合成身份欺诈可能高达 58.3 亿美元：深度伪造技术是否正在造成行业最昂贵的盲点？

舒夫提 2026 年 3 月 17 日 11分钟阅读

英国伦敦，2026年3月17日—— 你的深度伪造检测解决方案可能会让你因为错误的原因而信心倍增。

在许多数字化入职流程中 KYC软件部署深度伪造检测能力通常被认为基于实验室性能、受控数据集、可预测的输入以及干净的采集环境而得到验证。但现实世界的身份验证很少符合这些条件。

按照 Juniper Research，成本合成身份欺诈预计未来五年，金融机构的 KYC 数据采集规模将激增 153%，从 2025 年的约 23 亿美元增至 2030 年的 58.3 亿美元。这种增长不仅仅体现在规模上。生成式人工智能技术使得合成媒体足够逼真，能够突破现实世界 KYC 数据采集过程中常见的压缩、重新编码和带宽限制。攻击者现在不仅致力于欺骗人眼，更着重优化篡改后的媒体，使其能够通过实时验证。

实验室到生产环节的差距正在扩大

大多数深度伪造检测模型都是在受控数据集上开发和测试的，这些数据集具有可预测的输入、良好的光照条件和一致的设备质量。身份验证很少见到这种情况。

在实际生产环境中，验证素材会被压缩，屏幕截图会被重新上传，光照条件也会发生变化，而且设备摄像头的配置也参差不齐，从旗舰级到五年前的都有。许多检测模型赖以生存的精细纹理和自然传感器噪声等信号，在模型接收到输入之前就已经被去除。

其结果是，标题准确率得分与实际部署性能之间的脱节日益加剧。供应商的说法因数据集、生成器类型、采集条件以及未公开的误接受率和误拒绝率设置而异。在评估中得分很高的模型，在面对不熟悉的人口统计数据、降级媒体或其他因素时，其表现可能截然不同。基于注入的攻击。

对于银行、支付服务提供商、先买后付提供商和受监管平台而言，这种差距带来的下游成本是显而易见的：人工审核队列不断增长，漏报率上升，验证成本攀升，监管风险增加。

为什么这对支付和金融科技领域的领导者至关重要？

Deepfake 风险不再是身份验证团队关注的重点，它直接关系到用户注册转化率、账户恢复、支付授权、拒付率和争议处理等各个方面。

当为了弥补检测不可靠而收紧验证阈值时，合法用户会面临诸多不便，流失率上升，增长放缓。而当阈值放宽时，复杂的攻击就能通过性能下降的媒体渠道而不被检测到。

这就是深度伪造技术对每笔数字交易征收的“信任税”，而大多数组织尚未在其运营模式中考虑到这一点。

As Frayam Asif，首席技术官 Shufti指出：“业界需要停止将实验室准确率视为部署准备就绪的标志。我们验证身份的条件与我们测试欺诈行为的条件几乎没有任何相似之处。”

需要改变什么：一个实用的框架？

应对深度伪造风险需要结构性转变，而不仅仅是工具升级。根据受监管行业中涌现出的模式，有五项优先事项尤为突出。

首先，检测结果必须在生产环境中进行验证，而不能仅仅依赖于基准测试。模型在部署前，应该针对压缩、重新编码和设备可变介质进行压力测试。

其次，任何单一的取证信号都不应被视为决定性因素。压缩会抹去精细纹理，增加块状噪声和混叠，并将单线索模型推向可靠性临界点。分层、多信号评估（其中独立的真实性检查必须一致才能标记风险）在显著上更具稳健性。

第三，活体检测需要超越基础检查的范畴。被动和主动活体检测机制应足够强大，能够处理图像和视频流中的实时采集和上传验证流程，同时避免给合法用户带来不必要的麻烦。

第四，组织需要持续进行模型调整。深度伪造生成技术每周都在发展。一次性训练并静态部署的检测系统，其失效速度会比大多数团队预想的更快。

第五，业界需要制定统一的标准，用于在真实的KYC环境下评估深度伪造检测能力。目前尚无统一的框架，这意味着各机构只能比较在不兼容的条件下测得的供应商声明。

在这一更广泛的转变中，舒夫提全球身份验证提供商已开发出一种深度检测该架构专为实际 KYC 验证环境而设计。系统采用基于场景、生产环境优先、威胁感知的欺诈预防方法。

其自主研发的技术支持对新兴欺诈技术的持续监控和模型迭代更新。该系统采用多层取证评估模型，在标记深度伪造风险之前，会分析多个独立的真实性假设。

Shufti 的白皮书概述了如何通过其所谓的“……”来实施这些原则。七门框架这是一个结构化的取证评估模型，其中七个独立的真实性假设（涵盖生物特征结构、AI 签名检测、压缩历史、频率分析、纹理真实性、在退化下的鲁棒性以及像素级一致性）必须一致，才能标记出深度伪造风险。

该方法旨在维持在介质劣化和新兴攻击方法下的检测性能，而不是依赖任何可能在现实世界条件下减弱的单一线索。

Shahid Hanif，Shufti 首席执行官 指出：“我们发现最常见的差距不在于检测能力本身，而在于如何验证这种能力。如果检测测试仅在受控条件下进行，组织就会面临无法预见的风险。我们的重点是构建能够在真正重要的场合——即在实时验证环境的压缩性、多样性和不可预测性下——保持有效性的系统。”

Shufti 的平台支持实时捕获和上传验证，被动和主动活体检测均通过 iBeta Level 2 认证，误识率为 0%，可在不到一秒的时间内完成单帧深度伪造分析。