在这场造假与鉴伪的「猫鼠游戏」中，AI 换脸这类造假技术的成本，相比 AI 鉴伪技术的研发成本要低得多。

撰文：举大名耳

最近，关于 AI 换脸诈骗的新闻火了。4 月 20 日，福州市某科技公司法人代表郭先生，突然接到好友的微信视频，好友告诉郭先生，自己的朋友在外地投标，需要 430 万元保证金。

由于在视频中看到了好友的样貌，听到了声音，于是郭先生就放心地将钱转了过去。

可后来他却发现，自己竟然遇上了「高端」骗局，对方通过智能 AI 换脸技术，佯装成好友对他实施了诈骗……

这类消息，着实引起人们心中一阵恐慌。

因为身为凡胎肉体的你我，仅凭肉眼是很难看出这些伪造视频的破绽的。

那岂不是意味着，遇到这样的「AI 骗术」，普通人受骗的几率近乎 100% 了？

且慢，话说魔高一尺，道高一丈，既然 AI 换脸都发展到这地步了，那与之针锋相对的「AI 鉴伪」技术，又发展得怎样了？

造假 VS 鉴伪

谈到这个问题，身为「防守方」的 AI 鉴伪技术团队，似乎有一种难以言说的艰辛。

因为在这场造假与鉴伪的「猫鼠游戏」中，AI 换脸这类造假技术的成本，相比 AI 鉴伪技术的研发成本要低得多。

这就导致了许多研发 AI 鉴伪技术的企业、机构，从决定和造假者们死磕的那天起，就注定了要打一场十分艰难的战争。

就目前来看，AI 换脸技术的成本主要包括以下几个方面：

数据采集和处理的成本：AI 换脸技术需要大量的人脸图像或视频作为训练数据，但这些数据大部分都可以从互联网上免费获取，也可以通过付费购买或定制。

甚至有时候，定制一个 AI 换脸视频几乎是「九块九包邮」。

算法开发和优化的成本：AI 换脸技术主要基于深度学习和计算机视觉的算法，虽然这个过程需要一定的专业知识和技能，但是并不是特别高。

一方面，有很多开源平台，如 Faceswap、DeepFaceLab 等，本身就提供了现成的算法代码，用户只需要下载使用即可，无需自行开发或改进。另一方面，即使用户需要自行开发或改进算法，也可以借鉴已有的算法框架和思路，无需从零开始。

硬件设备和运行环境的成本：一般来说，一台配置稍好的个人电脑就可以满足需求，不需要特别昂贵的专业设备。举例来说，一种比较流行的 AI 换脸软件 DeepFaceLab，仅需要一张 NVIDIA RTX 系列或 GTX 系列的独立显卡，且显存为 6GB 就可运行。

这样的一台个人电脑，其成本大约在数千元左右。

与 AI 鉴伪技术所需的各种成本相比，这些伪造技术的成本简直低得如同儿戏。

具体来说，AI 鉴伪的成本大致包括了以下部分：

数据标注和筛选的成本：AI 鉴伪技术需要大量的图像或视频作为训练数据，这些数据需要经过人工标注和筛选。

然而，这一过程的难度可能超出了很多人的想象。

举个例子，如果要对一小时的视频进行人脸识别的标注，需要先将视频分割成帧，然后对每一帧中的人脸进行定位、标识、分类等操作，还要考虑人脸的遮挡、模糊、光照等影响因素，以及人脸的姿态、表情、年龄等属性信息。这样一来，一小时的视频可能需要几十个小时甚至几百个小时才能完成标注。

其次，数据标注不仅仅是简单地给图像或视频打上标签，不同的任务和场景需要不同的标注规则和方法，标注人员需要掌握相关的领域知识和技术能力，才能保证数据的质量和有效性。

算法设计和测试的成本：AI 鉴伪技术主要基于深度学习和计算机视觉的算法，这些算法需要根据不同类型和质量的伪造内容进行设计和测试，以提高检测的覆盖率和鲁棒性。

算法设计和测试是一个复杂且持续更新的过程，需要专业的团队和资源。算法设计和测试的成本取决于算法的复杂度、性能、效率等因素，但一般来说，每个算法项目的研发成本至少在几十万到几百万美元之间。

硬件设备和系统的成本：但凡了解过大模型训练成本的朋友，都知道这一过程对硬件的高昂要求，即使今天的机器视觉技术经过了层层优化，但一个完整的机器视觉系统的价格至少在几万到十几万元之间，包括硬件成本、软件成本、计算成本以及存储成本。

综上所述，由于 AI 造假技术天然所具备的成本优势，使得目前这场造假 VS 鉴伪的战争，呈现出了一种「正规军围剿游击队」的态势。

在这样的较量中，受害最多的「灾区」，往往是高成本 AI 鉴伪技术难以覆盖的地方。

鉴伪技术的软肋

回顾这些年见诸于各大媒体的 AI 诈骗事件，我们不难发现，这类事件中最常见的受害者，往往是作为个体的普通民众，而非企业、政府或金融机构。

例如，5 月 22 日，安徽安庆的何先生接到熟人视频电话，让他帮忙转一笔账。「因为打了视频电话，又是熟人，我就没多想，就转账了」。事发时，何先生放松了警惕，向对方转了 245 万元。

同样地，2023 年 3 月，陕西的一名女子被骗子利用 AI 换脸技术冒充其女儿，通过视频通话诈骗了不少钱。骗子先是通过微信添加了女子为好友，并自称是其女儿的同学。

之后，骗子再通过 AI 换脸技术，将自己的面部替换成女子女儿的面部，并以女儿出车祸为由，又骗走了一笔钱。

其实，出现这类现象的原因不难理解，由于目前 AI 鉴伪技术的研发成本较为高昂，因此大部分拥有此类技术的公司，都只将这些技术向企业、政府或金融类客户开放，而无法覆盖到普通个人用户。

以百度为例，虽然其在自身的 AI 开放平台上，推出了人脸深度鉴伪接口，用于准确鉴别 Al 换脸技术生成的人脸图像，但是这一接口却存在着一定的使用门槛。

使用者需要在百度 AI 开放平台注册账号，并申请使用该接口。其次，该接口是收费的，根据调用次数和服务质量的不同，有不同的收费标准。

而同样地，百度旗下的产品度小满，虽然也推出了自身的防深伪技术，但这一技术主要覆盖的群体，是金融领域的客户，其涉及的场景主要是借贷、投资、理财等业务。

虽然各大企业，基于微表情分析、图卷积（GCN）技术以及基于重建的自监督预训练方法，对目前的 AI 鉴伪技术进行了大幅升级，但在大模型愈发普及的当下，AI 诈骗的技术，也开始呈现出一种更加低廉化、普遍化的趋势。

除非这些严密而高效的鉴伪技术，能够普及到每个个人用户的微信上，并且调用起来跟小程序一样毫无门槛和难度，否则，那类通过「微信好友」的方式进行诈骗的 AI 技术，就永远有机可乘。

事情发展到这一步，AI 技术与伦理、法律之间的纠葛，似乎到了某个比较关键的转折点。

倘若这些低成本，针对个人的 AI 诈骗事件屡禁不止，甚至借着这波大模型的「东风」，进一步席卷全国，那么就会有更多不法分子肆无忌惮，如法炮制，进而引起民众的进一步恐慌。

而在 AI 鉴伪技术得不到下沉的情况下，监管部门为了防范此类事件的频发，只能进一步收紧对 AI 技术使用的审核机制，而严格的审核机制，则会间接降低 AI 生态的活跃度和市场的繁荣度。

很多原本能制造奇迹的创意或项目，也许还没开始，就被卡死在了繁杂的审核阶段。

但除了这类悲观的前景外，现实还存在着另一种可能，那就是更多企业和机构，在这类 AI 诈骗的压力下，开始寻求突破和创新，形成一种创新驱动的机制。

魔高一丈，道高一尺

尽管 AI 鉴伪技术，面临着成本高企，难以下沉的局面，但破局之道其实并非不存在，因为一种技术的升级，所带来的影响可能不是垂直和单一的，而往往有可能是多维和广阔的。

例如 AI 鉴伪所涉及的计算机视觉、图像识别等底层技术，就有着十分广阔的应用范围，和巨大的发展空间。

例如，在智能驾驶方面，目前的计算机视觉、图像识别等技术还不能完全替代人类的驾驶，还需要结合其他传感器、雷达、地图等信息，提高感知的准确性和鲁棒性，同时还需要解决道路复杂多变的情况，提高决策的智能性和安全性。

在智慧农业领域，通过提高图像识别的覆盖率和及时性，可以实现对农作物、土壤、病虫害等的更全面和更实时的监测和诊断，从而提高农业生产的质量和效率。

类似受益的领域，还有交通、医疗、文娱等等。

从更长远的角度来看，这一下沉过程造成的技术外溢，将会使得更多的经济主体能够获取和使用先进技术，从而促进创新活动的多元化和活跃化。

同时，技术门槛的降低，也必然会导致生产成本和价格的下降，使得企业能够进一步扩大市场规模，促进了经济增长。

从这样的角度来看，目前的 AI 诈骗事件，只是大模型在走向下沉过程中，所必然要遭受的一种劫难或磨砺。

唯有经过了这样的考验，AI 所带来的各种技术，才能真正地在法律、伦理上，被社会大众广泛地接纳。