2024 年香港一家跨國企業的財務人員，在一場視訊會議中被 Deepfake 技術偽造的「CFO 及同事」騙走了 2 億港幣。2026 年，AI 換臉和聲音複製技術已更加普及，識別 Deepfake 成為現代人必備的數位素養。本文從技術原理到實用識別技巧，帶你全面了解深度偽造的威脅與防禦。
一、什麼是 Deepfake？
Deepfake 是「Deep Learning（深度學習）」與「Fake（偽造）」的合成詞，指利用 AI 技術（主要是生成對抗網路 GAN 或擴散模型 Diffusion Model）合成虛假的人臉、聲音或影片內容。
依照偽造內容類型，Deepfake 大致分為：
| 類型 | 技術 | 常見濫用 |
|---|---|---|
| 換臉影片 | GAN / FaceSwap / InsightFace | 名人假新聞、詐騙視訊通話 |
| 聲音複製 | 語音合成（TTS）+ 聲紋克隆 | 模仿親屬聲音騙錢、偽造電話詐騙 |
| AI 生成圖片 | Stable Diffusion / DALL-E / Midjourney | 偽造新聞現場照、假證件 |
| 文字生成 | 大型語言模型（LLM） | 假新聞報導、偽造聲明 |
二、近年重大 Deepfake 事件
2024 年香港財務詐騙案
詐騙集團以 Deepfake 技術偽造公司 CFO 和多名同事的形象，在視訊會議中指示財務人員轉帳，成功騙取約 2 億港幣（約 2,570 萬美元）。這是迄今最大規模的 Deepfake 商業詐騙案之一。
選舉期間的 AI 偽造聲音
2024 年美國初選期間，流傳一段 AI 合成的「拜登語音」，號召選民不要投票。聯邦通訊委員會（FCC）隨後宣布 AI 合成語音的機器人電話違法，是 AI 監管的重要里程碑。
名人換臉詐騙廣告
多個社群媒體平台出現以知名投資人或藝人換臉的詐騙廣告，誘導使用者投資虛假平台。涉及台灣、香港、馬來西亞的多起案件已有受害者損失數十萬至數百萬。
三、如何識別 Deepfake 影片
視覺線索
- 眼睛眨眼異常：早期 Deepfake 不會眨眼，較新的模型改善了這點但仍可能不自然
- 膚色邊緣模糊：換臉區域（特別是髮際線、耳朵邊緣）常有羽化或顏色不一致
- 五官比例失衡：在頭部快速轉動時容易出現形變或延遲
- 牙齒和頭髮細節：AI 生成的牙齒常有融合感，頭髮細節在放大後常見異常
- 光線不一致：偽造的臉部光源方向可能與背景或身體不符
音訊線索
- 語調過於平板，缺乏情緒起伏的自然變化
- 口型與聲音的同步微微延遲（特別在子音部分）
- 背景噪音突然消失或音質切換
情境判斷
- 內容是否違背常理？（名人突然為陌生品牌代言、政治人物說出反常言論）
- 影片來源是否可信？是否有其他媒體報導佐證？
- 原始上傳者是誰？帳號建立時間、歷史貼文是否可信？
四、AI 生成圖片的識別技巧
常見視覺破綻
| 部位 | 常見問題 |
|---|---|
| 手指 | 手指數量錯誤（六根指頭）、手指關節不自然彎曲 |
| 文字 | 圖中的招牌、衣服文字常是無意義的混合字元 |
| 背景 | 重複的紋理圖案、透視錯誤的建築線條 |
| 耳朵 / 珠寶 | 耳環、項鍊不對稱或形狀異常 |
| 眼睛 | 瞳孔形狀不一、眼睛顏色左右差異 |
工具輔助檢測
- Google 反向圖片搜尋：找出原始來源和其他出現位置
- TinEye：進階反向圖片搜尋，可追蹤圖片歷史
- Hive Moderation、AI or Not：線上 AI 生成圖片偵測服務
- InVID / WeVerify：專為新聞查核設計的影片真偽驗證工具
五、C2PA 內容憑證：數位世界的「照片出生證明」
為了應對 AI 生成內容的泛濫，多家科技巨頭（Adobe、Microsoft、Google、Intel、Sony 等）共同推動了 C2PA（Coalition for Content Provenance and Authenticity） 標準，建立一套數位內容的「出處記錄」機制。
C2PA 如何運作？
C2PA 在圖片或影片的元數據中嵌入一個加密簽名的「內容憑證（Content Credentials）」，記錄：
- 內容的建立時間和地點
- 使用的設備或軟體（如 Adobe Photoshop、Leica 相機）
- 每次編輯的操作記錄（裁剪、色彩調整、AI 生成）
- 發布者的數位簽名
當內容被轉發或下載時，這個憑證仍然跟著走。使用者可以在支援 C2PA 的平台或工具（如 Adobe Content Authenticity）查看這份記錄。
C2PA 的局限
- 憑證可以被手動移除（類似 EXIF 元數據）
- 尚未普及：只有支援 C2PA 的設備和軟體才會產生憑證
- 「沒有憑證」不等於「這是假的」——老照片或不支援 C2PA 的設備拍攝的照片也不會有憑證
儘管如此，C2PA 提供了一個「如果有憑證，就能確認來源」的正向驗證路徑，是目前最有系統性的圖像真偽溯源架構。
六、檔案雜湊值與圖片完整性
除了 C2PA 之外，如果你手上有一張「疑似遭到竄改」的圖片，或想確認兩個版本的圖片是否完全相同，可以比較兩者的雜湊值（Hash）：
- 若雜湊值完全相同 → 檔案內容（包括所有元數據）完全一致，未被修改
- 若雜湊值不同 → 圖片內容有改動（哪怕只是修改了一個像素或一個 EXIF 欄位）
這個方法對於法律取證（確認原始圖片未被竄改）非常有用，但無法判斷圖片本身是否為 AI 生成——雜湊只能驗證「是否被改動」，不能驗證「原始內容的真實性」。
七、企業與個人的防範建議
個人防範
- 接到「親友」的緊急借錢電話，先掛斷用已知號碼回撥確認
- 視訊通話中若對方要求轉帳，務必透過第二管道（簡訊、面對面）確認
- 設定「家庭密語」（一個只有真正家人知道的詞），遇到可疑視訊通話時要求對方說出
- 不要在社群媒體上分享大量臉部清晰的照片和影片，減少被訓練成換臉素材的風險
企業防範
- 建立「視訊指令雙重驗證」流程：任何視訊中下達的財務指令，必須另行以非即時通訊方式確認
- 對財務人員進行 Deepfake 識別培訓
- 考慮採用 C2PA 相容工具作為內部媒體資產管理的一部分
總結
- Deepfake 技術已達到讓人難以肉眼分辨的水準，2024-2026 年詐騙案件急速增加
- 識別破綻：手指數量、文字內容、髮際線邊緣、口型與聲音同步是最常見的突破口
- C2PA 內容憑證提供「正向溯源」機制，但尚未普及且可被移除
- 雜湊值驗證可確認檔案是否遭到竄改，但無法判斷原始內容真實性
- 最有效的個人防護：多管道確認 + 家庭密語 + 不輕易信任緊急影音通話中的轉帳要求