AI 时代的难题：真假影像越来越难分辨

随着生成式 AI 技术进步，照片与影片的造假成本大幅降低，让眼见为凭逐渐失去可靠性。研究机构如 Deloitte 指出，相关诈骗损失可能在未来几年快速攀升，显示影像真实性问题已不只是技术议题，也影响金融与社会信任。

ZCAM 是什么？

ZCAM 是什么？ （来源：zcam.succinct）

为了解决这个问题，Succinct Labs 推出了一款名为 ZCAM 的应用程式，ZCAM 的核心概念是在拍摄当下就为影像建立不可窜改的数位指纹。

具体来说：

  • 在拍照或录影瞬间进行加密签章

  • 将内容与拍摄装置建立关联

  • 生成可验证的数位纪录

这样的设计让使用者能够证明影像来源是否来自真实设备。

技术原理：从来源验证真实性

技术原理：从来源验证真实性 （来源：SuccinctLabs）

与其试图辨识哪些内容是假的，ZCAM 采取不同策略——直接证明哪些内容是真的。

其运作方式包括：

  • 将影像像素转换为加密杂凑（hash）

  • 利用装置硬体生成唯一签章

  • 建立无法被修改的纪录

这使得任何后续的修改或伪造，都能被识别出来。

与其他方案有何不同？

目前市场上也有其他对抗 AI 的方案，例如由 World 推出的身份验证机制，透过确认人类身份来区分 AI ; 但 ZCAM 的思路不同，不验证人，而是验证内容来源，不依赖后期检测，而是在拍摄时建立证据，这两种方式分别从不同角度解决同一问题。

ZCAM 的应用场景

ZCAM 的潜在应用范围相当广泛，例如：

1. 新闻媒体

确保照片与影片的真实性，避免假新闻

2. 企业与金融机构

降低诈骗与伪造风险

3. 一般用户

在社群媒体上提供可信内容来源

ZCAM 所面临的挑战

尽管技术具备潜力，但实际推广仍有困难，用户需要主动使用特定 App 拍摄，且生态尚未普及，验证机制仍在建立中，这类工具的价值，取决于是否能被广泛采用。

零知识证明与区块链的技术运用

Succinct Labs 的技术基础来自零知识证明（ZK），并透过其 Prover Network 提供验证机制。

其相关技术包括：

  • zkVM（零知识虚拟机）

  • 去中心化验证市场

  • 建立可信数据证明

这些技术目前已应用于数十亿美元规模的数位资产安全。

投资与发展背景

该公司曾获得由 Paradigm 领投的资金支持，并吸引多个区块链项目创办人参与投资，显示市场对可信数据与内容验证的重视正在提升。

总结

在 AI 生成内容日益普及的背景下，如何辨别真实资讯成为重要挑战。 ZCAM 提供了一种从源头建立信任的方法，透过加密与设备验证，让影像具备可追溯性。未来，这类技术是否能广泛应用，将影响数位世界的信任基础。