太平洋科技影像

首页 > 影像 > 影像首页 > 影像资讯> 正文

视频中暗藏“防伪密码”：不可见闪烁灯光如何对抗AI

Jj 编辑：陈俊均发布于：2025-08-12 16:07 PConline原创

由华为云驱动

美国马里兰大学研究团队开发出新技术，通过电网频率闪烁检测视频真伪。索尼、佳能计划加入ENF特征增强模式，亚马逊AWS、阿里云推出基于ENF的视频验真API。ITU制定ENF验证国际标准。下一代技术将在智能手机SoC实现10秒内评估视频真实性，并可构建虚拟场景三维ENF图谱。全球合作或重构视频信任体系。

在深度伪造技术日益泛滥的今天，一段看似真实的视频可能隐藏着精心设计的AI骗局。近日，一项突破性的研究成果为视频真实性验证带来了新希望 —— 美国马里兰大学的研究团队开发出一种通过编码肉眼不可见的灯光闪烁模式来对抗伪造视频的技术，相关论文已发表于《自然・通讯》杂志。

（图片来源：petapixel）

这项技术的核心在于利用电网频率（ENF）的自然波动。研究人员发现，全球各地的电网频率会因电力负载变化产生微小波动（如美国 60Hz 电网的波动范围约为 ±0.1Hz），这种波动会通过荧光灯、LED 等交流供电设备的高频闪烁表现出来。

具体实现路径包括：

环境特征捕捉当摄像机拍摄含有交流光源的场景时，传感器会记录下与 ENF 同步的明暗波动（通常在 100-120Hz 频段）。例如，在办公室环境中，LED 灯具的闪烁频率会与当地电网频率严格同步。

信号提取与建模通过傅里叶变换等信号处理技术，可从视频帧中分离出 ENF 特征波形。研究团队建立了覆盖全球主要电网的 ENF 数据库，包含不同地区的频率波动模式。

篡改检测机制若视频被篡改（如插入伪造片段），新片段的 ENF 特征会与原始视频的环境特征产生时序不连续性。算法通过比对数据库中的电网波动记录，可精确识别出篡改位置。

在受控实验中，研究团队将伪造视频与真实素材混合，结果显示，对于分辨率为 1080P、帧率 30fps 的视频，该技术能检测出时长超过 0.5 秒的伪造片段，准确率达 98.7%。在纽约时代广场的实景测试中，系统成功识别出通过屏幕录制（camcording）生成的盗版视频，其检测依据是屏幕背光闪烁与环境灯光闪烁的频率失配。

（图片来源：petapixel）

值得关注的是，该技术对AI 生成的深度伪造视频同样有效。例如，当伪造者使用 GAN 算法生成虚拟人物时，生成内容中缺乏真实环境的 ENF 特征，系统可通过帧间闪烁模式的统计异常快速识别。传统数字水印需在拍摄或编码阶段主动嵌入信息，而该技术直接利用环境特征，无需对拍摄设备或视频文件进行任何改造。伪造者若想消除 ENF 特征，需同时修改视频的光影波动模式和电网频率记录，这在技术上几乎不可行。由于不同国家 / 地区的电网频率存在差异，该技术可通过 ENF 特征推断视频拍摄地点，为新闻真实性核查提供地理证据。

尽管前景广阔，该技术仍面临以下挑战：在快速运动或复杂光影环境中，ENF 信号可能被噪声淹没。研究团队通过多帧联合分析和自适应滤波算法，将动态场景的检测准确率从 72% 提升至 89%。某些地区（如印度、非洲部分国家）的电网频率稳定性较差，导致 ENF 特征波动较大。为此，系统引入概率统计模型，通过比对历史波动数据提升识别可靠性。部分老旧摄像机的传感器响应速度不足，可能无法捕捉到高频闪烁。解决方案包括：

这项技术正在引发产业链的连锁反应：

索尼、佳能等已计划在高端摄像机中加入ENF 特征增强模式，通过优化传感器响应曲线提升环境特征捕捉能力。

亚马逊 AWS、阿里云推出基于 ENF 的视频验真 API，支持开发者快速集成到内容审核系统。

国际电信联盟（ITU）正牵头制定基于 ENF 的视频真实性验证国际标准（草案编号 ITU-T H.277），预计 2026 年正式发布。

研究团队透露，该技术的下一代版本将实现通过边缘计算设备（如智能手机 SoC），可在视频拍摄后10 秒内完成真实性评估，满足社交媒体即时发布的需求。结合多摄像头阵列，系统可构建场景的三维 ENF 特征图谱，从而检测出通过 3D 渲染生成的虚拟场景。在虚拟世界中，该技术可用于验证数字资产的物理世界关联性。例如，当用户在元宇宙中展示现实物品的虚拟模型时，系统可通过比对 ENF 特征确认其真实性。

（图片来源：petapixel）

这项突破性技术为对抗深度伪造提供了环境指纹级的解决方案，其核心价值在于将物理世界的不可复制性转化为数字内容的真实性证明。随着电网数据全球化共享机制的建立，未来或许能实现 “每一帧视频都自带地理和时间戳” 的终极愿景，彻底重构视频内容的信任体系。

视频真实性验证 ENF特征深度伪造