AIGC检测的现实困境

随着AI生成内容质量逼近人类写作，区分AI和人类内容变得越来越难。检测技术与生成技术的军备竞赛正在加速——而检测方天然处于劣势。

统计检测方法

困惑度检测

AI生成文本的困惑度（perplexity）通常低于人类文本：

class PerplexityDetector:
    def __init__(self, reference_model):
        self.model = reference_model
    
    def detect(self, text):
        # 计算困惑度
        ppl = self._compute_perplexity(text)
        
        # 困惑度低 → 更可能是AI生成
        # 困惑度高 → 更可能是人类写作
        threshold = 30  # 需要根据具体场景校准
        
        return {
            "ai_probability": max(0, 1 - ppl / threshold),
            "perplexity": ppl,
            "classification": "AI" if ppl < threshold else "Human"
        }
    
    def _compute_perplexity(self, text):
        tokens = self.model.tokenize(text)
        log_prob = self.model.compute_log_prob(tokens)
        return math.exp(-log_prob / len(tokens))

局限：经过轻微改写（同义词替换、句式调整）就可以大幅提高困惑度，绕过检测。

Burstiness检测

人类写作的句子长短变化大（高burstiness），AI写作更均匀（低burstiness）：

def burstiness_score(text):
    sentences = split_sentences(text)
    lengths = [len(s.split()) for s in sentences]
    
    mean_len = np.mean(lengths)
    std_len = np.std(lengths)
    
    # 变异系数
    cv = std_len / mean_len
    
    # 人类通常CV > 0.5，AI通常 < 0.3
    return cv

词汇多样性分析

AI倾向于使用更有限的词汇集：

def lexical_diversity(text):
    tokens = text.lower().split()
    unique = set(tokens)
    
    # Type-Token Ratio
    ttr = len(unique) / len(tokens)
    
    # Yule's K（更鲁棒的多样性指标）
    k = compute_yules_k(tokens)
    
    return {"ttr": ttr, "yules_k": k}

水印技术

文本水印：绿色token法

在生成过程中对token选择施加统计偏移，留下不可见水印：

class WatermarkedGenerator:
    def __init__(self, model, green_ratio=0.5, delta=2.0):
        self.model = model
        self.green_ratio = green_ratio  # 绿色token比例
        self.delta = delta  # 偏移强度
    
    def generate(self, prompt, max_tokens=100):
        # 为每个位置随机分配绿/红token集
        tokens = []
        for _ in range(max_tokens):
            logits = self.model.next_logits(prompt + tokens)
            
            # 基于前一个token的hash确定绿/红集
            if tokens:
                green_set = self._get_green_set(tokens[-1])
            else:
                green_set = self._get_green_set(0)
            
            # 给绿色token加bias
            for token_id in green_set:
                logits[token_id] += self.delta
            
            # 采样
            next_token = sample(logits)
            tokens.append(next_token)
        
        return tokens
    
    def detect(self, text, threshold=0.05):
        tokens = self.model.tokenize(text)
        green_count = 0
        
        for i in range(1, len(tokens)):
            green_set = self._get_green_set(tokens[i-1])
            if tokens[i] in green_set:
                green_count += 1
        
        expected_green = len(tokens) * self.green_ratio
        actual_green = green_count / len(tokens)
        
        # 统计检验
        z_score = (actual_green - self.green_ratio) / math.sqrt(
            self.green_ratio * (1 - self.green_ratio) / len(tokens)
        )
        
        return {
            "watermarked": z_score > 1.65,  # 95%置信度
            "z_score": z_score,
            "green_ratio": actual_green
        }

图像水印

不可见水印：在频域中嵌入水印信息：

import cv2
import numpy as np

def embed_watermark(image, watermark_text):
    # DCT变换
    dct = cv2.dct(np.float32(image))
    
    # 在中频系数中嵌入水印
    watermark_bits = text_to_bits(watermark_text)
    for i, bit in enumerate(watermark_bits):
        row, col = i // 8 + 50, i % 8 + 50  # 中频区域
        if bit:
            dct[row, col] = abs(dct[row, col]) | 1
        else:
            dct[row, col] = abs(dct[row, col]) & ~1
    
    # IDCT回到空域
    watermarked = cv2.idct(dct)
    return watermarked.astype(np.uint8)

C2PA标准：内容来源认证联盟提出的标准，在元数据中记录内容来源和编辑历史：

{
  "c2pa_manifest": {
    "claim_generator": "AI-Model-v2.1",
    "signature": "...",
    "assertions": [
      {"type": "ai_generated", "model": "DALL-E-3"},
      {"type": "edited", "tool": "Photoshop", "actions": ["crop"]}
    ]
  }
}

对抗攻防

检测绕过攻击

改写攻击：用另一个模型改写AI文本以改变统计特征：

def paraphrase_attack(ai_text, paraphrase_model):
    prompt = f"""改写以下文本，保持原意但改变表达方式：
    {ai_text}
    
    要求：
    - 使用不同的句式
    - 替换部分词汇
    - 调整句子长度变化"""
    
    return paraphrase_model.generate(prompt)

混合攻击：将AI文本与人类文本混合：

def mixed_attack(ai_text, human_text, ratio=0.5):
    # 交替使用AI和人类段落
    ai_paragraphs = split_paragraphs(ai_text)
    human_paragraphs = split_paragraphs(human_text)
    
    mixed = []
    for i in range(max(len(ai_paragraphs), len(human_paragraphs))):
        if i % 2 == 0 and i < len(human_paragraphs):
            mixed.append(human_paragraphs[i])
        if i % 2 == 1 and i < len(ai_paragraphs):
            mixed.append(ai_paragraphs[i])
    
    return "\n\n".join(mixed)

水印移除攻击

token替换：替换部分token改变绿色token比例：

def watermark_removal(text, model, threshold=0.05):
    tokens = model.tokenize(text)
    
    # 检测水印
    detector = WatermarkedGenerator(model)
    
    # 替换可疑的绿色token
    for i in range(1, len(tokens)):
        green_set = detector._get_green_set(tokens[i-1])
        if tokens[i] in green_set:
            # 用同义词替换
            synonyms = get_synonyms(tokens[i])
            for syn in synonyms:
                if syn not in green_set:
                    tokens[i] = syn
                    break
    
    return model.detokenize(tokens)

检测方的反制

鲁棒水印：设计对token替换鲁棒的水印方案：

  • 使用多个前缀token的hash确定绿/红集，增加替换难度
  • 在语义不变的空间中嵌入水印

多模态检测：结合文本、图像、元数据多维度检测：

class MultiModalDetector:
    def __init__(self):
        self.text_detector = StatisticalTextDetector()
        self.image_detector = ImageArtifactDetector()
        self.metadata_checker = MetadataChecker()
    
    def detect(self, content):
        text_score = self.text_detector.detect(content.text)
        image_score = self.image_detector.detect(content.image)
        meta_score = self.metadata_checker.check(content.metadata)
        
        # 加权融合
        final_score = (
            0.4 * text_score +
            0.3 * image_score +
            0.3 * meta_score
        )
        
        return {
            "ai_probability": final_score,
            "text_analysis": text_score,
            "image_analysis": image_score,
            "metadata_analysis": meta_score
        }

各检测方案的效果对比

方法准确率抗改写实时性适用场景
困惑度75%低快初筛
Burstiness70%中快辅助证据
绿色token水印99%*中快生成方配合
C2PA元数据100%*低*快正规渠道
多模态融合85%高中综合检测

*前提：生成方主动嵌入水印/元数据

结语

AI内容检测是一场不对称的战争——检测方需要识别所有AI内容，而生成方只需绕过检测即可。长期来看，水印+元数据认证是最可靠的方案，但需要全行业协作。纯粹基于统计特征的检测在对抗中会持续落后。未来，“可信内容"可能不再通过检测来识别，而是通过来源认证来保证——就像我们信任有签名的信件而非匿名信。