论文插图、实验照片、新闻配图被质疑「是不是 AI 生成的」最常见的回应是两种极端要么放大看看说「没问题」要么丢进某个检测网站拿一个百分比当结论。欧洲法证研究所European Forensic Institute2025 年 2 月的专家讲座「Image Forensics in the AI Era」约 71 分钟由 Amped Software 的法证分析师 Massimo Iuliani 主讲给出了更审慎的框架没有一种工具能对所有图像都给出答案每种方法都有自己能说和不能说的话。本文把讲座里的四类方法整理成四道闸门重点写清每道闸门「失败」时意味着什么再在合成图上做一次当天就能复跑的故障注入实验让每种失败都留下可观测的产物。讲座事实均来自原视频实验数字均来自本机实跑。图从左到右四道闸门每道标注「能写」的结论与「失败含义」下方是三组故障注入的实测结果元数据剥离、JPEG 压缩、异源阴影。目标说明读完你应能当场完成五件事说出为什么「肉眼看」不能作为判断依据以及讲座中现场测试的结果。按四道闸门组织一次图像核查每道闸门写下「能写的结论」和「不能写的结论」。区分三种输出有证据指向生成或篡改、没有发现矛盾、无法判断。尤其不把「没有证据」写成「真实」。在合成图上复跑三组故障注入看懂元数据剥离、压缩和多光源各自怎样让闸门失效。用措辞闸门检查报告把「概率」改成「兼容度」把「证明是 AI」改成「不存在单一光源」。适用边界适合审稿、编辑、课题组内部核查插图需要一份讲得清理由的初步意见。学习图像取证的基本逻辑为后续使用专业工具做准备。写核查报告时需要一套不越界的措辞。不适合直接用于司法鉴定讲座强调法庭场景对可解释性、误差和保管链都有要求本文的实验只演示原理。当作 AI 检测工具实验用的是合成图和简化算法不针对任何真实生成模型。手机原生照片的「真实性」争议讲座提醒手机默认的 AI 增强也会改变图像内容见下文。讲座事实卡肉眼不可靠现场让观众判断 20 张图的真伪得分中位数为 11/20正确率约 50%讲者说这和抛硬币差不多他还提醒人倾向于寻找支持自己假设的证据确认偏误应该同时检验相反假设。元数据有时能直接看到线索比如描述字段写着「AI generated image」或 PNG 中保存着生成参数。但社交平台和 WhatsApp 这类渠道会改动元数据乃至图像本身用 zip 等不改动文件的方式传递内部元数据才能保留。传统取证约 20 年积累局部修改会改变该区域的噪声等统计特性重新保存后形成不一致讲者以一张发票为例展示了噪声图。这类方法不管用的是 Photoshop 还是 AI 工具都可能生效但并非每次都有效。AI 检测器数据驱动输出的是与某种生成架构的兼容度例如与 DALL·E 类架构的兼容度 99%讲者强调这类工具给不出错误概率遇到新模型可能失效误差范围也难以说明法证意义上不够理想。阴影几何物体上的点、它的投影点和光源应在同一条直线上考虑到标注误差每组配对给出一个楔形区域所有楔形的交集就是可能的光源位置。交集为空说明不存在能同时满足这些阴影的单一光源。讲者说这不能证明图像是 AI 生成或被修改过但可以很容易地解释为何该图不可靠。这种方法可解释、可复核、对压缩稳健但通常需要人工交互和判断例如确认场景确实只有一个光源。原生图像也有 AI 处理讲者举了三星手机的例子默认开启超分辨率和场景优化还有一张照片被手机自动给孩子「补上了牙齿」。结论没有单一方案能对所有图像都给出「100% 是 AI」的判断需要组合多种方法庭审场景下保管链需要更加重视。四道闸门与失败含义闸门能写的结论失败或无结果时的含义不能写元数据「元数据声明为生成图」或「元数据声称来自某设备」元数据缺失可能经过转存结论为「未知」「没有 AI 元数据所以是真的」局部噪声「某区域的噪声统计与其余部分不一致」没发现不一致可能是真的没改也可能是压缩抹平了痕迹「是用某某工具改的」「未发现篡改所以是真实的」AI 检测器「与某架构的兼容度为 X」低兼容度可能是真实图像也可能是检测器没见过的新模型「有 X% 的概率是 AI 生成」阴影几何「不存在同时满足这些阴影的单一光源」约束可满足只是没发现矛盾多光源场景下不适用「证明是 AI 生成」四道闸门的共同纪律**每道闸门只输出它能支持的结论任何一道闸门都不输出「真实」。**讲座提到的 GAN 人脸检测也是同理检测器说「不是 GAN 生成」并不等于这张脸就是真的。当天最小实验三组故障注入脚本forensics_smoke.py只依赖 numpy 和 Pillow全部使用合成图每组实验都先跑正常情况再注入一种故障失败必须留下可观测的产物。实验 1元数据剥离先生成一张 PNG在文本块里写入模拟的生成参数再用 JPEG质量 85重新编码模拟平台转存同时准备一个「反例闸门」只要没有 AI 元数据就判为真实。[metadata] PNG 带 parameters 文本块: keys[parameters] - AI_DECLARED [metadata] 故障注入重新编码为 JPEG(q85) 模拟平台转存: keys[jfif, jfif_version, jfif_unit, jfif_density] - UNKNOWN [metadata] 反例闸门对同一张转存图: 无 AI 元数据 - AUTHENTIC同一张图转存之后生成参数消失正确的闸门输出「未知」反例闸门却输出「真实」。这就是讲座提醒的场景经过社交平台或即时通讯转发元数据不可依赖。实验 2局部噪声与 JPEG 压缩在 512×512 的合成图上加入标准差为 6 的噪声模拟相机噪声再把中间一块 128×128 的区域换成噪声标准差 1.5 的版本模拟从别处贴入的平滑内容。用 3×3 均值滤波取残差按 32×32 分块计算标准差用中位数和 MAD 标记离群块补丁共覆盖 16 块。[noise] 阴性对照未篡改: 补丁内检出 0/16补丁外误报 0噪声比 0.99 - NO_FINDING [noise] 拼接128px 低噪声补丁: 补丁内检出 16/16补丁外误报 0噪声比 0.26 - INCONSISTENT [noise] 故障注入拼接后 JPEG q30: 补丁内检出 6/16补丁外误报 1噪声比 0.50 - WEAK阴性对照没有误报说明阈值没有乱报拼接图 16 块全部检出。注入 JPEG 压缩质量 30后补丁与背景的噪声比从 0.26 升到 0.50检出降到 6/16还多了 1 块误报。产物noise-maps.png并排保存了三张噪声图。这组结果说明「没发现不一致」绝不能写成「没有篡改」压缩本身就能把证据抹掉一大半。实验 3异源阴影在像平面上设一个光源由它生成三组物体点与投影点的配对每组给 ±4° 的楔形再注入一组由另一个光源生成的配对。[shadow] 三组点-影配对单一光源: 可行光源区域格点数 908 - FEASIBLE [shadow] 故障注入加入一组来自另一光源的配对: 可行光源区域格点数 0 - INFEASIBLE加入异源配对后可行区域从 908 个格点变为 0约束不可满足产物为shadow-constraints.png红线为注入的配对。注意同样的结果也会出现在室内多光源的真实照片上所以只能写「不存在单一光源」是否只有一个光源需要核查者自己判断。措辞闸门报告里不能出现的话实验最后用一条正则检查三句报告措辞[wording] 检测器显示该图与某生成架构的兼容度为 99%结论需结合其他方法。: 命中:无 - PASS [wording] 该图有 99% 的概率是 AI 生成的。: 命中:概率 - FAIL [wording] 阴影约束不可满足证明是 AI 生成。: 命中:证明是 AI 生成 - FAIL第一版正则漏掉了第三句因为「AI」和「生成」之间有个空格修正正则后才判为 FAIL。措辞闸门本身也需要反例来测。失败含义速查现象含义下一步元数据为空很可能经过转存或编辑软件向提供者索取原始文件以不改动文件的方式传递噪声图无异常可能未修改也可能被压缩抹平记录文件的压缩历史结论写「未发现」检测器兼容度高与某类架构特征相符换其他方法交叉验证报告写兼容度检测器兼容度低真实图像或未知模型不据此判真阴影约束为空不存在单一光源确认场景光源数量写「不可靠」而非「AI 生成」手机原生照片细节异常可能是机内 AI 增强查设备设置与拍摄模式可审计产物_w/img-gate/forensics_smoke.py、smoke_output.txt_w/img-gate/forensic-gate.csv11 行闸门、用例、观测、判定、含义_w/img-gate/noise-maps.png、shadow-constraints.png_w/yt/5IjzPAU44eA.txt讲座字幕文本事实可回查踩坑只跑拼接样本、不跑阴性对照阈值乱报也看不出来。在压缩过的图上没找到噪声异常就写「未见篡改痕迹图像真实」。把检测器的 99% 兼容度翻译成「99% 概率」在答辩或审稿回复里被追问错误率时答不上来。阴影分析默认单光源却拿去分析室内多灯照片。当天 45 分钟脚本10 分钟复跑forensics_smoke.py确认三组故障注入的结果与本文一致。10 分钟把压缩质量改成 50、70、90 各跑一次记录检出块数看证据从什么质量开始明显衰减。10 分钟挑一张自己的插图按四道闸门填写「能写 / 不能写」表。10 分钟把核查结论改写成闸门式措辞并用措辞闸门扫描一遍。5 分钟记录文件来源和传递方式作为保管链的第一行。总结AI 时代的图像取证没有一键答案。讲座的核心提醒是肉眼约等于抛硬币元数据会被转存剥离噪声证据会被压缩抹平检测器只给兼容度阴影几何只能说明不存在单一光源。把这些方法做成闸门最重要的是写清每道闸门失败时意味着什么并且始终不输出「真实」。当天的故障注入实验只需几分钟元数据剥离后闸门应输出「未知」JPEG 质量 30 让检出从 16/16 降到 6/16异源阴影让可行区域归零每一种失败都留下了可复核的产物。参考Meet the Experts: Image Forensics in the AI EraEuropean Forensic Institute 讲座视频YouTube 视频 ID5IjzPAU44eA
论文插图、实验照片、新闻配图被质疑「是不是 AI 生成的」最常见的回应是两种极端要么放大看看说「没问题」要么丢进某个检测网站拿一个百分比当结论。欧洲法证研究所European Forensic Institute2025 年 2 月的专家讲座「Image Forensics in the AI Era」约 71 分钟由 Amped Software 的法证分析师 Massimo Iuliani 主讲给出了更审慎的框架没有一种工具能对所有图像都给出答案每种方法都有自己能说和不能说的话。本文把讲座里的四类方法整理成四道闸门重点写清每道闸门「失败」时意味着什么再在合成图上做一次当天就能复跑的故障注入实验让每种失败都留下可观测的产物。讲座事实均来自原视频实验数字均来自本机实跑。图从左到右四道闸门每道标注「能写」的结论与「失败含义」下方是三组故障注入的实测结果元数据剥离、JPEG 压缩、异源阴影。目标说明读完你应能当场完成五件事说出为什么「肉眼看」不能作为判断依据以及讲座中现场测试的结果。按四道闸门组织一次图像核查每道闸门写下「能写的结论」和「不能写的结论」。区分三种输出有证据指向生成或篡改、没有发现矛盾、无法判断。尤其不把「没有证据」写成「真实」。在合成图上复跑三组故障注入看懂元数据剥离、压缩和多光源各自怎样让闸门失效。用措辞闸门检查报告把「概率」改成「兼容度」把「证明是 AI」改成「不存在单一光源」。适用边界适合审稿、编辑、课题组内部核查插图需要一份讲得清理由的初步意见。学习图像取证的基本逻辑为后续使用专业工具做准备。写核查报告时需要一套不越界的措辞。不适合直接用于司法鉴定讲座强调法庭场景对可解释性、误差和保管链都有要求本文的实验只演示原理。当作 AI 检测工具实验用的是合成图和简化算法不针对任何真实生成模型。手机原生照片的「真实性」争议讲座提醒手机默认的 AI 增强也会改变图像内容见下文。讲座事实卡肉眼不可靠现场让观众判断 20 张图的真伪得分中位数为 11/20正确率约 50%讲者说这和抛硬币差不多他还提醒人倾向于寻找支持自己假设的证据确认偏误应该同时检验相反假设。元数据有时能直接看到线索比如描述字段写着「AI generated image」或 PNG 中保存着生成参数。但社交平台和 WhatsApp 这类渠道会改动元数据乃至图像本身用 zip 等不改动文件的方式传递内部元数据才能保留。传统取证约 20 年积累局部修改会改变该区域的噪声等统计特性重新保存后形成不一致讲者以一张发票为例展示了噪声图。这类方法不管用的是 Photoshop 还是 AI 工具都可能生效但并非每次都有效。AI 检测器数据驱动输出的是与某种生成架构的兼容度例如与 DALL·E 类架构的兼容度 99%讲者强调这类工具给不出错误概率遇到新模型可能失效误差范围也难以说明法证意义上不够理想。阴影几何物体上的点、它的投影点和光源应在同一条直线上考虑到标注误差每组配对给出一个楔形区域所有楔形的交集就是可能的光源位置。交集为空说明不存在能同时满足这些阴影的单一光源。讲者说这不能证明图像是 AI 生成或被修改过但可以很容易地解释为何该图不可靠。这种方法可解释、可复核、对压缩稳健但通常需要人工交互和判断例如确认场景确实只有一个光源。原生图像也有 AI 处理讲者举了三星手机的例子默认开启超分辨率和场景优化还有一张照片被手机自动给孩子「补上了牙齿」。结论没有单一方案能对所有图像都给出「100% 是 AI」的判断需要组合多种方法庭审场景下保管链需要更加重视。四道闸门与失败含义闸门能写的结论失败或无结果时的含义不能写元数据「元数据声明为生成图」或「元数据声称来自某设备」元数据缺失可能经过转存结论为「未知」「没有 AI 元数据所以是真的」局部噪声「某区域的噪声统计与其余部分不一致」没发现不一致可能是真的没改也可能是压缩抹平了痕迹「是用某某工具改的」「未发现篡改所以是真实的」AI 检测器「与某架构的兼容度为 X」低兼容度可能是真实图像也可能是检测器没见过的新模型「有 X% 的概率是 AI 生成」阴影几何「不存在同时满足这些阴影的单一光源」约束可满足只是没发现矛盾多光源场景下不适用「证明是 AI 生成」四道闸门的共同纪律**每道闸门只输出它能支持的结论任何一道闸门都不输出「真实」。**讲座提到的 GAN 人脸检测也是同理检测器说「不是 GAN 生成」并不等于这张脸就是真的。当天最小实验三组故障注入脚本forensics_smoke.py只依赖 numpy 和 Pillow全部使用合成图每组实验都先跑正常情况再注入一种故障失败必须留下可观测的产物。实验 1元数据剥离先生成一张 PNG在文本块里写入模拟的生成参数再用 JPEG质量 85重新编码模拟平台转存同时准备一个「反例闸门」只要没有 AI 元数据就判为真实。[metadata] PNG 带 parameters 文本块: keys[parameters] - AI_DECLARED [metadata] 故障注入重新编码为 JPEG(q85) 模拟平台转存: keys[jfif, jfif_version, jfif_unit, jfif_density] - UNKNOWN [metadata] 反例闸门对同一张转存图: 无 AI 元数据 - AUTHENTIC同一张图转存之后生成参数消失正确的闸门输出「未知」反例闸门却输出「真实」。这就是讲座提醒的场景经过社交平台或即时通讯转发元数据不可依赖。实验 2局部噪声与 JPEG 压缩在 512×512 的合成图上加入标准差为 6 的噪声模拟相机噪声再把中间一块 128×128 的区域换成噪声标准差 1.5 的版本模拟从别处贴入的平滑内容。用 3×3 均值滤波取残差按 32×32 分块计算标准差用中位数和 MAD 标记离群块补丁共覆盖 16 块。[noise] 阴性对照未篡改: 补丁内检出 0/16补丁外误报 0噪声比 0.99 - NO_FINDING [noise] 拼接128px 低噪声补丁: 补丁内检出 16/16补丁外误报 0噪声比 0.26 - INCONSISTENT [noise] 故障注入拼接后 JPEG q30: 补丁内检出 6/16补丁外误报 1噪声比 0.50 - WEAK阴性对照没有误报说明阈值没有乱报拼接图 16 块全部检出。注入 JPEG 压缩质量 30后补丁与背景的噪声比从 0.26 升到 0.50检出降到 6/16还多了 1 块误报。产物noise-maps.png并排保存了三张噪声图。这组结果说明「没发现不一致」绝不能写成「没有篡改」压缩本身就能把证据抹掉一大半。实验 3异源阴影在像平面上设一个光源由它生成三组物体点与投影点的配对每组给 ±4° 的楔形再注入一组由另一个光源生成的配对。[shadow] 三组点-影配对单一光源: 可行光源区域格点数 908 - FEASIBLE [shadow] 故障注入加入一组来自另一光源的配对: 可行光源区域格点数 0 - INFEASIBLE加入异源配对后可行区域从 908 个格点变为 0约束不可满足产物为shadow-constraints.png红线为注入的配对。注意同样的结果也会出现在室内多光源的真实照片上所以只能写「不存在单一光源」是否只有一个光源需要核查者自己判断。措辞闸门报告里不能出现的话实验最后用一条正则检查三句报告措辞[wording] 检测器显示该图与某生成架构的兼容度为 99%结论需结合其他方法。: 命中:无 - PASS [wording] 该图有 99% 的概率是 AI 生成的。: 命中:概率 - FAIL [wording] 阴影约束不可满足证明是 AI 生成。: 命中:证明是 AI 生成 - FAIL第一版正则漏掉了第三句因为「AI」和「生成」之间有个空格修正正则后才判为 FAIL。措辞闸门本身也需要反例来测。失败含义速查现象含义下一步元数据为空很可能经过转存或编辑软件向提供者索取原始文件以不改动文件的方式传递噪声图无异常可能未修改也可能被压缩抹平记录文件的压缩历史结论写「未发现」检测器兼容度高与某类架构特征相符换其他方法交叉验证报告写兼容度检测器兼容度低真实图像或未知模型不据此判真阴影约束为空不存在单一光源确认场景光源数量写「不可靠」而非「AI 生成」手机原生照片细节异常可能是机内 AI 增强查设备设置与拍摄模式可审计产物_w/img-gate/forensics_smoke.py、smoke_output.txt_w/img-gate/forensic-gate.csv11 行闸门、用例、观测、判定、含义_w/img-gate/noise-maps.png、shadow-constraints.png_w/yt/5IjzPAU44eA.txt讲座字幕文本事实可回查踩坑只跑拼接样本、不跑阴性对照阈值乱报也看不出来。在压缩过的图上没找到噪声异常就写「未见篡改痕迹图像真实」。把检测器的 99% 兼容度翻译成「99% 概率」在答辩或审稿回复里被追问错误率时答不上来。阴影分析默认单光源却拿去分析室内多灯照片。当天 45 分钟脚本10 分钟复跑forensics_smoke.py确认三组故障注入的结果与本文一致。10 分钟把压缩质量改成 50、70、90 各跑一次记录检出块数看证据从什么质量开始明显衰减。10 分钟挑一张自己的插图按四道闸门填写「能写 / 不能写」表。10 分钟把核查结论改写成闸门式措辞并用措辞闸门扫描一遍。5 分钟记录文件来源和传递方式作为保管链的第一行。总结AI 时代的图像取证没有一键答案。讲座的核心提醒是肉眼约等于抛硬币元数据会被转存剥离噪声证据会被压缩抹平检测器只给兼容度阴影几何只能说明不存在单一光源。把这些方法做成闸门最重要的是写清每道闸门失败时意味着什么并且始终不输出「真实」。当天的故障注入实验只需几分钟元数据剥离后闸门应输出「未知」JPEG 质量 30 让检出从 16/16 降到 6/16异源阴影让可行区域归零每一种失败都留下了可复核的产物。参考Meet the Experts: Image Forensics in the AI EraEuropean Forensic Institute 讲座视频YouTube 视频 ID5IjzPAU44eA
