2023年全网只有50万条深度伪造（Deepfake）内容。到2025年，这个数字暴涨到800万。不是翻倍，是16倍。
Surfshark的数据更扎心：2025年全球深度伪造诈骗卷走11亿美元，比2024年翻了三倍。其中超过80%的损失发生在社交平台——你刷短视频的地方，正在成为假脸收割场。
当肉眼无法分辨真假，"有图有真相"就成了笑话。Scott Stornetta，那位被中本聪写进比特币白皮书引用的区块链时间戳发明人，正在推动一场反向操作：与其训练AI识别假货，不如让真货自带防伪基因。
视觉证据的系统性崩溃
Stornetta在接受币安采访时甩了一句大白话："我们正进入一个'眼见不再为实'的世界。"
这句话的杀伤力在于，它攻击的是人类最底层的认知习惯。几万年来，亲眼所见是判断真伪的最后防线。现在这条防线被AI以每月数百万条的速度击穿。
DeepStrike的追踪显示，深度伪造内容的年增长率接近900%。不是技术圈自嗨，是普通人已经分不清视频里的老板是真要转账，还是骗子换了一张脸。
UNESCO的Nadia Naffi博士把这定义为"认知危机"——不是信息太多，是建立真相的标准机制本身在失效。当任何一段视频都可能是合成的，相信和不相信都失去了依据。
这就产生了所谓的"骗子红利"（Liar's Dividend）。坏人可以倒打一耙：反正到处都是假的，这段丑闻视频？大概率也是AI生成的吧。真假一起贬值，谎言反而获得了呼吸空间。
检测军备竞赛为什么必输
很多人第一反应是：让AI对抗AI，用检测工具抓伪造内容。
Stornetta认为这是用错了工具。他把当下的焦虑比作《夺宝奇兵》里的经典场景——反派抽出长刀耍了半天，琼斯博士直接掏枪解决。检测工具就是那把长刀，生成技术才是枪。
现实确实如此。检测算法永远在追赶，伪造模型却每天都在进化。世界经济论坛警告，中等质量的人脸替换模型配合摄像头注入技术，已经能骗过生物识别系统。他们还列出了五项趋势，预测未来12到15个月风险会进一步加速。
更麻烦的是检测本身的悖论。当检测工具普及，伪造者会针对性地训练对抗样本。这是一场没有终点的猫鼠游戏，而老鼠的繁殖速度远超猫的进化。
Stornetta的结论是：别比了，换赛道。目标不是赢得检测竞赛，而是让整个检测范式变得无关紧要。
分布式信任如何重建防线
区块链在这里的角色不是炒币，是时间戳+身份锚定。
Stornetta的核心设想是：内容从诞生那一刻起就带上加密指纹，谁创建的、什么时候创建的、有没有被篡改，全部上链存证。验证的时候不需要判断画面真假，只需要核对链上的签名是否匹配。
这相当于给数字内容办了一张"出生证明"。不是让AI去分析像素有没有异常，而是让密码学保证"这段视频确实来自某个经过验证的设备，在某个确定的时间点生成"。
技术路径上，这依赖几个组件：设备端的可信执行环境（TEE）、内容创建时的即时签名、分布式账本上的不可篡改记录。用户端验证时，钱包或应用自动比对链上哈希，不需要懂密码学。
Stornetta特别强调"广泛分布信任"——不是依赖某个权威机构盖章，而是让验证权分散在网络节点。即便你不信任平台，也可以独立核验。
这套系统的真正价值在于改变攻击成本。伪造一段视频容易，伪造一条从设备到链上的完整证据链难得多。骗子需要同时攻破硬件安全模块、私钥管理和分布式网络，边际成本指数级上升。
落地阻力与场景优先级
理想很清晰，落地有 friction。
首先是设备覆盖率。全球绝大多数手机、摄像头没有内置TEE级别的安全芯片，老旧设备更是空白。全面替换需要硬件周期，可能是5到10年。
其次是标准碎片化。不同链、不同厂商的签名格式互不兼容，用户可能需要在多个验证系统之间切换。行业联盟和协议统一是前置条件。
第三是隐私边界。全程上链意味着创作行为本身被记录，某些场景（如匿名举报、敏感调查）需要额外的零知识证明层，技术复杂度再上一档。
Stornetta的务实建议是先从高价值场景切入：金融转账验证、政务文件签署、新闻报道溯源。这些场景的痛点足够痛，付费意愿足够强，能支撑早期基础设施的投入。
他特别提到新闻业。当读者可以一键验证某张现场照片的拍摄设备、时间和原始哈希，"P图"指控就不再是口水战，而是可验证的技术问题。
DeepStrike的800万条假视频是一个警告，也是一个倒计时。当合成内容的数量级超越人工审核的物理极限，"事后打假"模式注定崩溃。Stornetta的提案本质上是把信任从"内容属性"迁移到"来源属性"——不再问"这看起来像不像真的"，只问"这确实来自声称的来源吗"。
这个转变需要硬件、协议、应用层的协同，周期不会短。但替代方案是什么？继续每年损失11亿美元，同时看着"眼见为实"四个字变成考古词汇？
如果三年后你的手机自动标记"此内容链上验证通过"，你会更信任它，还是觉得这只是另一套可以被黑掉的系统？
热门跟贴