待验证50% 置信事实精确时间
深度伪造检测器通常依赖像素级微小异常、高频噪声模式或压缩伪影中的生成器特征，而平台处理会系统性地破坏或覆盖这些信号
1
来源数
50%
置信度
长期有效
时效性
2026/8/26
首次发现
来源
涉及实体
相关事实
待验证顶级深度伪造检测模型碰到经过压缩的视频时识别率会大幅下降70% 相似待验证AI深度伪造检测技术通过识别面部边缘频域异常、眨眼频率不自然、肤色与颈部不一致、背景与前景光照矛盾等伪造痕迹来检测换脸视频66% 相似待验证对一张被神经网络正确分类的图像叠加人眼几乎不可见的微小扰动后，模型输出会以极高置信度发生错误65% 相似待验证程序化合成数据可按需生成任意强度眩光、低照度及重度遮挡等难以真实采集的边缘场景，并提供精确标注63% 相似待验证图像对抗攻击中，人类视觉系统是低频感知主导对高频微小扰动不敏感，而CNN（卷积神经网络）对高频纹理特征高度敏感，这一感知鸿沟造成了人眼正常、AI认错的现象61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/802739API
curl https://kongchang.com/api/v1/knowledge/claims/802739MCP
get_claim(id=802739)