AI 生成的新闻媒体：以来源优先的核查流程

先追来源，再谈检测

一段新闻视频到你手里时，往往已经被剥掉了原始语境。它被截屏、被转发、被加上字幕、经过好几个应用的压缩，才出现在你的信息流里。把这段传播路径还原出来，比追问画面是否由模型生成更靠前。

来源优先的核查，是把文件从哪里来、经过哪些渠道、中途被改动了什么，当作独立的证据来对待，排在任何自动分数之前。一段真实拍摄的视频，如果被套上错误的日期或地点，同样是虚假信息；只看像素真假，拦不住这类问题。

NIST OpenMFC 说明了什么

美国国家标准与技术研究院（NIST）运行着一个面向公众研究者的公开评估系列 OpenMFC（Open Media Forensics Challenge），用来测量图像和视频篡改检测与定位技术的能力。它的公开目标包括推动媒体取证技术的前沿发展，并以基准数据集、评估基础设施和交流论坛支持相关研究。

有两个细节值得带进日常核查。其一，OpenMFC 要求系统不仅判断媒体是否被篡改，还要在可能时指出篡改的区域和类型，这说明非真即假的二分法本身是个粗糙的问题。其二，相关的 MFC 任务包含构建描述图像篡改历史的系谱图（phylogeny graph），以及验证媒体传感器来源。来源与编辑历史被当作取证问题的一部分，而不是附属信息。

OpenMFC 建立在 DARPA 媒体取证（MediFor）项目下 MFC 评估所积累的经验之上，NIST 于 2020 年启动了 OpenMFC 排行榜评估平台。这个项目以能力测量、基准数据集、评估基础设施和反复评估为主要组成。有一点直接关系到新闻核查：NIST 表述该项目聚焦于图像和视频，并未把音频列为评估对象，因此声音轨道需要另做核查。

来源优先的核查步骤

第一步：找到最早出现的时间。 对代表性画面或视频本身做反向搜索，看看是否有更早、用着不同日期或字幕的版本。核对旧视频是否被套上了新事件的日期或字幕；这一步应与合成检测分开进行。

第二步：核对发布账号。 查账号注册时间、历史内容、是否有可追溯的身份。没有任何历史的匿名账号，是放慢判断的理由。

第三步：保存原件和元数据。 保存原始文件，而不是二次截屏的副本。记录可见的元数据，再与最早可追溯的来源交叉核对，不把它单独当作证明。

第四步：独立重建语境。 视频声称的地点、日期、招牌、语言，是否与该事件的其他记录一致？自行核验素材的媒体给出的确认，比转发数量更有分量。

第五步：到这一步再上检测工具。 把媒体上传到 DeepFakeCheck 这类概率性工具，把得到的分数放在你已经做完的来源核查旁边，作为其中一个输入。初次使用无需注册，并提供有限的免费额度。

如何读检测分数：它是概率，不是判决

自动检测器给出的是概率，不是裁定。它会产生误报（把真实内容标记为被篡改）和漏报（漏掉真实存在的篡改）。分数高，是继续调查的提示；分数低，也不等于给文件盖上真实的印章。

要让分数保持诚实，守住两条。让工具匹配媒介：NIST 的项目评测的是图像和视频，而一条新闻里还可能包含音频和文字，这两类内容需要另行核查。再权衡每种错误对你这次决定的代价：把被篡改的片段当真发出去，和把真实片段错骂成假的，是后果不同的两种失败。

证据不足时该怎么做

有时候来源查不到，语境没法确认，分数又卡在模棱两可的中间。这个结果本身就是信息：它意味着你还没有足够依据去扩散这条内容。暂缓转发、标注为未经核实、或把高风险的个案交给专业审核者，都是合理的落点。举证责任在主张这段媒体为真的一方，而不在你的怀疑上。

来源

• NIST 开放媒体取证挑战（OpenMFC）：https://www.nist.gov/itl/iad/mltg/open-media-forensics-challenge