is-this-photo-real

这张照片是真的吗

核查顺序就是这项技能的全部：先查来源，最后才看像素。 找到最早出现的副本并阅读其说明文字，比所有取证滤镜加起来更能解决问题，而且能提供可展示的证据。像素取证只能生成一张色彩斑斓的热力图和一场争论。

初学者常犯的错误，是对下载的 JPEG 运行错误级别分析，然后宣布图像是假的。第二个错误是只盯着深度伪造：绝大多数欺骗性媒体都是真实影像配上虚假说明文字——像素没错，战争、年份和国家却错了。

分诊：你实际要回答什么问题

正在核验的说法	首先做什么	不要做什么
“这展示的是地点 Y 发生的事件 X”	find-the-original-image，然后 geolocate-from-pixels	使用任何取证滤镜。重新赋予语境完全不会留下像素痕迹。
“这是一张未经修改的照片”	对能获取到的、处理最少的副本进行信号级分析	分析截图或平台下载版本；二者都会破坏信号。
“这个人在视频中说了这句话”	先查来源，再检查视听一致性，最后逐帧检查人脸边界的变化	依赖 AI 检测器的评分。
“这张图片是 AI 生成的”	检查是否缺少相机物理特征、物体结构是否不连贯	单独依赖检测器的判定。
“这张截图是真的”	检查布局、字体和界面版本是否一致；如果存在，则查阅底层记录	使用图像取证。伪造截图是在浏览器中制作的，不是在图像编辑器里。

然后始终要问：如果这个说法属实，图像会是什么样子？把答案写下来，再专门检查这些特征。核查是在检验假设；寻找异常则行不通，因为异常无处不在。

方法

1. 获取最佳副本。 每次重新编码、调整尺寸和截图都会破坏取证信号。追查最初上传的版本或通讯社版本，而不是平台转存版本。对文件计算哈希，并在副本上操作。如果你只有截图，就如实说明，并降低所有后续结论的确定性。
2. 查来源。 运行 find-the-original-image；对于视频，提取关键帧并搜索。你需要找到更早出现的版本、不同的说明文字、摄影师署名，以及通过 read-deleted-pages 交叉核实的网页日期。如果更早的副本配有不同的说明文字，核查就可以结束了。
3. 查元数据。 运行 secrets-in-file-metadata：检查编辑链、缩略图与图像的对比、时间戳是否矛盾，以及 MakerNotes 是否符合所称设备。
4. 查来源签名。 检查是否有 C2PA Content Credentials。
5. 检查内部一致性。 通过 geolocate-from-pixels，核对标牌语言、车牌、货币、制服、车型、季节、天气和阴影是否与所称日期及地点相符。普通的调查工作比取证更有效。
6. 检查物理一致性。 检查光照、阴影、反射和透视。
7. 进行信号级取证。 检查噪声残留、JPEG 量化与二次压缩、克隆检测以及彩色滤光阵列痕迹。很容易过度解读，而且对经过平台处理的文件毫无价值。
8. 写明你核实了什么，而不是给出判决。

工具及其失效情形：reference/tool-catalogue.md。
按成本排序：reference/verification-checklist.md。

光影与几何——经得起检验的指标

无需工具，也不依赖你向编辑或法庭解释得通的推理，且不受重新压缩影响。 应把时间花在这里。阴影汇聚是最有力的指标。阳光是平行的，因此在透视图像中，从每个阴影的末端穿过投下该阴影的物体底部画线，这些线必须汇聚于同一点——光源的投影点。画三四条。如果某个物体对应的线无法与其他线汇聚，它很可能不属于原始场景；斜坡地面会造成干扰，因此只使用同一平面。接下来：户外场景中，阴影方向和半影的硬度应保持一致；眼睛、玻璃和抛光金属上的镜面高光，应指向一致的光源位置；反射中必须呈现前方的物体，位置正确且左右相反；同一地面平面上的人，其平行线应汇聚于共同的消失点，且眼平线一致；真实镜头会留下光学特征——一致的景深、高对比边缘处的色差、渐晕，以及随亮度变化的噪声底。图像其他部分有这些特征，但某个元素完全没有，说明它是后来添加的。

误差级别分析，以及它为何大多被误用

ELA 会以已知的 JPEG 质量重新保存图像，并显示差异，其理论依据是：压缩次数不同的区域会产生不同的响应。它会自信地得出荒谬结论，有四个原因：它会受内容影响，所以边缘和纹理会变亮，而平坦的天空和皮肤会变暗，这意味着每张图像都有“可疑的亮区”；重新保存一次就会破坏分析结果，因此对社交媒体下载图像进行 ELA，反映的只是平台的编码器，与更早的处理无关；它无法定位现代编辑，因为内容感知填充、生成式编辑和完整重新保存都不会留下可供查找的差异历史；而且它会在两个方向上失效，未处理图像中出现亮区、处理过的图像却呈现干净结果，都很常见。

它适用的情况：对直接来自相机的单代 JPEG，来自不同压缩源的粘贴区域确实可能显现出来。适用范围很窄。只把它作为一项较弱的参考，仅用于处理最少的文件，绝不要以此作为发布声明的依据。更可靠的相关方法——将量化表与相机特征进行比较，以及检测二次压缩——也会受到平台处理的影响而失效。

C2PA 和 Content Credentials

C2PA 会将经过加密签名的清单绑定到文件，记录拍摄和编辑历史。若有此类清单，它就是最有力的来源证据，因为它可以验证，而非依靠推断。有效清单意味着签署者声明了这段历史、签名后文件未被更改，并且你知道该追究谁的责任——但不代表内容属实。经过签名的摆拍场景照片，仍然只是经过签名的照片。

缺失几乎说明不了什么：大多数相机不会签名，大多数编辑流程不会保留清单，平台也会在重新编码时将其剥除。凭证缺失是默认状态，不是危险信号。用于标记合成媒体的 IPTC 数字来源类型字段，以及特定模型的隐形水印也一样——能检测到时，阳性结果很有力；阴性结果只能说明没有找到某家供应商的标记。

AI 生成内容——持久的迹象与会过时的迹象

任何依赖模型当前弱点的判断方式，最终都会失效。优先寻找基于物理规律和结构的迹象。

持久的迹象，因为它们需要生成器不具备的世界模型： 不可能的光照（阴影方向不一致、物体下方没有阴影、主体被来自不存在光源的光照亮）；背景物体的结构不连贯（自行车车架没有连起来、栏杆的立柱间距变化、楼梯踏板无法对齐、带子消失后又重新出现、带图案的织物上的图案没有随褶皱变化）；文字退化，尤其是较小、重复或位于边缘的文字；接触和遮挡错误，例如握着杯子的手没有环绕杯子，或脚没有接触地面；缺少相机物理特性——没有传感器噪点、没有色差、焦点均匀，高频细节过少，而这正是“皮肤过于平滑”的实际表现；以及完全没有可信的来源记录。

容易过时——可以检查，但不要仅凭此判断： 手指和牙齿的数量、耳朵不对称、前景文字乱码、珠宝变形、可疑的对称脸部。

检测工具。 给出自信的分数，却没有可审计的推理过程。它们会把压缩、缩放、放大、重度编辑和弱光下拍摄的真实照片误判为 AI 生成内容；会漏掉训练数据之后出现的生成器；而且很容易受到对抗性干扰——轻微重新压缩就会改变分数。使用不止一种工具，把检测结果视为弱信号，绝不要发布仅凭一种工具得出的结论。如果你的证据只是某个网站上的百分比，那你就没有证据。

视频

• 容器和编码器。 ffprobe -show_format -show_streams 和 MediaInfo 可以提供编码器字符串、帧率、旋转矩阵和轨道结构；如果这些值符合平台重新编码的典型特征，就说明你拿到的不是原始文件。ffprobe -show_frames 可以显示帧类型——重复帧意味着进行了帧率转换或插入了慢动作；静态镜头中段出现无法解释的关键帧可能表示有拼接；隔行扫描或电影电视转换伪影则暴露了无人提及的处理流程。
• 生成损失。 块状失真、色带和蚊噪会随着每次重新编码不断累积。严重退化的素材要么年代久远，要么被广泛转载，或者两者皆是——对它进行的所有信号级测试都无效。
• 音频。 口型同步漂移、室内声学效果与可见空间不匹配、镜头转入室内时环境音没有变化、剪辑点处噪声底突然变化。这是大多数伪造视频中最薄弱的一环，也是最少被检查的一环。
• 换脸行为。 发际线和下颌处出现闪烁或模糊；脸部光照没有随头部运动变化；说话时牙齿和舌头逐渐失真；脸部的分辨率与画面其他部分不同；侧脸转动和手部遮挡时效果崩坏。
• 反向搜索关键帧。 视频核验最常见的结果，是找到同一视频的更早版本，发布在别处。关键帧提取命令见 find-the-original-image。

问题出在哪里

• 每种筛选方法都有基准率问题。 对一张真实照片运行六种取证工具，总会有某些地方显得异常。异常是实拍图像的常态。
• 这是平台造成的。 调整大小、重新编码、色度子采样和剥除元数据都会产生伪影，人们可能会将其归因于篡改。在解读任何伪影前，先查明处理历史。
• 你拿到的往往是最糟糕的版本——一张转发截图中的裁剪图。大多数信号层面的分析对它都无效，诚实的报告应当如实说明。
• “未被篡改”不是结论。 未检测到篡改，只能说明你做的测试结果如何，并不能说明图像本身如何。
• 真实照片也可能完全误导人。 选择性取景、摆拍场景，以及配有虚假说明的真实图像，都能通过每一项取证测试。
• 辟谣会扩大传播。 详细反驳会传播原始说法——这是值得审慎作出的编辑判断。有时，素材也会被刻意散布，等着被发现和辟谣，或为了观察谁会调查；参见 investigate-without-getting-made。
• 根据相似外貌进行身份认定是这里后果最严重的错误——“这是 Z 某，因为他们长得像”并不是结论。

置信度评级

分别评估每项说法——一张图像可能同时具有已确认的来源、与事实相矛盾的说明，以及未经确认的真实性。

• 已确认是原图且描述准确——找到来自可信发布者的最早版本，日期经独立佐证，地点经视觉核实，内部细节一致，元数据或几何特征均无矛盾。
• 已确认被重新置于不同语境——有证据表明同一图像此前曾配有不同且来源更可靠的说明发布。这是这里最常见的肯定性结论。
• 很可能经过篡改——存在具体、可描述的物理或几何不一致之处，可以指出来；最好还能找到被插入元素的来源。热力图不算。
• 很可能是合成图像——存在多处持久的生成式特征，没有来源历史，没有符合相机成像规律的压缩或元数据，也没有更早的版本。请指出这些特征。
• 未确认——没有找到更早的版本，也没有发现问题。大多数案例都止步于此。
• 无法评估——现有版本处理过度，无法进行回答问题所需的测试。说明哪些测试无效，以及原因。

操作示例

一段显示爆炸的视频正在传播，配文称这是当天早上对某座具名城市发动的袭击。

yt-dlp 拉取了最高质量版本，而不是屏幕录制。ffprobe 显示，帧率和编码器字符串都符合平台转码的典型特征，因此无法进行信号级测试——记下来，但不必遗憾。

在场景切换处提取关键帧。第 4 帧没有结果。第 9 帧是唯一出现天际线的一帧，它匹配到一条来自 18 个月前、发生在另一个国家的新闻报道。10 分钟内得出初步结论。但早先页面上的视频更短，那么哪一个才是源头？可疑版本在第 4 秒处有一个硬切，音频的噪声底也突然跳变；切换后的环境音与画面中可见的空间不符。添加的是音频，而非视频。

值得记录的死胡同：AI 检测器判定这些帧很可能是合成的。它们其实是真实广播视频经过重新编码和裁剪后的画面——恰好是最容易骗过这些工具的输入。已排除。

调查结果：确认重新置入语境，read-deleted-pages 也证实了早先页面的日期；音频可能经过篡改；鉴于现有副本的情况，无法在信号级别评估底层视频的真实性。

报告标准。 说明你核实了什么、无法核实什么，以及每项结论依据是什么——绝不要只给出一句“假的”或“真的”。站得住脚的表述应是：该图像至少在所称事件发生前三年就已发布于某新闻网站，并注明了一位具名摄影师；地点与该署名相符，而与所声称的地点不符；未检测到篡改，但唯一可用的副本经过了平台转码，因此信号级测试没有参考意义。“我们的分析表明这是假的”则不行。列出你运行的测试及其阴性结果、文件的处理历史和你的假设，然后将材料包交给 write-the-intel-brief。

后续调查方向

已获得的信息	交给
更早的副本、署名、原始配文	find-the-original-image
编辑链、设备、时间戳	secrets-in-file-metadata
地点和日期核实	geolocate-from-pixels、where-was-this-taken
已删除或更改的源页面	read-deleted-pages
发布或投放内容的域名	who-owns-this-domain、recon-a-domain-passively
放大传播该媒体的账号	hunt-a-handle、pattern-of-life-from-socials
传播背后的协同网络	graph-the-network、find-leaks-in-the-wild
媒体中出现或被署名的具名人士	find-anyone

法律与伦理说明

在大多数司法管辖区，公开指控具名人士伪造内容都可能带来诽谤风险，“我们的工具这么说”并不能作为抗辩理由。将材料上传到在线取证服务，意味着向这些服务披露材料；有些服务还会将其发布到公开图库。提交任何敏感内容前，请先确认工具是否会公开提交内容。如果媒体涉及犯罪、受害者或私密内容：尽量减少副本，不要转发；如果涉及儿童性虐待材料，应立即停止并向相关主管机关报告，而不是继续分析。参见 ../../ETHICS.md。