2026-09-14 · 来源：{'name': 'Unite AI', 'url': 'https://www.unite.ai/deepfake-detection-accuracy-falls-49-in-a-year-of-ai-video-progress/'}
一项由乌克兰牵头发起的研究发现,传统深度伪造检测器在面对阿里Wan 2.2、混元视频、Grok Imagine和可灵等新一代生成器时表现糟糕,一年内检测准确率下降49%,且无论开源还是闭源模型均无法幸免。
一项由乌克兰团队主导的研究论文发现,上一代深度伪造视频检测器在面对当前最先进的生成式AI视频时表现极差。核心测量结果触目惊心:仅在AI视频生成技术一年的进步之中,检测准确率就下降了49%。关键在于,无论合成视频是由本地运行的开源模型生成,还是由仅通过API提供的闭源商业服务产出,检测器的薄弱程度并无二致。
在开源一侧,研究列举了本地部署的生成器,包括阿里巴巴的Wan 2.2和混元视频;在闭源一侧,则点名了仅通过API提供服务的Grok Imagine和可灵。这一覆盖面对任何运营媒体验证工具的人而言都至关重要:检测失灵并不局限于某一家厂商、某一种架构或某一条分发渠道,而是同时横跨可下载的开源权重与托管服务两类模式。这意味着,无论今天选用哪家生成器,都无法免于骗过传统检测器。
论文所依据的证据基础是一个名为DF26的基准测试。为说明这一挑战,论文展示了取自其"面对镜头日常闲聊"类别的三个样本——即画面中的主体以随意、日常的口吻面对镜头与观众交谈的合成片段。这种风格恰恰是规则或元数据检查最难监管的形式,而这些样本也凸显了当前生成器已走得多远:它们早已摆脱了旧款检测器当初训练时所针对的那些明显违和的痕迹。
这篇论文并非此类警告的第一声。早在2024年,另一篇论文就已指出同样的方向,而此后十二个月的生成器技术进步,非但没有弥合差距,反而似乎进一步拉大了鸿沟——检测器准确率下降了49%。对于依赖自动化视频验证的企业和平台而言,该研究暗示:以旧一代生成器为基准测试过的传统检测体系,已不能再被假定能够抵御当前这波开源与闭源模型的冲击。
萬安算交所 AIXX · 算力硬件实名会员制交易平台 · 进入货源大厅