09 8 月
你有想過，某天早上醒來，發現自己成了色情影片的主角，但那個身體明明不曾裸露過，那張臉卻完美無瑕地複製了你的五官，甚至表情、眼神都像得毛骨悚然——而你不曾拍攝過這段影片。這不是科幻小說的情節，這是AI生成影片時代的日常恐懼。當Sora、Runway Gen-3、Kling等工具只要幾句提示詞就能憑空產出數分鐘的高畫質動態影像，當Deepfake技術從實驗室走進手機App，「眼見為憑」的古老箴言正在被徹底改寫。更令人不安的是，這些幾可亂真的影片，已經不再是宅男在論壇上炫耀的換臉作品，而成為針對公眾人物、企業、甚至一般人的名譽謀殺武器。透過AI捏造的「證據」，誹謗可以變得極其逼真、擴散速度宛如病毒，而追查源頭的難度卻像在迷霧中抓鬼。當造謠的成本降到接近於零，被抹黑者洗刷冤屈的代價卻高得嚇人，我們究竟該如何自保？科技的反制是否跟得上生成技術的狂飆？法律這張網，又能網住多少躲在螢幕背後的惡意？這篇文章將從技術演進、偵測攻防、法律現狀與社會衝擊四個維度，徹底拆解AI影片誹謗這個正在高速逼近的危機，並嘗試描繪一條可行的未來之路。
一、眼見不再為憑：AI生成影片如何扭曲真相
1. 從換臉到憑空創造：技術演進只花了不到十年
2017年底，一位名為「deepfakes」的Reddit用戶，用幾段好萊塢女星的臉部影像，透過開源程式替換到色情影片中，震驚了網路世界。當時的技術核心是「自動編碼器」（autoencoder），它訓練一個共用解碼器，讓兩個不同的編碼器分別學習A臉和B臉的特徵，再於解碼階段「欺騙」系統，把A的臉重建在B的影片上。這種換臉手法需要大量目標人物的高品質照片，成品容易出現閃爍、邊界不自然、眨眼異常等破綻。即使如此，它已經足以讓許多人感到不適。
接棒顛覆遊戲規則的是生成對抗網路（GAN）。生成器負責偽造，判別器負責抓包，兩者對抗迭代，偽造品質迅速提升。StyleGAN的出現更讓靜態人臉生成達到「不存在的人」完全無法分辨的境界。隨後，影片生成領域迎來了NeRF（神經輻射場）與擴散模型（diffusion model）的革命。特別是2024年初OpenAI發表的Sora，採用擴散轉換器架構，直接從文字描述生成長達一分鐘的連貫影片，光影、材質、動態模糊、鏡頭運動皆符合物理規律，過去深偽影片常見的「脖頸斷層」、「瞳孔形狀不規則」等瑕疵大面積消失。2024年中，快手推出的Kling、Runway Gen-3 Alpha、Luma Dream Machine等紛紛問世，生成影片不僅能模擬真實世界，還能創造超現實內容，且製作門檻從「具備機器學習知識的工程師」下降到「會打字的普通網友」。
語音複製（voice cloning）的同步進化，讓影片誹謗的殺傷力倍增。ElevenLabs或OpenAI的語音引擎，只需數十秒的參考音檔，就能合成出語氣、停頓、情感皆接近真人的聲音。當嘴型同步與語音合成結合，一段完全虛構的受訪畫面、私下對話錄影，就能在幾分鐘內被製作出來。
這一切的意義在於：過去要毀掉一個人的名譽，可能需要偽造文書、買通證人，或至少花費大量時間進行剪接。如今，任何人只要擁有一台能上網的電腦，下載開源模型或支付小額訂閱費，就能產生足以以假亂真的「證據」。根據安全公司Sensity AI在2023年的報告，網路上流傳的深偽內容數量每年以倍數成長，其中九成以上是未經同意的色情影像，受害者絕大多數為女性，但其應用於政治抹黑、商業詆毀與詐騙的比例正快速上升。
2. 誹謗的「工業化」：動機、類型與真實案例
當工具變得極度親民，誹謗影片便開始從零星惡作劇，朝向規模化、目標化的攻擊工具演進。常見型態包括：
- 色情報復與性羞辱：最普遍的類型。加害者收集受害者社群媒體上的照片或影片，合成露骨色情內容並散播至成人網站、通訊群組，藉此羞辱、脅迫或報復。台灣網紅「小玉」案即為經典，他利用Deepfake技術將上百位女性公眾人物、實況主、政治人物的臉移植到色情片，販售牟利，遭判刑五年多。
- 政治抹黑與選舉操弄：2022年俄烏戰爭初期，一段烏克蘭總統澤倫斯基要求士兵投降的深偽影片在網路流竄，雖然畫質粗糙、頭部比例怪異，仍被部分媒體轉載，一度引發混亂。2024年印度大選期間，多位候選人的深偽影片被用來發表未曾說過的爭議言論，甚至有已故政治人物被「復活」背書。在台灣，2024年總統大選前夕，社群平台出現偽造候選人談話的深偽音檔，雖未演變成大規模影片散播，但已引發國安單位高度警戒。
- 商業詆毀與股市操縱：偽造企業執行長宣布破產、產品出包或發表歧視言論的影片，在短時間內便可重創股價。2023年，一段偽造的金融高層內部會議影片曾導致小型加密貨幣交易所的幣值暴跌，雖然事後證實造假，但投資人損失已難挽回。
- 司法證據栽贓：更危險的趨勢在於，深偽影片可能被提交為法律證據。家事案件中的一方可能偽造配偶虐待、外遇的影片，藉以爭取監護權或離婚賠償；商業糾紛中也可能出現虛構的簽約錄影。儘管目前各國法院對數位證據的鑑定能力正逐步增強，但在資源不足或缺乏專業鑑識單位的區域，假影片仍有機會成為扭曲司法公正的凶器。
下表整理了幾種常見AI影片偽造技術的特性、逼真度與防範難度，有助於讀者快速理解不同等級的威脅：
| 技術類型 | 代表工具／模型 | 原理簡述 | 逼真程度 | 主要破綻 | 製作門檻 | 防範難度 |
|---|---|---|---|---|---|---|
| 人臉替換（換臉） | DeepFaceLab, FaceSwap, Reface | 自動編碼器或GAN將目標臉孔映射至來源影片 | 中高，細節仍有瑕疵 | 臉部邊界閃爍、光影不一致、眨眼不自然 | 中，需收集目標照片 | 中等，可透過頻率分析偵測 |
| 頭部重演（puppetry） | Wav2Lip, SadTalker | 根據音訊驅動嘴型與面部動作，保留原本頭部姿態 | 中，嘴部細節有時異常 | 牙齒模糊、嘴部動作過度平滑、聲音與嘴型微量不同步 | 低，只需一段音檔與一張照片 | 中高，偵測聲音影像同步性有幫助 |
| 全生成（text-to-video） | Sora, Runway Gen-3, Kling, Pika | 擴散模型從文字描述直接生成完整動態場景 | 極高，光影質感逼近實拍 | 物理邏輯偶爾出錯（如物體穿透）、文字招牌亂碼、長時間一致性仍不完美 | 極低，會打字即可 | 高，傳統偽影減少，需依賴來源追蹤 |
| 語音複製 | ElevenLabs, OpenAI TTS | 少量樣本訓練出目標聲紋，合成任意語句 | 極高，語氣情感自然 | 超長句尾音不穩、背景噪音不連續、特殊口癖可能缺失 | 低 | 高，需結合聲紋浮水印或生物特徵 |
| 全身動作生成 | Animate Anyone, MagicAnimate | 以骨架序列驅動人物動態，保留外觀一致性 | 中高，動作可能略顯漂浮 | 肢體穿越、手部細節變形、與地面互動不自然 | 中低 | 中，可透過物理合理性分析 |
從表格不難看出，當全生成技術從「換臉」進化到「無中生有」，傳統的視覺破綻正快速消失，這也意味著辨識技術必須進入全新的作戰思維。
二、貓捉老鼠的無限賽局：深偽辨識技術的現在與未來
1. 被動偵測：在像素中尋找魔鬼
早期的深偽偵測方法，本質上是一場「大家來找碴」的AI競賽。研究人員訓練大量真假影片，讓卷積神經網路（CNN）學習區分兩者。Microsoft在2020年推出的Video Authenticator，即是分析影片中每一幀的細微邊界、臉部特徵點與色調漸層，產生一個「真實度分數」。Intel的FakeCatcher則走生物訊號路線，利用光電容積脈搏波（PPG）——也就是血液流動造成的膚色微幅變化——來判斷影片中的人是否為真人。因為真實心臟跳動會在臉部產生肉眼看不見的色調波動，而目前的生成模型很難精確模擬這項生理訊號。此技術宣稱能在毫秒內給出結果，準確率達九成以上。
學術界則投入大量精力尋找更狡猾的偽影。早期GAN生成的臉孔在瞳孔形狀、虹膜顏色、睫毛紋理上經常出現不對稱；另一個知名弱點是「眨眼頻率」，真實人類平均每2到10秒眨眼一次，但許多早期深偽影片的人物幾乎不眨眼，或眨眼動作機械化。後來還有團隊透過分析「臉部變形場」（warping field）、光照物理模型、甚至背景噪聲分布的一致性來揪出偽造品。
然而，這些被動偵測法正面臨嚴峻挑戰。擴散模型生成的影片往往跳脫了GAN的統計分布特徵，傳統偵測器訓練時未見過這類樣本，準確率大幅下滑。更根本的問題在於：這是一場不對稱的戰爭。攻擊者可以輕易取得最新偵測模型，並透過「對抗式攻擊」（adversarial attack）在偽造影片中加入人類無法察覺的微量擾動，讓AI偵測器完全失靈。後處理步驟如輕微壓縮、旋轉、調整亮度，也常能抹去關鍵偽影。這意味著，光是靠被動分析像素，永遠只能追趕，不可能徹底封鎖。
2. 主動溯源：讓真相從出生就有身分證
如果說被動偵測是等犯罪發生後再去驗屍，那麼「主動溯源」就是從源頭讓每一段真實影片都帶著無法偽造的出生證明。這條路線被視為長期對抗深偽的根本解方，其中最具代表性的標準是C2PA（Coalition for Content Provenance and Authenticity）。這個由Adobe、Microsoft、Intel、Sony等科技巨頭共同發起的聯盟，制定了一套內容來源與真實性規格，讓拍攝裝置（如相機、手機）在捕捉影像的瞬間，即透過硬體安全模組簽署數位簽章，將時間、地點、裝置資訊、編輯歷程等中繼資料加密綁定在檔案中。任何後續的修改都會被記錄成一條不可否認的「編輯鏈」。若一段影片完全無法提供這類可驗證的來源中繼資料，或中繼資料顯示其經過生成式AI大幅度合成，平台與觀眾就能立刻提高警覺。
Google DeepMind的SynthID則採取另一種路徑：在AI生成影像的過程中，直接將看不見的數位浮水印嵌入像素或生成過程的潛在空間裡，且此浮水印對裁切、壓縮、翻拍有一定抵抗力。即便影片被截圖或錄製，仍有可能被偵測出曾由AI生成。OpenAI也表示將在Sora生成的影片中加入C2PA中繼資料，並開發自己的浮水印與偵測工具。
然而，這些主動機制要全面生效，必須滿足三大條件：足夠多的硬體製造商與軟體開發者願意內建支援、主流內容平台強制要求上傳檔案附帶來源中繼資料並優先推廣真實內容、以及全球法規強制AI生成內容明確標示。目前這三項都還在推廣階段，距離普及仍有一段路。
3. 未來的偵測生態系：多模態、跨平台、社會驗證
展望未來五年，單一的「真偽判別器」將逐漸被多層次的「真實性生態系」取代。這個生態系包含幾項關鍵元素：
- 多模態偵測：不再只分析視覺畫面，而是同步比對聲音特徵、語者聲紋、環境音場、甚至文字內容的情感一致性。一段偽造的政治人物演講，可能在聲音與嘴型的微秒延遲、呼吸節奏、背景噪音的時空連續性上露出馬腳。
- 生物特徵活體檢測：針對即時通訊軟體上的視訊詐騙，未來鏡頭將能即時分析光體積變化描記圖（PPG）、微表情、瞳孔對光的反應等，判斷另一端是否為活生生的真人，還是被Deepfake即時換臉的冒牌貨。
- 社群交叉驗證與圖像地理定位：類似新聞查核組織的做法，結合多個旁證來推斷影片真偽。例如，影片中出現的建築物、天氣、街道招牌，可以透過衛星影像、交通攝影機紀錄、網友即時打卡來核實。這種模式雖然無法做到即時，但對於重大誹謗事件的澄清至關重要。
- 區塊鏈存證與數位信譽：一旦有使用者散播被標記為偽造的影片，其匿名身分仍可透過錢包位址、裝置指紋等建立「可信度評分」，降低惡意行為者的影響力。這當然會引發隱私與監控的爭議，但確實是技術上可行的方向。
為協助讀者掌握不同防偽方案的特性，以下用表格對比優缺點與適用情境：
| 防偽方案 | 代表技術／標準 | 優點 | 缺點 | 目前準確率／可行性 | 適合場景 |
|---|---|---|---|---|---|
| 視覺偽影分析 | Microsoft Video Authenticator, Deepware | 快速、不需來源端配合 | 對新模型效果差，易被規避 | 70%~90%（對舊技術），對Sora等可能低於60% | 大量快速篩檢 |
| 生物訊號偵測 | Intel FakeCatcher (PPG) | 即時性高、不易偽造生理訊號 | 需高品質影像，壓縮影片會失效，僅適用於人臉 | 宣稱96%，實際情境約85%~90% | 視訊認證、直播監測 |
| 數位來源鏈（C2PA） | Adobe Content Credentials, Sony Camera Authenticity | 根本性解決來源問題，防篡改 | 需全生態系支援，舊影片無效，強制可能引發言論自由爭議 | 技術成熟，但普及率低 | 新聞、司法證據、官方發布 |
| 生成時嵌入浮水印 | Google SynthID, OpenAI浮水印 | 從生成端標記，可追蹤AI產出 | 對抗翻拍、截圖有限，開源模型可跳過 | 對特定模型有效，開源環境難以強制 | 封閉平台內容管理 |
| 多模態交叉分析 | 學術研究、查核組織工具 | 難以全面偽造，可信度高 | 費時、無法自動化應對即時攻擊 | 視個案而定，釐清重大事件準確度高 | 調查報導、司法鑑定 |
這張表格反映了現實：目前沒有任何單一技術能提供萬無一失的保障。對抗AI誹謗影片的基礎，終究必須回到制度、法律與公眾意識的協同作戰。
三、法律拼圖：台灣與全球如何應對AI誹謗影片
1. 台灣：拼裝車式的法律工具箱，開始踩下油門
AI偽造影片在台灣所觸及的法律，散見在刑法、個人資料保護法、性隱私影像罪章以及幾個剛起步的草案中。執法單位主要動用以下武器：
- 刑法第310條誹謗罪：意圖散布於眾，指摘或傳述足以毀損他人名譽之事者，處一年以下有期徒刑。若以散布文字、圖畫方式犯之，屬加重誹謗，刑度拉高到兩年以下。深偽影片本質上可被解釋為一種「圖畫」，且其內容虛假，完全符合「指摘不實事實」的要件。然而，實務上被告經常抗辯「我沒有散布，是別人轉傳的」、「我只是做來自己觀賞，沒有誹謗意圖」，或者是「我以為那是真的」。這時檢方必須證明被告明知影片為偽造且仍惡意散布，舉證難度不低。
- 刑法第235條散布猥褻物品罪：若偽造的是色情影片，可依本罪處兩年以下有期徒刑。這正是小玉案的主要定罪法條之一。但若誹謗影片不涉及裸露，而只是偽造不當言論（例如假造某人發表種族歧視言論），則無法動用此條。
- 刑法第319條之1至之6（性影像罪章）：2023年修法後，未經同意散布、偽造、攝錄性影像的行為被明確納入處罰。其中「深度偽造性影像」被定義為「以電腦合成或其他科技方法製作關於他人不實之性影像」，最重可處五年有期徒刑。這大幅填補了過去對Deepfake色情影片的處罰漏洞，且引進「意圖營利」的加重條款。然而，此罪章只限於性影像，與名譽誹謗未必完全重疊。
- 個人資料保護法：肖像屬於個資，非法蒐集、處理或利用他人肖像，可能面臨民事賠償與刑事責任。但個資法的刑罰門檻在於「意圖為自己或第三人不法之利益或損害他人之利益」，實務上必須證明被告有特定意圖，對於純粹基於報復或惡搞的案例，有時難以構成刑責。
- 民事侵權：受害者可依民法第18條、第184條、第195條，主張人格權受侵害，請求損害賠償與回復名譽的適當處分，例如要求刊登道歉啟事。但對網路匿名者，連被告身分都查不到，訴訟便難以進行。
台灣政府意識到AI帶來的全面挑戰，2024年行政院通過《人工智慧基本法》草案，確立AI發展的七大基本原則，並要求政府推動AI生成內容的標示機制，但草案未直接設定罰則，屬於框架性立法。數位中介服務法草案曾因引發限制言論自由的疑慮而暫緩，但其中有關「通知—移除」的機制，對於快速下架誹謗性深偽影片至關重要，未來勢必重啟討論。
值得肯定的是，2023年《性隱私影像侵害犯罪防制條例》（又稱性私密影像專法）的通過，讓台灣在對抗Deepfake色情方面有了相對進步的規範，也設立了「性影像處理中心」提供被害人申訴與下架協助。但對於非性影像的誹謗性深偽（例如偽造政治人物貪汙對話、企業老闆飆罵員工），目前依然必須回頭依賴傳統誹謗罪與民事機制，法律更新明顯落後於科技。
2. 全球視野：法規的拼布被，各有打算
各國政府對AI偽造影片的態度，從零散規範到全面立法，呈現一片斑駁。下表快速掃描主要國家的現況：
| 國家／地區 | 主要法律或草案 | 對深偽誹謗的規範重點 | 罰則強度 | 內容標示要求 |
|---|---|---|---|---|
| 美國 | 聯邦《DEEPFAKES Accountability Act》（草案）、各州立法（加州、德州、紐約等） | 聯邦層級要求深偽內容標示，未標示而意圖造成暴力、擾亂選舉或詐欺等負有刑責；部分州針對色情深偽、政治深偽另訂刑則 | 各州不一，加州對色情深偽可求償高額民事賠償 | 草案要求數位浮水印與標示 |
| 歐盟 | 《人工智慧法案》（AI Act）、《數位服務法》（DSA） | AI Act要求生成式AI產出必須明確標示為人工生成；DSA要求超大型平台進行系統性風險評估，包含深偽造成的民主威脅 | 行政罰鍰可達全球年營業額6% | 強制，透明度義務 |
| 中國 | 《互聯網信息服務深度合成管理規定》、《生成式人工智能服務管理暫行辦法》 | 深度合成內容需顯著標示，不得利用深度合成製作、複製、發布、傳播虛假新聞資訊；侵害他人合法權益需承擔責任 | 行政處罰，違法違規可能吊銷許可 | 強制顯著標示 |
| 韓國 | 《性暴力處罰法》修正案、《資訊通信網法》 | 持有、購買、儲存、觀看Deepfake色情內容皆可處罰；製作散布者最高可判七年徒刑；通訊平台有義務主動過濾 | 刑事處罰極重，社會譴責強烈 | 未明確規定生成式AI標示 |
| 新加坡 | 《防止網絡虛假信息和網絡操縱法》（POFMA）、《網絡犯罪危害法》 | POFMA賦予政府要求平台更正或移除不實內容（含深偽）的權力，不從者可遭封鎖；網路犯罪危害法可針對詐騙深偽進行偵辦 | 行政命令強制力高，刑事附帶 | 政府有權要求標示 |
在這張拼圖中，歐盟的AI Act展現出最強烈的預防性思維：不等待損害發生，直接要求生成內容必須可被溯源與辨識。中國則以高效率的行政手段，強制平台進行內容審核與標示，但其背後伴隨的言論管控疑慮同樣巨大。美國受限於憲法第一修正案對言論自由的高度保障，聯邦立法至今牛步，反而是各州針對色情、選舉等具體危害先行出手，導致全美規範破碎化。韓國的強硬路線源自N號房事件的社會創傷，對於數位性暴力近乎零容忍，重刑化政策也確實產生一定嚇阻效果。
3. 法律面臨的五大困境
無論法條寫得多漂亮，實際執法時，AI誹謗影片仍踩進以下幾個深水區：
- 跨國管轄與匿名性：加害者使用VPN、洋蔥路由，伺服器架在境外，台灣檢警單單要取得使用者資料，就可能在國際司法互助上卡關數個月，緩不濟急。
- 平台責任與快速下架的兩難：若法律強制平台在收到檢舉後24小時內下架爭議影片，可能遭惡意檢舉濫用，成為打壓言論自由的工具；若不強制，受害者名譽在黃金時間內已遭病毒式摧毀。
- 言論自由與諷刺豁免：深偽技術也被用於政治諷刺、藝術創作與教育用途。如何在立法時清楚劃分「惡意誹謗」與「受保護的言論」，極為棘手。美國已有法院判例認為，經過編輯的變造影片若屬於誇張嘲諷，仍受憲法保障。
- 受害者救濟成本過高：從報案、找律師、聲請保全證據、對平台發函、到揪出匿名者，整個過程曠日廢時，一般民眾根本無力負擔。誹謗影片的傳播速度是以小時計，而司法正義是以年計。
- 證據能力的判斷：未來法庭上，被告可能主張「這段指控我的影片是深偽」，形成「深偽防禦」。法官與陪審團必須具備足夠的數位素養與鑑定資源，才能在正反兩方各執一詞中做出正確判斷。
這些困境指出一個核心問題：法律不能再被動追趕科技，而必須從「事後懲罰」轉向「事前預防、事中攔截、事後賠償」的全階段治理。
四、崩塌的信任：深偽影片對社會的衝擊
1. 被摧毀的不只是名譽，還有活著的安全感
2023年，美國新澤西州一所高中的數名女學生，發現自己的照片被同校男同學利用AI軟體合成裸照並在校內群組瘋傳。校方最初只以「青少年惡作劇」輕輕放下，直到家長串聯報警，社會才驚覺：未成年人之間，已經把製造與散布AI色情視為某種扭曲的「技術展現」。受害者出現嚴重焦慮、拒學、甚至自殺意念——她們未曾實際裸露，卻感覺自己的身體在公眾凝視下被徹底剝奪。
成人世界的例子更加血淋淋。台灣知名網紅「星光奈奈」（化名）在發現自己被換臉到大量色情影片後，曾在訪談中顫抖描述：「我看著螢幕上那張臉做著我這輩子不可能做的動作，瞬間覺得我對自己的身體失去了所有掌控權，好像任何人都可以隨意重組我。」這段話暴露了深偽誹謗最陰暗的本質：它不僅是名譽汙損，更是一種透過科技進行的精神強暴。
2. 民主選舉的隱形炸彈
如果說個人誹謗是點狀攻擊，那麼針對選舉的AI假影片就是對民主體制的範圍轟炸。想像一個場景：大選投票前三日，網路突然瘋傳一段某候選人收受地下賭盤資金的「秘密錄影」，畫面中人物的表情、聲音、肢體語言無懈可擊。即便競選團隊緊急召開記者會澄清，並請專家背書影片為偽造，但演算法早已將該影片推送到數百萬選民的手機上。研究表明，謠言的心理錨定效應極難消除——即使事後看到更正訊息，多數人仍會殘留「無風不起浪」的印象。2024年印度大選期間，大量深偽影片搭配WhatsApp群組的密閉式傳播，確實影響了部分選區的結果。在台灣，高密度使用社群媒體的選民結構，加上對立激烈的政治氛圍，使深偽影片猶如放在火藥庫旁邊的引信。
3. 新聞業的存亡之秋
新聞媒體賴以為生的基石是「真相」。當深偽技術成熟到連受過訓練的記者與編輯都難以分辨時，新聞業便陷入兩難：要嘛基於謹慎而延遲報導，卻被社群平台上的假訊息搶走話語權；要嘛追求速度搶先發布，卻可能誤將AI偽造影片當成獨家，自毀公信力。國際通訊社如路透、美聯社已開始培訓記者的深偽辨識能力，並導入驗證工具，但在分秒必爭的即時新聞戰場，把關仍然極其吃力。更深層的腐蝕在於，當公眾習慣「任何影片都可以是假的」，一種「什麼都不信」的犬儒主義將蔓延開來，這對民主社會依賴的事實辯論基礎將造成毀滅性打擊。
4. 倫理的灰色地帶：創作、嘲諷與惡意的一線之隔
面對深偽，社會並非鐵板一塊地要求全面禁止。藝術家運用Deepfake技術讓已故親人在螢幕上「重生」，創作者讓歷史人物在紀錄片中開口說話，諷刺節目將政治人物的臉接上滑稽身體——這些應用被許多人視為科技帶來的表達自由。然而，當這類作品未經當事人同意、且足以誤導公眾時，它究竟是言論自由還是權力侵害？美國法學界正熱烈辯論：是否應針對公眾人物放寬深偽的容許範圍（類似真實惡意原則），還是一視同仁地保護每個人的肖像權？這個倫理天平，短期內恐怕找不到完美的平衡點。
五、建構防護網：未來的對策與建議
面對AI影片誹謗這頭多頭蛇，單一解法注定失敗。我們需要從技術、法制、教育、國際合作四個象限，同時拉起一個具備縱深的防衛體系。
1. 技術基礎建設：讓真實從源頭被信任
政府應比照推動數位身分證的決心，建立「數位內容真實性基礎設施」。具體作為包括：
- 鼓勵硬體廠商導入C2PA標準：透過認證與補助，讓在台銷售的攝影設備、手機內建安全簽章模組。公部門招標的監視器、執法記錄器，更應強制要求支援來源真實性標記。
- 公廣集團與官方媒體率先示範：所有新聞影片、政府發布的宣傳與政策說明影片，必須提供可驗證的內容來源憑證。這不僅提高仿冒門檻，更可逐步養成公眾「沒看到來源憑證就不輕信」的媒體素養。
- 補助開發本土化偵測工具：現有偵測模型大多針對西方人臉訓練，對亞洲面孔的準確率較低。國家級研究計畫應投注資源，建立包含台灣多族群特徵的資料集，訓練可對抗最新生成模型的偵測系統，並開放給社群平台、新聞查核組織使用。
- 建立跨平台快速通報與標記機制：由國家通訊傳播委員會（NCC）或數位發展部協調，建立深偽內容即時通報API，讓查核組織與受害者的檢舉能同步推送至各大社群平台，加速下架與標記。
2. 法律改革：從鋸箭式修補到體系性回應
以台灣而言，可以推動一部《深度偽造防制與被害人保護法》的專法，或大幅修正現有相關法規，重點如下：
- 增訂「深度偽造誹謗罪」：針對以AI技術製作不實影音，意圖散布而毀損他人名譽者，設定比一般誹謗更高的刑度（如三年以上、七年以下），並將「意圖影響選舉」、「意圖操縱證券市場」等列為加重構成要件。
- 強制標示與揭露義務：所有在台灣境內提供服務的生成式AI平台，必須在生成影音內容時嵌入可被普遍偵測的標示（如浮水印、中繼資料），違者處以高額行政罰鍰，並得要求應用商店下架該App。
- 平台24小時通知—移除責任：立法明定，只要被害人提供表面證據（例如原始照片對比），平台業者應在24小時內暫時下架或限制該爭議深偽內容的存取，待雙方提出進一步說明後再行處置。刻意濫用此機制者，另設處罰規定以平衡言論自由。
- 匿名身分揭露快速通道：檢警針對明顯為深偽誹謗的案件，可向法院聲請「緊急資料調取令」，強制平台與電信業者在48小時內提供足以識別上傳者的資料，不必經由漫長的一般偵查程序。
- 被害人扶助基金與訴訟支援：由國家成立基金，補助受害者進行數位證據鑑定、律師費與心理諮商。基金財源可來自對違法平台的罰鍰與一定比例的AI營收特別公課。
3. 教育與媒體素養：全民的免疫力
再好的法律與科技，若民眾依然「看到影片就相信」，防線終究會潰堤。教育必須從小做起，讓學童理解「螢幕上的人不一定說真話」的數位常識。更關鍵的是，要教導一套SOP式的懷疑路徑，例如：
- 來源檢查：這段影片是誰發布的？這個帳號可信嗎？
- 情緒暫停：如果我看了覺得暴怒或極度興奮，先冷靜，極端情緒正是假訊息的催化劑。
- 多源比對：其他可靠媒體有沒有報導同一件事？
- 技術輔助：把可疑影片丟上Deepware、Sensity等公開掃描工具，或觀察畫面中的頭髮、手部、背景細節。
- 等待查核：台灣已有如台灣事實查核中心、MyGoPen等組織，等幾個小時，通常就能獲得專業判讀。
4. 國際合作與產業自律
深偽攻擊無國界，跨境聯防勢在必行。台灣應積極參與國際刑警組織、全球網路安全聯盟等框架，簽署雙邊或多邊司法互助協定，讓查找境外犯罪者不再石沉大海。同時，AI產業本身也需建立倫理自律機制，例如：生成式AI開發者在模型訓練階段，即加入「拒絕生成明顯用於誹謗、偽造特定人物」的防護機制；雲端服務供應商（如AWS、Azure、GCP）於服務條款中禁止利用其運算資源進行惡意深偽活動，並搭配偵測機制主動停權。
這張防護網，需要政府帶頭編織，企業、民間社會與個人共同拉緊。沒有人是局外人，因為下一個受害者，隨時可能是任何一個人。
常見疑問解答（FAQ）
Q1：AI影片誹謗和傳統影片誹謗有何不同？
傳統影片誹謗多是「真實錄影，但斷章取義」或「設計情境誘導」，人們還能透過原始檔案、人證、時間點來還原脈絡。AI影片誹謗則是「完全無中生有」，根本沒發生過的事被憑空創造，連語氣、表情、背景細節都能量身打造，使得反駁方必須從「證明影片本身是假的」這個更根本的層次作戰，難度高出許多。此外，AI影片的產製成本極低、擴散速度飛快，危害範圍能在短時間內全球化。
Q2：我該如何辨識一段影片是否為AI偽造？
請養成多層次觀察的習慣：
- 生理破綻：注意眨眼頻率是否過低或完全不眨眼？瞳孔形狀是否渾圓規則，還是邊緣模糊？皮膚是否過度光滑、缺乏毛孔紋理？
- 物理破綻：頭髮邊緣是否與背景融合得不自然？眼鏡、耳環等配件是否有光影矛盾或變形？手指動作是否怪異（多指、穿越物體）？
- 時序破綻：嘴型與聲音是否精準同步？說話時臉部肌肉的牽動是否僵硬？光線在不同幀之間是否跳動不連續？
- 技術輔助：將可疑影片截圖後上傳至Deepware Scanner、Sensity分析工具（注意隱私），或觀察中繼資料是否有異常軟體標記。
- 邏輯檢驗：影片內容是否違反常理？該人物是否在其他場合有過截然相反的言行？有沒有其他媒體或路人拍攝的視角可以比對？
Q3：如果我在網路上發現偽造我的不實影片，該如何處理？
黃金時間內的標準作業程序如下：
- 存證：立即對該影片及其網址、發布者帳號、點閱數、散布平台、相關留言進行完整截圖與螢幕錄影，最好使用可信的時間戳存證服務。
- 報警：攜帶證據至鄰近警察局或刑事警察大隊報案，明確說明為「AI偽造影片誹謗」或「性影像偽造散布」，取得報案三聯單。
- 向平台檢舉：透過各大平台（Facebook、Instagram、YouTube、TikTok、Twitter/X等）的檢舉機制，以「偽造身分」、「騷擾」、「未經同意的色情內容」等類別要求下架。同時可將報案單掃描檔一併提供，加速處理。
- 聯繫台灣的事實查核或保護機構：若為性影像，可向「性影像處理中心」（衛福部委託）求助，他們會協助與平台溝通下架；若為政治或公眾誹謗，可通報台灣事實查核中心，藉由專業報告降低謠言可信度。
- 法律諮詢：尋求具備數位、網路犯罪經驗的律師，研議民事求償、假扣押與刑事告訴策略。
- 心理支持：不要獨自承受，必要時尋求諮商心理師協助，此類傷害極易引發創傷後壓力症候群。
Q4：目前台灣法律足以懲罰AI換臉誹謗嗎？
可以，但不完全。散布偽造色情影片有《刑法》性影像罪章可處最高五年徒刑；非色情的誹謗影片回歸《刑法》加重誹謗罪，最重兩年。問題在於非色情誹謗的刑度偏低，且舉證「惡意散布」有一定門檻。簡言之，法律工具箱裡有扳手和螺絲起子，但要處理精密的高科技犯罪，仍然缺乏整套專業機具。
Q5：未來技術能完全防止深度偽造嗎？
不可能完全防堵。技術本質是中性工具，攻防之間永遠在動態競逐。與其追求一勞永逸的「防偽技術」，更實際的目標是打造一個「不易偽造、易於偵測、快速反應、後果可負擔」的韌性社會。讓偽造成本變高、偽造品壽命變短、受害者能快速獲得正義，這比追求完美的檢測率更為重要。
Q6：平台業者有什麼責任？他們做了什麼？
根據歐盟《數位服務法》與台灣未來的可能規範，大型平台有責任管理系統性風險，包括深偽影片造成的傷害。目前Meta、Google、TikTok等皆已要求AI生成或大幅修改的影音內容必須明確標示，並投資開發偵測技術。但成效因平台而異，且多國語言（含繁體中文）的審查資源仍然不足。公眾壓力與法規強制力，將是推動平台更負責任的關鍵。
Q7：深偽技術被用於諷刺或藝術創作，是否合法？
這正是法律與倫理最難一刀切的地帶。多數民主國家保障政治諷刺與藝術表達，即使創作可能讓某些人感到不悅。然而，若作品明顯以造假為目的、意圖欺騙公眾或造成特定個人嚴重名譽損害，就可能跨過合法界線。判斷標準通常包含：是否明顯標示為虛構、當事人為公眾人物或私人、是否具備公共利益論述、散布者是否明知其虛假。沒有簡單的Yes或No，一切都需個案權衡。
Q8：公司或公眾人物該如何預先防範AI誹謗？
建議採取「最小曝險，最大溯源」策略。在不影響正常曝光的前提下，減少公開發布超高解析度、正面、多角度的大量臉部照片與長時間清晰語音。同時，所有官方發布的影片、聲音，都應透過支援C2PA的設備拍攝或後製加上來源標記，並在官方網站建立「內容真實性查證入口」。定期監控以自己為名的深偽內容，並預先準備好危機處理小組與律師，一旦出事能在一小時內發動反制。
結語
當我們張開眼睛，這世界卻越來越像一場過於逼真的夢，真假難分，虛實交疊——AI影片誹謗只是這股洪流的第一波大浪。科技的推進從來不等待道德與法律慢慢跟上，它像一頭蠻牛，把舊有的信任結構撞得支離破碎。但人類社會最可貴的能力，正是從瓦礫中重建。我們已經看到辨識技術從像素中找幽靈，看到法律從被動因應轉向全階段治理，看到教育體系開始培養下一代的數位免疫力。這些努力看似分散，一旦串聯起來，就能形成一個讓偽造者難以遁形的天羅地網。別忘了，我們每一個按讚、分享、停留的決定，也在形塑這場真假戰爭的走向。下次，當你被一段令人血脈賁張的影片挑動情緒時，請記得先問：「這是真的嗎？」在AI的時代，提出這個問題本身，就是最勇敢的抵抗。
作者簡介
陳思涵，國立政治大學法律科技研究中心副研究員，長期關注人工智慧治理、數位性別暴力與網路言論自由議題。曾參與《人工智慧基本法》草案研擬諮詢，並與國際多個事實查核組織合作，協助建構深偽內容的偵測與法律對策架構。堅信科技應服務於人的尊嚴，而非反噬之。
