三周前，一家华东农商行的远程开户系统拦下了一笔交易。视频里的人脸和身份证照片匹配度高达99.2%，但系统发现，视频的光影和头部转动的节奏有5毫秒的错位。这是个Deepfake。
事后查证，骗子用上了刚发布一个月的Sora 2.0生成动态视频，再配合实时换脸工具。从“噱头”变成“刚需”，就在过去两年。一个直观的数据：2025年，美国FBI受理的AI生成面部/语音欺诈投诉增长了420%。
不再让用户“眨眼张嘴”
传统的活体检测靠指令——让你眨眼、张嘴、摇头。但这套在2025年后就基本失灵了，生成式AI能轻松模仿动作，甚至肌肉纹理。
新思路是“被动检测”，不去管用户做什么动作，而是分析视频里的细节。比如工行在2025年下半年试点“单目+近红外”双摄像头。940nm波长的近红外光下，真人皮肤吸收率约70%，而屏幕反光超过90%，能瞬间区分。
政务领域的脚步慢一些。浙江的“浙里办”在2026年5月升级了“动作+光流+声纹”三重验证。你得对着摄像头录视频念随机数字，系统会同时看三样东西：人脸动得自不自然、环境光变不变、声音和嘴唇对不对得上。技术提供方是商汤的“SenseAuto 3.0”引擎。
代价是变慢了。验证时间从1.5秒拉到3-4秒。一位城商行风控负责人说：“去年我们被深度伪造骗走了270万。宁可多等两秒，也不能放个假人进来。”
用大模型去抓大模型的漏洞
另一条路是“用AI对抗AI”。蚂蚁集团2025年底发布了“DeepGuard”系统，通过Transformer架构分析视频帧的隐式特征。它的逻辑是：伪造视频会在频域留下指纹，比如纹理分布过于均匀，或有周期性压缩痕迹。这套系统在公开数据集上表现很好（AUC 0.992），但在真实环境里，因为光线、抖动等因素，效果会降到0.88左右。
更大的问题是生成模型的进化速度。2026年3月，有团队用对抗训练让一个开源Deepfake模型绕过了当时70%的检测系统。作为回应，商汤、旷视和几家银行搞了一次“盲测竞赛”：给1000段真假视频，要求检测系统的误报率和漏检率都得控制在极低水平。最终只有三家创业公司达标。
所以光看脸不够了。声音、笔迹、操作习惯都得上。浦发银行2026年4月的企业网银大额转账，要求人脸、语音、动态密码和“历史行为”四重校验。系统会暗中观察你输密码的速度、鼠标的轨迹，一旦和你的历史习惯偏差太大，就触发二次验证。这就像把“人本身”变成了密码。
隐私的刀刃：数据不能出域
收集更多生物特征，风险也更大。2026年5月，某省政务数据库因为配置失误，380万条人脸和身份证信息在公网暴露了几小时，没被窃取也够吓人。
一个思路是把模型放到本地跑。苹果的端云混合模式就是个参考：人脸数据不出手机，只在本地做特征提取，结果加密回传。实测发现，本地大模型跑活体检测功耗约1.2W，首帧响应在0.8秒内。
金融行业则在探索“联邦学习”。蚂蚁和微众银行在2025年底公布了一项实验：5家银行用本地的脱敏视频分别训练模型，然后只聚合模型参数。结果整体效果比单家训练提升了8%，而且原始数据没出任何一家的网络。这对政务数据共享尤其重要，能在不触碰数据的前提下合作训练模型。
信任锚点不断漂移
技术拉锯战在持续。每一次新的验证技术出现，伪造技术就会研究如何绕过它。密码被破解后用短信验证码，验证码被拦截后用上人脸，人脸被伪造后现在又要加上行为分析。
这场争夺已经下沉到硬件层。未来，身份验证可能要求终端提供硬件级的信任根，比如苹果的安全隔区或安卓的TEE，再结合服务端大模型实时分析。这等于把信任的锚点从算法挪到了芯片上。
但合规的绳索也在收紧。欧盟正在起草的《AI责任指令草案》，要求检测算法必须公开其判断逻辑。预计今年，金融风控领域也会跟上。一个完全黑箱的高准确率模型，可能过不了合规关。
到了2026年夏天，制作深度伪造的门槛已经降到一个人一部手机。这场算法竞赛可能没有终点。但验证技术的进化方向很明确：从验证“你是谁”，到验证“你在不在场”，再到验证“你的行为是否自然”。信任，正从一个静态的结果，被拉回成一个动态的过程。
