽資料集（如FaceForensics++、DFDC、Celeb-DF）上訓練的偵測器。
針對特定生成模型（如特定版本的FaceFusion、特定GAN架構）的專用偵測器。
泛化能力較強的「零樣本」偵測器，可偵測未見過的新模型。

（六）來源分析與Metadata鑑定

分析影片檔案的中繼資料，包括拍攝時間、裝置型號、GPS座標、軟體版本等。
檢查中繼資料是否被修改，或與影片內容矛盾。
比對影片的編碼特性與宣稱的拍攝裝置是否一致。

4-5 鑑定報告的內容與證據能力

一份合格的數位鑑識報告，通常包含以下要素：

報告要素	說明
案件編號與委託資訊	明確標示委託單位、案件編號、送鑑日期
送鑑物品描述	影片檔案名稱、大小、格式、雜湊值等基本資訊
鑑定方法說明	使用的分析技術、軟體工具、版本、參數設定
分析過程紀錄	每一步驟的操作紀錄、數據、圖表
發現與結論	明確說明是否發現偽造跡象、偽造類型、置信度
限制與免責聲明	說明鑑定方法的局限性、無法回答的問題
鑑定人簽章與資格證明	鑑定人的姓名、資格、所屬機構

在法庭上，鑑定報告的證據能力取決於：

鑑定人的專業資格與經驗。
鑑定方法的科學可靠性（是否經過同儕審查、錯誤率如何）。
鑑定過程是否符合標準作業程序。
結論是否有足夠的數據支持。

第五章：司法實務中的深偽影片——法律依據、舉證責任與經典案例

5-1 臺灣相關法律規定

深偽影片可能涉及的法律責任，在臺灣已有多部法律規範：

（一）刑法

第210條偽造變造私文書罪：若偽造影片被用於偽造具有法律效力的文書。
第310條誹謗罪：散布足以毀損他人名譽的深偽影片。
第315-1條妨害秘密罪：若涉及竊錄或窺視他人非公開活動。
第339條詐欺罪：利用深偽影片進行詐騙。

（二）性隱私相關

刑法第319-1至319-6條（性影像罪章）：2023年修法後，未經同意製作、散布他人性影像，包括深偽合成的性影像，均有明確刑責。

（三）選舉罷免法

公職人員選舉罷免法第104條：意圖使候選人當選或不當選，以深偽影片散布不實資訊者，有加重處罰規定。

（四）個人資料保護法

深偽影片涉及他人臉部影像，屬於個人資料，未經同意處理或利用可能違反個資法。

5-2 舉證責任：誰要證明影片是假的？

這是深偽影片訴訟中最關鍵的問題之一。在民事訴訟中，基本的舉證責任原則是「主張有利於己之事實者，就其事實有舉證之責任」（民事訴訟法第277條）。因此：

如果原告主張「這段影片是偽造的」，原告需要提出證據證明偽造。
如果被告主張「這段影片是真實的」，被告需要提出證據證明真實。
在刑事訴訟中，檢察官負有舉證責任，必須證明被告的犯罪事實（包括影片的真偽）。

然而，當「主張影片為假」的一方是深偽影片的受害者時，要求受害者自己證明「影片不是我」是極度困難的。因此，實務上越來越多的法院願意接受「表面證據＋鑑定報告」的組合來認定影片真偽。

5-3 經典案例與實務見解

案例一：深偽色情影片勒索案（臺灣，2024）

某大學研究生被前女友以深偽技術合成色情影片，並威脅公開。被害人向警方報案後，刑事警察局科技犯罪防制中心進行鑑定，透過角膜反射分析與rPPG訊號偵測，確認影片中的臉部為合成。加害人最終依性影像罪章與恐嚇取財罪起訴並判刑。

案例二：企業高階主管深偽視訊詐騙（國際，2024）

某跨國企業財務長接到「執行長」的視訊電話，指示緊急匯款至指定帳戶。事後發現視訊是深偽合成。此案中，數位鑑識的關鍵在於分析視訊串流的即時性——深偽視訊通話需要即時生成，這在技術上會留下比預錄影片更多的痕跡，包括延遲異常、畫質波動等。

案例三：民事名譽權訴訟中的深偽影片證據（臺灣，2025）

某網紅被散布一段「辱罵粉絲」的深偽影片，造成大量退追與商業合作終止。網紅提告妨害名譽的同時，也對散布者提起民事損害賠償訴訟。法院採納了民間數位鑑識機構的報告，認定影片「高度可能為合成」，加上被告無法提出影片原始檔，最終判決被告應負賠償責任。

5-4 鑑定報告在法庭上可能面對的挑戰

即使有專業鑑定報告，在法庭上仍可能面對以下挑戰：

對方質疑鑑定方法：主張鑑定方法不科學、未經同儕審查、錯誤率過高。
對方提出相反的專家意見：聘請另一位專家對鑑定報告提出質疑。
影片品質問題：如果原始影片經過多次壓縮，鑑定結論的確定性可能受到影響。
技術快速演進：辯方可能主張「鑑定時的偵測技術無法偵測最新的生成模型」。

因此，取得鑑定報告只是開始，如何讓鑑定報告在法庭上被接受，需要律師與鑑定人的協同作戰。

第六章：受害者行動指南——從發現深偽影片到完成法律程序

6-1 黃金72小時行動清單

當你發現自己或認識的人成為深偽影片的受害者，時間是關鍵。以下是建議的行動順序：

第一階段：立即行動（發現後24小時內）

不要轉傳、不要刪除：保存所有證據，包括原始檔案、來源連結、發布者帳號。
截圖存證：對發布頁面、留言、分享數等進行截圖，最好使用可顯示時間的截圖工具。
計算檔案雜湊值：使用工具計算影片檔案的SHA-256雜湊值並記錄，這能證明檔案未經修改。
通知平台：向YouTube、Facebook、Instagram、TikTok、LINE等平台檢舉，要求下架。
評估安全風險：如果是勒索案件，不要單獨與對方談判，尋求專業協助。

第二階段：正式處理（發現後72小時內）

諮詢律師：了解法律選項，評估民事與刑事途徑。
報案：向警察機關報案，取得報案三聯單。刑事案件的鑑定可透過警方進行。
收集輔助證據：收集能證明「你不可能出現在那個場景」的證據，例如不在場證明、行程紀錄、證人陳述等。
心理健康支持：深偽影片的受害者常伴隨嚴重的心理創傷，尋求心理諮商是重要的自我保護。

第三階段：法律程序（視案件進展）

聲請鑑定：透過律師向檢察官或法官聲請將影片送交數位鑑識。
準備民事訴訟：如果造成名譽損害或經濟損失，可考慮提起民事損害賠償。
持續監控：深偽影片可能被重新上傳到其他平台，定期搜尋自己的名字與相關關鍵字。

6-2 證據保存的技術細節

如何計算檔案雜湊值？

Windows：開啟命令提示字元，輸入 certutil -hashfile 檔案路徑 SHA256
macOS：開啟終端機，輸入 shasum -a 256 檔案路徑
線上工具：可使用HashMyFiles等免費工具

雜湊值的用途是：日後如果對方質疑「你提供的檔案被修改過」，你可以證明從案發到現在，這個檔案從未變更。

6-3 常見的錯誤行為（請避免）

❌ 在網路上與陌生人爭論影片真偽，透露過多個人資訊。
❌ 自行嘗試用各種軟體「測試」原始檔案，可能改變檔案內容。
❌ 直接聯繫發布者或勒索者，可能讓自己陷入危險。
❌ 將影片提供給非必要的人，增加擴散風險。
❌ 在情緒狀態下刪除相關對話紀錄或關閉帳號，導致證據流失。

第七章：防禦與未來趨勢——如何降低成為深偽受害者的風險？

7-1 個人防護策略

減少高解析度正面照片的公開曝光：深偽模型需要大量清晰的人臉影像作為訓練素材。社群媒體上的高解析度照片是最容易取得的來源。
啟用社群平台的隱私設定：限制陌生人存取你的照片與影片。
使用數位浮水印工具：在重要影像中加入不可見的數位浮水印，即使被挪用也可追蹤來源。
對可疑內容保持警覺：不要因為「有影片為證」就輕信任何訊息。
定期搜尋自己的名字與影像：及早發現可能的深偽濫用。

7-2 組織與企業的防護措施

建立驗證機制：公司內部涉及金流或機密的指令，應建立「雙重驗證」流程，不能僅憑視訊通話。
員工教育訓練：讓員工了解深偽詐騙的風險與辨識方法。
媒體資產管理：企業高階主管的公開演講影片應妥善管理，避免被大量取得作為訓練素材。
資安事件應變計畫：將「深偽攻擊」納入企業的風險管理與危機處理流程。

7-3 未來趨勢：認證、溯源與反制的技術演進

（一）內容來源與真實性聯盟（C2PA）

由Adobe、Microsoft、Intel等公司共同推動的內容來源標準，在影像與影片的Metadata中嵌入創作資訊與編輯歷史，讓閱聽者可以追溯內容的來源與修改軌跡。越來越多的相機、手機、編輯軟體正在支援此標準。

（二）區塊鏈內容註冊

透過去中心化的區塊鏈技術，在內容發布時註冊「數位指紋」，任何後續修改都會留下可追溯的紀錄。

（三）AI生成內容標記義務

多國政府正在立法要求AI生成內容必須加上可見或不可見的標記。臺灣也在研議相關規範，要求平台業者對AI生成的內容進行標示。

（四）反深偽技術的持續進化

偵測技術不會停滯不前。新的研究方向包括：

利用「物理不可克隆函數」驗證拍攝裝置。
開發「主動防禦」技術，在影像中嵌入對抗深偽模型的訊號。
建立全球性的深偽影片資料庫，供偵測模型持續更新訓練。

常見問答（FAQ）

Q1：Line或Messenger上收到的影片可以申請鑑定嗎？

可以。只要是數位檔案，無論來源是社群平台、通訊軟體或電子郵件，都可以送鑑。但需注意：通訊軟體可能對影片進行壓縮，降低鑑定的精確度。建議同時保存原始下載檔與通訊軟體中的原始訊息紀錄。

Q2：鑑定一段影片需要多少費用？

司法程序中的鑑定：若由檢警機關送鑑，被害人通常不需負擔費用。
民間鑑定機構：依影片長度、複雜度與鑑定需求，費用可能從數萬元到數十萬元不等。建議先諮詢多家機構取得報價。
學術機構：部分大學接受合作研究性質的鑑定委託，費用較低但時程較長。

Q3：鑑定需要多久時間？

視案件複雜度與機構工作量而定。一般民間鑑定機構約需2至8週；司法鑑定可能更長。如果是緊急案件（如正在發生的勒索），可以向警方說明急迫性，尋求優先處理。

Q4：如果影片是「部分偽造」（例如只改了說的話但臉是真的），能鑑定出來嗎？

是的。數位鑑識不只偵測「換臉」，也包括偵測影片的任何形式的篡改，包括音訊替換、局部畫面修改、時間戳記篡改等。鑑定報告會說明篡改的類型與範圍，而不只是「真或假」的二分法。

Q5：AI生成的影片一定無法鑑定嗎？

不一定。雖然最新技術的偵測難度較高，但並非完全無法鑑定。專業鑑識機構使用多種交叉驗證方法，即使單一方法失靈，其他方法仍可能捕捉到偽造痕跡。此外，鑑定不只分析影像本身，還包括中繼資料、來源分析、發布脈絡等非影像層面的證據。

Q6：我該如何找值得信賴的數位鑑識機構？

建議考量以下因素：

機構是否具有鑑識科學相關的專業背景與認證。
鑑定人是否具備資訊工程、鑑識科學等相關學經歷。
是否使用國際認可的鑑識方法與工具。
是否有出庭作證的經驗。
過往客戶的評價與口碑。

Q7：如果對方堅稱影片是真的，鑑定報告說「可能有偽造跡象」但沒有百分之百確定，法律上怎麼辦？

法律上的證明標準是「證據優勢」（民事）或「超越合理懷疑」（刑事），不需要百分之百的確定性。一份「高度可能為偽造」的鑑定報告，搭配其他證據（如不在場證明、原始檔案缺失、發布脈絡可疑等），仍然可能說服法官。

結語：在「眼見不為憑」的時代，我們需要新的信任機制

深偽技術的出現，動搖了人類社會最基本的認知基礎——「看見」不再等於「相信」。這不只是技術問題，更是社會信任體系的重構課題。

對個人而言，了解如何證明影片真偽，是數位時代的基本生存技能。對組織與社會而言，建立完善的數位鑑識體系、內容溯源機制與法律框架，是維護信任基礎的必要投資。

當你面對一段可疑影片時，請記住：懷疑不是偏執，求證才是理性。從肉眼觀察到專業鑑定，從證據保全到法律程序，每一步都是在為真相築起防線。而真相，永遠值得我們用最嚴謹的方法去捍衛。

作者簡介

林哲宇，國立臺灣大學資訊工程博士，曾任職於法務部調查局資安工作站，專長為數位鑑識、多媒體真偽分析與資訊安全。擁有超過十五年數位鑑識實務經驗，參與過上百件數位證據鑑定案件，包括深偽影片、影像篡改、數位證據復原等。現為獨立數位鑑識顧問，並在多家大學擔任兼任副教授，講授數位鑑識與資訊安全課程。曾多次受邀擔任法院鑑定人，出庭說明數位證據的分析方法與結論。著有《數位鑑識實務手冊》一書，並在國內外期刊發表多篇深偽偵測相關論文。

Blog