乐于分享
好东西不私藏

当 YouTube 通知你:有人在用 AI 伪造你的脸

当 YouTube 通知你:有人在用 AI 伪造你的脸

当 YouTube 通知你:有人在用 AI 伪造你的脸

deepfake · 数字隐私 · AI 安全 · YouTube

YouTube 刚把 deepfake 检测工具开放给所有成年用户——自拍一张照片,平台就会全网帮你巡逻。但 96% 的 deepfake 是不雅照,而你的脸交给 YouTube 就安全了吗?

某一天,你刷着手机,突然收到一条 YouTube 的通知。

"我们检测到一个视频使用了您的面部形象,您希望申请移除吗?"

点开一看,视频里"你"正在说一些你从来没说过的话,做着一些你从来没做过的表情,甚至穿着你衣柜里没有的衣服。

这可不是科幻电影的桥段。

2026 年 5 月 15 日,YouTube 宣布将其"面部相似度检测"工具从名人专属,扩展到所有 18 岁以上的用户。换句话说,现在全球几十亿 YouTube 用户中的每一个成年人,都可以提交一张自拍,让 YouTube 用 AI 帮你全平台巡逻——只要有视频里出现了"像你"的脸,系统就会通知你。

这听起来像是一件好事。但事情远没有这么简单。

01

一个"民主化"的工具

YouTube 的这个工具经历了一个很有意思的扩张过程。

YouTube 面部相似度检测工具示意图 · 来源:Pixability

创作者阶段

只给内容创作者使用——你是内容的制造者,你是被伪造的直接受害者

政要阶段

扩展到政府官员、政治家和记者——他们的"脸"本身就是公共资产

名人阶段

覆盖娱乐行业和明星——明星的脸值钱,被 deepfake 的可能性最大

所有成年人 ← 现在

所有 18 岁以上的 YouTube 用户均可使用

YouTube 发言人 Jack Malon 说了一句话,我觉得很值得玩味——

"

无论你是已经上传了十年视频的老创作者,还是刚开始用 YouTube 的新用户,你都可以获得同等程度的保护。

— Jack Malon,YouTube 发言人

同等程度的保护。这五个字背后藏着一个冷冰冰的现实——

deepfake 的受害者,早就不是名人了。

02

谁在被 deepfake

说几个数据,你就明白为什么 YouTube 要做这个决定了。

Deepfake 内容数量增长趋势(2023-2025)· 来源:DeepMedia / Europol IOCTA

1500%

三年增长率2023→2026

96-98%

deepfake 内容中不雅照占比

5 美元

制作一条 deepfake的成本

24.5%

人类辨认 deepfake的准确率

2023 年,全球记录到的 deepfake 事件是 42 起。2024 年,150 起。2025 年第三季度,单季就超过了 2000 起。

而在这庞大的数字里,有一组更触目惊心的比例——96% 到 98% 的 deepfake 内容,是不雅图片和视频。其中,99% 到 100% 的受害者是女性。

名人被伪造,上新闻。素人被伪造,往往沉默。

🌍 全球 snapshot

🇰🇷 韩国 2024 年仅七个月就有近 300 起 deepfake 性犯罪案件,Telegram"脱衣"AI 机器人月活 400 万

🇬🇧 15% 的受访者曾在网上看到过认识的人的 deepfake 色情内容

🇺🇳 2025 年全球 deepfake 造成的经济损失超过 10 亿美元

这才是 YouTube 把检测工具向所有人开放的真正原因——deepfake 的枪口已经对准了普通人。

03

工具怎么用,以及它的边界

流程很简单。你在 YouTube 设置里找到"面部相似度检测"功能,上传一张自拍风格的正面照片。YouTube 会用这张照片在全平台已有的视频中扫描匹配,一旦发现高度相似的面部,就会给你发通知。

收到通知后,你可以选择申请移除。YouTube 的审核团队会根据隐私政策来评估你的请求。

听起来很完善对吧?但有几个关键的限制你需要知道。

1

只检测脸

声音不管,体型不管。AI 克隆你的声音去做诈骗,这个工具帮不了你。

2

不是自动删除

系统只"通知"你,还要手动申请、等审核。视频可能已经传了几百遍了。

3

讽刺可以豁免

讽刺和模仿类内容可能不会被移除。谁来认定?标准是什么?

4

你要把脸交给 YouTube

面部数据由 Google 存储。你可以退出并要求删除,但你要信任它的安全体系。

而就在几天前,另一条新闻还在发酵——OpenAI 准备对苹果采取法律行动,理由是 ChatGPT 集成没有达到预期。今天你信任的平台,明天它会不会变成另一个麻烦的来源?谁也说不准。

04

猫和老鼠的军备竞赛

坦率讲,YouTube 这个工具的象征意义,大于它的实际效果。

人类 vs AI 检测 deepfake 准确率对比 · 来源:iProov / Pindrop

制作一条 deepfake

$5

不到 10 分钟

VS

检测一条 deepfake

复杂模型 + 人工审核

数小时到数天

攻击的成本远远低于防守的成本。

更要命的是,人类辨认 deepfake 的准确率只有 24.5%。这不是"能准确识别 24.5% 的 deepfake"——而是和随机猜差不多的水平。绝大多数人在绝大多数时候,根本分不清自己看到的是真人还是 AI 生成的假货

YouTube 本身就是一个靠算法推荐驱动的平台。它的推荐系统可以一夜之间让一个视频获得百万播放。

而同样的平台现在告诉你,它也在帮你监控有害内容。

你既要感谢它保护你,又要警惕它可能传播伤害你的内容。这种矛盾,不止 YouTube 一家。

2025 年第二季度,单季度就发生了 487 起政治相关的 deepfake 事件,占所有案例的 23.7%。我们正处在一个前所未有的尴尬境地——保护我们的工具和伤害我们的工具,来自同一家公司,运行在同一个平台上。

05

下一步会怎样

YouTube 这个决定释放了一个信号——deepfake 防御正在从"精英特权"变成"公共基础设施"。这是好事。但还远远不够。

真正有效的 deepfake 防御需要什么?我觉得至少有三个层面。

A

平台层面

自动检测技术需要大幅提升。不能只靠人脸匹配,声音克隆、行为模式、元数据分析都得跟上。而且审核速度必须快过传播速度——一条 deepfake 视频如果已经传播了 24 小时才被标记,那伤害就已经造成了。

B

法律层面

各国的立法进度参差不齐。中国、欧盟、英国已经有了相关法律,但执行力度和覆盖范围都还不够。美国至今没有联邦层面的统一立法,各州规定五花八门。

C

教育层面

公众对 deepfake 的认知和辨识能力需要系统性提升。当 68% 的 deepfake 已经"几乎无法区分"的时候,仅靠肉眼判断已经不够了。我们需要一套新的"数字素养"——不轻信、多验证、保护自己的面部和声音数据。

说到底,YouTube 开放检测工具是一个开始,但它不应该成为我们对 deepfake 问题的全部回应。

每次这种新闻出来,评论区总有人会说

"技术发展就是这样,我们只能适应"

我不同意。

技术本身不会决定社会走向。决定走向的是我们选择用技术做什么、以及选择限制技术做什么。

deepfake 的问题不是技术问题。它是一个关于信任、关于同意、关于人的尊严的问题。而这些问题,值得比一张自拍的检测工具更大的重视。

数据来源:TheGlobalStatistics / YouTube Blog / UNICEF / iProov / Pindrop