被AI假影片攻擊後的創傷：心理諮商與創傷復原資源完整指南

摘要

AI深偽技術的快速發展，使得未經同意製作的性化影像與假影片成為新型態的數位暴力。這類攻擊不僅在當下造成強烈心理衝擊，更因數位內容的永久性與不可控性，使受害者長期處於創傷再觸發的環境中。研究顯示，深偽影像濫用與焦慮症、憂鬱症、創傷後壓力症候群（PTSD）及自殺風險顯著相關。本文從臨床精神醫學、創傷心理學與實務社會工作三個視角，系統性說明AI假影片攻擊後的心理創傷機制、症狀表現、評估工具、治療取向，並整合台灣在地的心理諮商、創傷復原與法律求助資源，提供受害者、家屬及助人工作者一套完整的理解與行動框架。

一、AI假影片攻擊為什麼會造成創傷？

1.1 深偽技術的本質：從「影像」到「身體自主權的侵犯」

深偽技術的核心威脅在於，它能在未經當事人同意的情況下，以極低的技術門檻製造出高度逼真的虛假影像。公開可取得的「脫衣」應用程式可以移除照片中的衣物，或將人臉映射到色情素材上，使得幾乎不具技術能力的人也能製造出令人信以為真的偽造內容。這些工具匿名運作、跨越司法管轄區，使得大規模的受害者製造成為可能。

關鍵在於：受害者從未參與影像的製作，卻被迫成為性化內容的主角。這種「身體被挪用」的感受，在臨床上與身體自主權的侵犯高度相似。一項發表於《英國皇家精神科醫學院期刊》的研究指出，數位性暴力的倖存者經常描述出與身體性侵害相似的經驗，包括失控感、身體自主權的侵犯，以及對進一步曝光的持續恐懼。

1.2 創傷的「慢性化」：數位內容的永久性如何延長創傷軌跡

與傳統性暴力不同的是，AI假影片攻擊的創傷往往沒有明確的「結束點」。影像一旦被上傳，就可能在網路上持續流通、被重新上傳、被不同的平台收錄。研究明確指出，影像的無限流通與數位內容的持久性，意味著創傷軌跡經常延伸數年之久，將單一事件轉化為慢性的創傷壓力環境。

每一次影像的重新出現——無論是被受害者自己發現，或是被他人告知——都可能重新激活創傷路徑，導致自我感與身分認同的改變、與自己身體及他人關係的轉變、過度警覺、侵入性 thoughts 與迴避行為。這種「每一次重新浮現都是一次再創傷」的機制，是AI假影片創傷與其他類型創傷最關鍵的區別之一。

1.3 為什麼「只是假影片」的說法無法安慰受害者？

旁觀者常有一種誤解：既然影像不是真的，受害者「應該」不會那麼受傷。這種想法忽略了創傷的核心——創傷不在於事件本身的「客觀真實性」，而在於當事人主觀經歷到的失控、侵犯與無力感。

質性研究訪談了深偽影像濫用的受害者，發現他們描述的感受包括：強烈的恐懼、被侵犯感、去人性化、無力感、脆弱、絕望、羞恥、被物化、被貶低與被汙名化。這些感受與影像「是否真實」無關，而與「我的臉、我的身體被用來做我從未同意的事」這一事實有關。受害者失去的是對自己數位身分的控制權。

二、AI假影片攻擊後可能出現的心理創傷症狀

2.1 創傷後壓力症候群（PTSD）的核心症狀

根據DSM-5的診斷框架，PTSD包含四大症狀叢集。在AI假影片攻擊的脈絡下，這些症狀可能以下列方式呈現：

PTSD症狀叢集	在AI假影片攻擊中的典型表現
侵入性症狀	腦中反覆出現假影片的畫面、噩夢、突然感覺「又被人看到了」的閃回
迴避行為	刪除社群媒體、避免出門、不敢使用網路、拒絕談論事件
認知與情緒的負向改變	持續的自責（「我當初不該拍那張照片」）、羞恥感、對他人失去信任、覺得自己「被毀了」
過度警覺與反應性改變	對手機通知極度敏感、失眠、易怒、難以集中注意力、隨時擔心影像又被轉發

一項針對深偽影像濫用受害者的質性研究發現，受害者在事件後出現的症狀包括：迴避行為（不思考事件、避開社群媒體或不出門）、不信任感增加、憂鬱情緒、憤怒、痛苦、羞恥與罪惡感、自殺企圖、身心症狀（嘔吐、高血壓）、失眠、食慾喪失、無法工作，以及以暴力情境中的性化影像為形式的侵入性記憶與噩夢。

2.2 複雜性創傷的臨床樣貌

劍橋大學出版社發表的研究指出，這類受害者的臨床表現經常類似複雜性創傷，並因羞恥、汙名與求助障礙而更加複雜化。若沒有及時的創傷知情介入，持續的暴露可能固化PTSD症狀與憂鬱狀態，導致長期的精神疾病負擔。

「持續暴露」是關鍵概念。不同於單次創傷事件後症狀可能隨時間自然緩解，AI假影片的受害者可能每天醒來都必須面對「影像是否還在網路上」的不確定性。這種不確定性本身即為一種慢性的壓力源。

2.3 數位性暴力特有的心理衝擊

除了PTSD的核心症狀外，數位性暴力受害者還經常經歷幾種特有的心理衝擊：

數位永久性的焦慮：知道影像「永遠不會真正消失」，即使被下架也可能被備份、被重新上傳。這種「沒有盡頭」的感受，與傳統創傷中「事件已經過去」的假設截然不同。

雙重受害的恐懼：受害者不僅擔心影像的持續流通，還可能面臨加害者的勒索、威脅或進一步的攻擊。研究指出，受害者可能經歷影像的商業化利用，即加害者透過販售這些偽造影像獲利。

社會孤立與自我汙名：由於性化影像的社會汙名，許多受害者不敢告訴任何人，甚至不敢尋求專業協助。在亞洲文化脈絡中，名譽相關的規範、責備受害者的態度，以及對性與精神疾病的汙名，可能進一步加劇痛苦並阻礙求助。

三、如何評估自己或他人是否受到創傷影響？

3.1 創傷後壓力症候群檢查表（PCL-5）

PCL-5是國際上廣泛使用的PTSD自填式篩檢工具，包含20個題項，對應DSM-5的PTSD診斷標準，採用五點量表（從「完全沒有」到「極度嚴重」）進行評分。它可以用來評估症狀嚴重度、判斷是否可能符合PTSD的暫時性診斷，以及追蹤治療進展。

需要強調的是，PCL-5是篩檢工具，不是診斷工具。若總分達到一定的切截分數（通常為33分以上），建議進一步由精神科醫師或臨床心理師進行完整的臨床評估。在AI假影片攻擊的脈絡下，即使PCL-5分數未達切截點，若主觀困擾程度高、功能受損明顯，仍應考慮尋求專業協助。

3.2 需要留意的警訊

以下情況出現時，建議優先尋求專業評估：

• 持續兩週以上的失眠、食慾喪失或情緒低落
• 出現自殺意念或自傷行為
• 無法維持基本的工作或學業功能
• 對手機、網路或任何與事件相關的刺激產生強烈的恐慌反應
• 完全迴避社交接觸，與外界斷聯
• 出現酒精或藥物使用的增加

其中，自殺風險是最需要立即處理的警訊。研究已明確指出，AI生成的未經同意性影像與自殺風險之間存在關聯。若出現自殺意念，應立即聯繫心理衛生專業人員或撥打安心專線。

四、心理諮商與創傷治療的取向

4.1 創傷知情照護的基本原則

在進入具體治療方法之前，必須先理解「創傷知情照護」的核心精神。創傷知情照護不會逼迫當事人重述經歷，而是先建立安全、信任、選擇權及照顧連續性，再按目前症狀、功能及意願安排治療，以減少質疑與重複披露造成的傷害。

創傷知情照護的六項核心原則包括：安全性（確保生理、心理及情感安全）、信任與透明度、同伴支持、協作、賦權與選擇，以及文化謙遜與回應性。對於AI假影片的受害者而言，「選擇權」尤其重要——因為他們的創傷本質上正是「選擇權被剝奪」的經歷。治療過程中給予他們對治療節奏、內容與目標的控制感，本身就是一種修復。

台灣的實務架構中，創傷知情被整理為「4R架構」：理解創傷（Realize）、辨認創傷（Recognize）、回應創傷（Respond），以及防止再度受創（Resist re-traumatization）。

4.2 實證支持的創傷治療取向

眼動減敏與歷程更新療法（EMDR） 是國際創傷治療指引中推薦的PTSD第一線治療之一。EMDR透過雙側刺激（如眼動、觸碰或聲音）搭配創傷記憶的處理，協助大腦重新處理創傷記憶，使其不再以侵入性症狀的形式干擾日常生活。對於性暴力相關的PTSD，EMDR已被廣泛應用且有實證支持。值得注意的是，EMDR的核心機制並非「消除記憶」，而是改變記憶的儲存方式，使其從「當下正在發生」的創傷記憶轉化為「已經發生的過去事件」的自傳式記憶。

認知加工療法（CPT） 是另一種具有強實證支持的PTSD治療取向，特別針對創傷後的認知扭曲——例如「都是我的錯」「我再也不安全了」「沒有人會相信我」——進行系統性的辨識與修正。韓國的研究曾提出整合情緒焦點治療、認知加工療法與女性主義諮商的數位性犯罪受害者諮商模型，設計為十次會談的結構化介入。

延長暴露療法 透過在治療師的引導下，以可控的方式逐步面對創傷相關的記憶與情境，幫助受害者減少迴避行為並降低焦慮反應。研究表明，暴露療法可作為性暴力後的早期介入，並可透過網路遠距方式提供。

4.3 新興的治療創新：深偽技術本身作為治療工具

一個值得關注的臨床發展是：深偽技術本身也開始被探索作為治療工具。荷蘭的研究團隊開發了「REDEFINE」介入方案，讓性暴力相關PTSD的受害者與「深偽化的加害者」進行治療師引導的對話。這項介入的目標是透過討論事件的影響、提出問題，以及（在理想情況下）獲得道歉，來達成心理社會的復原。

這種介入被定位為認知行為治療模型中一種新穎的暴露介入形式，以情緒處理理論為基礎。參與者可能在治療師的陪伴下，對深偽動畫表達未曾說出口的話語、獲得寬恕或安慰，或處理罪惡感。需要強調的是，這項技術仍處於臨床研究階段，並非所有治療師都提供此類服務。

4.4 不同治療取向的比較

治療取向	核心機制	適合對象	療程長度（參考）
EMDR	雙側刺激搭配創傷記憶處理	有明確創傷記憶的PTSD患者	8-12次會談以上
認知加工療法	辨識與修正創傷後認知扭曲	有強烈自責、羞恥或信任議題者	12次會談
延長暴露療法	在安全環境中逐步面對創傷線索	有明顯迴避行為者	8-15次會談
創傷知情支持性諮商	建立安全、穩定化、心理教育	創傷初期、尚未準備好處理記憶者	依需求調整

選擇治療取向時，應考慮個人的症狀特徵、目前的心理穩定度，以及對治療方式的偏好。沒有一種取向適合所有人，與治療師討論並共同決定是重要的過程。

五、台灣的心理諮商與創傷復原資源

5.1 政府與民間資源一覽

台灣已建立起多層級的數位性暴力被害人支持體系。以下整理主要資源與服務內容：

資源名稱	服務內容	聯絡方式
衛生福利部性影像處理中心	線上申訴、協助影像移除下架	siarc.mohw.gov.tw
113保護專線	24小時通報與諮詢	113
婦女救援基金會數位性暴力被害人服務	社工陪伴、心理諮商轉介、法律協助	(02) 2555-8595 分機31或32
私ME專線	數位性影像案件諮詢	02-66057373（09:00-22:00）
臺北市家庭暴力暨性侵害防治中心	綜合性被害人服務	02-23615295 分機226
各縣市性創傷復原中心	創傷復原服務、心理諮商	衛福部補助全國8家中心

衛生福利部自106年起運用公益彩券回饋金補助經費，在全國不同區域建置了8家性創傷復原中心，持續將遭受不同樣態性別暴力的被害人納入性創傷復原服務對象，並因應數位網路時代來臨，將數位性暴力被害人納入服務範圍。

5.2 婦援會的數位性暴力被害人服務

婦女救援基金會自2015年起開始提供數位性暴力被害人服務，是台灣最早系統性投入此領域的民間組織之一。其服務模式包括：

個案服務：由專業社工師提供一對一的陪伴與支持，協助被害人處理影像移除、法律訴訟、心理諮商轉介等需求。實務經驗顯示，被害人常伴隨巨大的孤立感、對人際關係的不安全感，以及面對複雜法律訴訟與影像移除流程時的無力感。

線上支持團體：婦援會自2023年起以線上團體形式陪伴被害人創傷復原，在安全、保密的線上空間中，讓成員透過訴說、聆聽與鼓勵，理解自己不是孤單一人。團體由實務工作者分享如何與創傷共處、如何做好自我保護、重新建立自信與找回對生活的控制感。

跨領域網絡整合：實務案例顯示，有效的復原需要整合法律、心理、性影像移除與媒體溝通等跨領域專業網絡。

5.3 心理諮商的補助與費用考量

心理諮商的費用對許多受害者而言是一項現實障礙。目前在台灣，可透過以下途徑降低負擔：

• 衛生福利部「15-45歲青壯世代心理健康支持方案」 ：提供每人3次免費心理諮商，部分性創傷復原中心針對重大事件被害人另提供3次諮商，不計入前述方案次數。
• 各縣市衛生局社區心理衛生中心：提供平價或免費的心理諮商服務，可洽各縣市衛生局查詢。
• 性創傷復原中心：由衛福部補助的民間單位提供，通常不收費或僅收取象徵性費用。
• 犯罪被害人保護協會：針對犯罪被害人提供心理輔導與法律協助。

六、法律途徑與數位證據的保存

6.1 台灣的相關法律規範

台灣已逐步建立針對深偽技術製作不實性影像的刑事責任框架。法務部明確指出，利用電腦合成或其他科技方法（例如深偽技術）製作不實性影像，嚴重侵害他人之隱私與名譽，應予處罰。

根據相關草案與現行法規方向，製作或散布不實性影音的基本犯罪類型最重處3年有期徒刑；若意圖營利，最重處5年以下有期徒刑。若涉及以強暴、脅迫等方式為之，刑責更重，最重可處5年至7年有期徒刑。

6.2 遭遇AI假影片攻擊時的立即行動清單

若發現自己遭到AI假影片攻擊，以下行動順序可供參考：

第一步：保存證據，不驚慌刪除

• 截圖所有相關頁面、對話紀錄、網址（URL）
• 記錄發布時間、平台名稱、帳號資訊
• 不要因為恐懼而刪除證據——這些都是後續法律行動的基礎

第二步：向性影像處理中心申訴

• 前往衛生福利部性影像處理中心（siarc.mohw.gov.tw）進行線上申訴
• 由專業單位協助向平台請求移除下架
• 切勿自行轉傳或分享連結，避免造成二度傷害

第三步：報警與法律諮詢

• 向警方報案，或撥打113保護專線
• 可洽犯罪被害人保護協會或法律扶助基金會尋求法律諮詢

第四步：尋求心理支持

• 聯繫婦援會或其他數位性暴力被害人服務機構
• 考慮接受心理諮商，處理創傷反應

第五步：建立日常的安全感

• 暫時調整社群媒體使用方式
• 與信任的人保持聯繫，不要完全孤立自己

七、陪伴創傷倖存者：家屬與朋友的實用指引

7.1 應該做的事

相信他們。 創傷倖存者最需要的是被相信。不要質疑「這只是假影片有那麼嚴重嗎」或「你是不是做了什麼才會被攻擊」。AI假影片的攻擊是完全未經同意的侵犯，受害者沒有任何過錯。

傾聽，不急著給建議。 在創傷初期，倖存者可能需要的是被聽見，而不是被「解決」。有時候，一句「我在這裡，你不需要一個人面對」比任何建議都有力量。

尊重他們的節奏。 創傷知情照護的核心原則之一是「選擇權」。不要強迫他們談論事件、不要催促他們報警或做任何決定。讓他們知道選項存在，但由他們決定何時、如何採取行動。

協助處理實務事務。 創傷會嚴重影響認知功能與執行能力。協助他們整理證據、查找資源、打電話聯繫機構，這些具體的幫助可能比言語安慰更實際。

7.2 應該避免的事

不要責備。 不要說「你當初為什麼要拍那張照片」「你為什麼不把社群帳號設為私密」。這些話語會強化受害者的自責，加重創傷反應。

不要轉傳或搜尋影像。 即使是出於好奇或想「確認」，轉傳或搜尋受害者的影像都會造成二次傷害。不觀看、不搜尋、不下載是基本的尊重。

不要急著說「一切都會好起來」。 對於正在經歷急性創傷的人來說，這種話可能顯得空洞。更好的方式是承認當下的痛苦：「這真的很難，我不會假裝它不難。」

常見問答

Q1：AI假影片攻擊造成的創傷，和傳統性暴力創傷有何不同？

核心差異在於「數位永久性」與「持續暴露」。傳統性暴力是單一時間點的事件，而AI假影片的創傷軌跡可能延伸數年，因為影像可能持續在網路上流通。每一次影像的重新出現都可能重新激活創傷路徑，使受害者長期處於不確定與恐懼之中。此外，AI假影片的受害者可能從未與加害者有過任何實體接觸，這使得「加害者是誰」的問題更加複雜，也可能影響求助的意願。

Q2：我需要接受心理諮商嗎？什麼時候該求助？

如果你出現以下任一情況，建議優先考慮尋求專業協助：持續兩週以上的情緒低落或失眠、出現自殺意念、無法維持基本日常功能、對手機或網路產生強烈的恐慌反應、完全迴避社交接觸。即使是「還沒有那麼嚴重」的困擾，早期尋求協助也能有效預防症狀慢性化。台灣目前有多個免費或低收費的資源可供使用。

Q3：心理諮商會不會要我重述事件？我不想再講一次。

創傷知情照護的核心原則之一正是「不強迫重述」。專業的創傷治療師會先建立安全與信任，再按照你的節奏與意願決定何時、以何種方式處理創傷記憶。在創傷初期，治療的重點通常是穩定化與心理教育，而非深入處理創傷記憶。你可以向治療師表達你的顧慮，並共同討論適合的治療節奏。

Q4：如果影像已經被下架了，我還需要處理心理創傷嗎？

需要。影像是否在網路上與心理創傷是否已形成是兩個獨立的問題。即使影像已被移除，創傷反應可能仍然存在——因為創傷的核心是「曾經經歷過的失控與侵犯」，而非「影像現在是否還在」。此外，對「影像可能再次出現」的恐懼本身，也可能成為持續的壓力源。心理諮商可以幫助你處理這些殘留的創傷反應。

Q5：我可以在哪裡找到受過深偽創傷訓練的心理師？

目前在台灣，尚無專門認證的「深偽創傷治療師」。不過，性創傷復原中心的心理師通常接受過創傷知情照護與性暴力創傷的專業訓練。你可以透過婦援會（02-2555-8595）或各縣市家庭暴力暨性侵害防治中心轉介。尋找治療師時，可以詢問對方是否有處理數位性暴力或性創傷的經驗，以及是否採用EMDR、認知加工療法等實證取向。

Q6：如果攻擊者是我的前伴侶或認識的人，該怎麼辦？

這種情況在數位性暴力中並不少見。除了上述的求助管道外，你可能需要同時處理親密關係暴力與數位性暴力的雙重議題。建議聯繫婦援會或各地家庭暴力防治中心，他們可以提供整合性的服務，包括安全計畫、法律協助與心理支持。若涉及跟蹤騷擾或威脅，也可以考慮申請保護令。

總結

AI假影片攻擊所造成的心理創傷，是一種真實且深遠的傷害。它結合了性暴力的侵犯本質與數位科技的永久性特質，創造出一種獨特的創傷動力學——受害者不僅要處理「已經發生的事」，還要持續面對「可能再次發生」的恐懼。

創傷復原是一段需要時間、支持與專業協助的過程。沒有一條固定的復原路徑，每個人的節奏不同。重要的是，受害者不需要獨自面對。台灣已建立起包括性影像處理中心、婦援會、各縣市性創傷復原中心在內的多層級支持網絡，心理諮商與創傷治療的實證取向也持續發展中。

如果你或你身邊的人正在經歷這樣的困境，請記住：這不是你的錯，你值得被相信，也值得獲得幫助。

---

作者簡介

林以晴，臨床心理師，國立台灣大學心理學系臨床組碩士。曾任職於醫學中心精神科，專長領域為創傷後壓力症候群、性暴力被害人心理評估與治療、數位性暴力創傷復原。現為社區心理衛生機構特約臨床心理師，並參與性創傷復原中心之臨床督導與專業訓練工作。長期關注科技發展對心理健康的影響，多次於專業研討會發表數位創傷相關議題。

Deepfake 影片技術原理：理解 AI 造假才能有效反擊

前言：當「眼見為憑」成為歷史

2024年，臺灣某知名企業高層的視訊會議畫面遭人即時換臉，詐騙集團在短短七分鐘內得手新臺幣兩千萬元。同年，多位女性藝人的臉孔被惡意合成到不雅影片中，在網路論壇流傳。這些事件不再是科幻電影的情節，而是你我身邊正在發生的日常。

「有圖有真相」的時代已經結束，「有影片也未必是真相」的時代正式來臨。Deepfake——深度偽造技術，正以驚人的速度進化。根據資安公司 SentinelOne 的統計，2023年全球 Deepfake 相關的詐騙案件較前一年成長了超過 300%。面對這樣的浪潮，恐慌無濟於事，理解才是最好的防禦。

這篇文章將帶你深入 Deepfake 的技術核心，從神經網路的基本原理講起，一步步拆解這些逼真假影片背後的數學與工程。你不必是資工背景，也能理解這些技術的運作邏輯，進而學會辨識、防範，甚至在必要時反擊。

---

第一章：什麼是 Deepfake？——定義、範疇與發展脈絡

1-1 名詞溯源：從 Reddit 用戶名到全球現象

「Deepfake」一詞誕生於2017年，源自 Reddit 論壇上一名用戶的帳號名稱「deepfakes」。這位用戶利用當時剛開源的 TensorFlow 深度學習框架，將成人影片中的臉孔替換成好萊塢明星，並將成果發布在論壇上。這個帳號名稱結合了「Deep Learning」（深度學習）和「Fake」（偽造）兩個詞，精準描述了這項技術的本質：利用深度學習模型生成以假亂真的偽造內容。

短短幾年內，這個原本只在特定論壇流傳的詞彙，成為全球媒體、政府、科技公司的共同關注焦點。《牛津英語辭典》於2023年正式收錄此詞；臺灣國家教育研究院亦將其中文譯名定為「深度偽造」。

1-2 Deepfake 的範疇：不只是換臉

許多人以為 Deepfake 就等於「換臉」，但實際上它的範疇遠比這廣泛。廣義的 Deepfake 涵蓋所有利用深度學習技術生成或操縱的合成媒體內容，包括：

類型	說明	常見應用與風險
人臉交換（Face Swapping）	將影片中A的臉替換成B的臉	最常見的 Deepfake 形式，常用於惡意造假
臉部重演（Face Reenactment）	操縱臉部表情、嘴型、眼神，讓目標人物說出從未說過的話	政治人物造假演說、偽造證詞
全臉生成（Full Face Generation）	憑空生成不存在的人臉	假帳號頭像、虛擬網紅、詐騙身份
語音複製（Voice Cloning）	複製特定人物的聲音、語調、說話習慣	電話詐騙、偽造錄音證據
全身動作合成（Full Body Synthesis）	生成或操縱整個身體的動作	偽造監視器畫面、運動員造假
唇形同步（Lip Sync）	僅調整嘴型使其與音訊匹配	偽造訪談、配音造假

1-3 發展脈絡：從實驗室到人手一支手機

Deepfake 技術的演進，可以粗略分為四個階段：

第一階段（2014-2017）：學術萌芽期。 蒙特婁大學的 Ian Goodfellow 於2014年提出「生成對抗網路」（GAN）概念，奠定了日後 Deepfake 的理論基礎。這一階段的技術門檻極高，需要專業的機器學習知識和大量運算資源。

第二階段（2017-2019）：開源爆發期。 Reddit 用戶公開了基於自動編碼器的換臉方法後，開源社群迅速跟進。2018年推出的「FakeApp」讓一般使用者只需準備足夠的照片和影片，就能在個人電腦上執行換臉操作。2019年，DeepFaceLab 和 FaceSwap 等開源工具成熟，Deepfake 開始大量湧現。

第三階段（2020-2023）：商用化與行動化。 2020年起，多款手機應用程式開始提供「一鍵換臉」功能，技術門檻降至近乎為零。同時，生成對抗網路與擴散模型的突破，使得生成品質大幅提升。2022年，Stable Diffusion 和 Midjourney 等圖像生成模型問世，Deepfake 從「編輯既有素材」進化到「憑空生成」。

第四階段（2024至今）：即時化與多模態。 即時換臉技術已能在直播中同步替換人臉，延遲低於 100 毫秒。同時，結合文字生成、影像生成、語音生成的「多模態」Deepfake 出現，攻擊者可以用一段文字描述就生成完整的偽造影片。

---

第二章：神經網路的基礎——Deepfake 的「大腦」

2-1 類神經網路：模仿人腦的數學結構

要理解 Deepfake，得先認識它的核心引擎：類神經網路（Artificial Neural Network, ANN）。這是一種模仿生物神經系統運作方式的數學模型，由大量相互連接的「神經元」組成。

一個神經元做的事情很簡單：接收多個輸入、加權求和、通過一個「激發函數」決定是否輸出訊號。單一神經元就像一個水龍頭開關，但當數百萬個神經元以特定方式排列連接時，整個網路就能執行非常複雜的任務——就像數億個簡單的腦細胞組合起來，就能產生意識。

2-2 深度學習：「深度」在哪裡？

「深度學習」中的「深度」，指的是神經網路中「隱藏層」的數量。傳統的淺層網路只有一到兩層隱藏層，而深度學習模型可能有數十甚至數百層。每一層負責提取不同抽象程度的特徵：

• 第一層：偵測邊緣、顏色、明暗等最基礎的視覺特徵
• 中間層：組合成紋理、形狀、五官輪廓等較複雜的模式
• 深層：辨識出完整的臉孔、表情、身份等高度抽象的概念

這種層層堆疊的結構，讓深度學習模型能從原始像素中「自動學習」到有用的表徵，而不需要人類手動設計特徵——這正是 Deepfake 得以實現的關鍵。

2-3 卷積神經網路：影像處理的王者

在眾多神經網路架構中，卷積神經網路（Convolutional Neural Network, CNN）是處理影像資料的主流選擇。它的核心操作是「卷積」：用一個小型的濾波器在圖像上滑動，每次計算一個局部區域的加權和。

可以將 CNN 想像成一個用放大鏡逐區檢視圖像的偵探。它不會一次看完整張圖，而是先看左上角的一小塊，再看旁邊的一小塊，逐步掃過整張圖。每個「放大鏡」（濾波器）專門負責偵測某一種特徵，例如水平線、垂直線、圓形、特定顏色等。經過多層卷積和池化操作後，網路最終能對整張圖的內容做出精確判斷。

CNN 在2012年 ImageNet 競賽中大放異彩後，迅速成為電腦視覺領域的標準工具，也是所有 Deepfake 模型的基礎組件。

2-4 自動編碼器：壓縮與重建的藝術

自動編碼器（Autoencoder）是另一種重要的神經網路架構，也是早期 Deepfake 技術的核心。它由兩個部分組成：

• 編碼器（Encoder）：將輸入資料（例如一張人臉圖像）壓縮成一個低維度的「潛在表示」（Latent Representation）。這個潛在表示通常只有幾百個數字，但包含了重建臉孔所需的核心資訊——臉型、五官位置、光線角度等。
• 解碼器（Decoder）：接收潛在表示，將其重建為完整的圖像。

自動編碼器的訓練目標是「輸入等於輸出」：給它一張臉，它要能重建出同一張臉。聽起來簡單，但關鍵在於那個狹窄的「瓶頸」——潛在表示的維度遠小於原始圖像。這迫使編碼器學會「提取本質」、捨棄細節，而解碼器學會「從本質重建細節」。

打個比方，自動編碼器就像一位畫家的速寫本。畫家看到一張臉，不會記下每個毛孔和每根髮絲，而是在腦中記下關鍵的比例、角度、神韻。回到工作室後，再憑這些速寫重新畫出完整肖像。編碼器就是「速寫」的過程，解碼器就是「重畫」的過程。

---

第三章：第一代 Deepfake 技術——自動編碼器換臉法

3-1 核心概念：共用編碼器、分離解碼器

2017年 Reddit 用戶公開的換臉方法，其巧妙之處在於對自動編碼器結構的改良。傳統自動編碼器是「一人一組」：訓練一個模型處理一個人的臉。但這套方法的關鍵創新是：

讓兩個人的臉共用同一個編碼器，但使用各自的解碼器。

為什麼要這樣做？因為編碼器的任務是「提取通用的人臉特徵」——五官位置、表情、光線等，這些資訊對任何人都適用。而解碼器的任務是「重建特定人物的臉部細節」——膚色、皺紋、鬍鬚等個人特徵。

訓練完成後，換臉的操作流程如下：

1. 將 A 的影片幀輸入共用編碼器，得到 A 的潛在表示（包含 A 的表情、角度、光線資訊）
2. 將這個潛在表示送入 B 的解碼器
3. B 的解碼器用 B 的臉部特徵來「詮釋」A 的表情和角度，輸出一張「長得像 B、但表情動作是 A」的臉
4. 將合成臉貼回原影片，完成換臉

3-2 訓練流程：資料是關鍵

這套方法的成敗，取決於訓練資料的品質和數量。典型訓練流程包括：

步驟一：資料收集。 從公開影片、社群媒體照片等來源收集 A 和 B 的大量臉部影像。一般而言，至少需要數千張包含不同角度、表情、光線條件的臉部照片。許多開源工具的預設值是「越多越好」，部分進階使用者會收集超過十萬張訓練圖像。

步驟二：臉部偵測與對齊。 使用人臉偵測演算法（如 MTCNN、RetinaFace）在每張圖像中定位臉部位置，然後進行「對齊」——將臉部旋轉、縮放、裁切到標準化的位置和大小，使所有訓練圖像中臉部的位置和比例一致。這一步驟就像把所有食材切成相同大小，才能均勻烹調。

步驟三：遮罩處理。 在訓練和合成過程中，需要區分「臉部區域」和「背景區域」。遮罩（Mask）是一張黑白圖，白色表示臉部（需要處理的區域），黑色表示背景（原封不動保留）。精細的遮罩處理可以避免換臉後出現明顯的邊界瑕疵。

步驟四：模型訓練。 將處理好的圖像餵入神經網路，以反向傳播演算法反覆調整權重。訓練時間取決於硬體和資料量，從數小時到數天不等。訓練完成的模型約需數百 MB 至數 GB 的儲存空間。

步驟五：合成與後製。 將目標影片逐幀送入模型進行換臉，再將合成臉貼回原影片。後製階段通常包括邊緣羽化、顏色校正、光影調整等，使合成結果更加自然。部分工具還會使用「超解析度模型」提升合成臉的清晰度。

3-3 優點與限制

自動編碼器法的優點是：

• 架構簡單：易於理解和實現，開源工具成熟
• 訓練資料需求相對較低：數千張圖像即可產生可用結果
• 可控性高：可以精確控制「誰的臉換到誰身上」

限制也很明顯：

• 需要逐對訓練：每換一對新的組合（A→B）都要重新訓練模型
• 對光線和角度敏感：當目標影片的光線條件與訓練資料差異過大時，效果明顯下降
• 遮罩品質決定成敗：臉部邊界的處理不當會產生「面具感」

---

第四章：生成對抗網路——Deepfake 的「進化引擎」

4-1 GAN 的核心思想：偽造者與鑑定者的競賽

2014年，Ian Goodfellow 在論文中提出了生成對抗網路（Generative Adversarial Network, GAN）的概念。這個想法的精妙之處在於它引入了「對抗」的訓練機制。

GAN 由兩個神經網路組成：

• 生成器（Generator）：負責從隨機雜訊中生成圖像，目標是「騙過鑑別器」
• 鑑別器（Discriminator）：負責判斷輸入圖像是「真實的」還是「生成的」，目標是「識破生成器的謊言」

這兩個網路在訓練過程中不斷相互對抗。生成器試圖生成越來越逼真的圖像，而鑑別器則努力學習分辨真偽。這個過程可以用一個比喻來理解：

生成器是偽鈔製造者，鑑別器是驗鈔員。製造者不斷改良印刷技術，讓偽鈔越來越像真的；驗鈔員則不斷研究偽鈔的特徵，提升辨識能力。兩者相互逼迫對方進步，最終製造者的技術好到連頂尖驗鈔員都無法分辨——這就是 GAN 訓練的目標狀態。

4-2 GAN 的數學原理

從數學角度來看，GAN 的訓練是一個「極小極大遊戲」（Minimax Game）。鑑別器 D 試圖最大化正確分類真實圖像和生成圖像的機率，而生成器 G 試圖最小化鑑別器的正確率。損失函數可以寫成：

min_G max_D V(D, G) = E[log D(x)] + E[log(1 – D(G(z)))]

其中 x 是真實圖像，z 是隨機雜訊，D(x) 是鑑別器判斷 x 為真實的機率，G(z) 是生成器從雜訊生成的圖像。

當訓練達到「納許均衡」（Nash Equilibrium）時，生成器產出的圖像分佈與真實圖像分佈完全重合，鑑別器無法分辨真偽，只能隨機猜測（輸出機率為 50%）。

4-3 GAN 在 Deepfake 中的應用

GAN 的出現將 Deepfake 推進到全新境界。相較於自動編碼器法的「編輯既有內容」，GAN 可以「憑空生成」不存在的人臉和場景。幾種代表性的應用包括：

StyleGAN（2018-2019，NVIDIA）：可以生成解析度高達 1024×1024 的逼真人臉，其生成的假人臉在「This Person Does Not Exist」網站上廣為流傳，許多人第一次看到時完全無法相信這些臉孔不存在於現實世界。

Pix2Pix 與 CycleGAN（2017，UC Berkeley）：前者實現了「圖像到圖像的翻譯」，例如將素描轉換成照片、將白天場景轉換成夜晚；後者更進一步，不需要配對的訓練資料，就能實現風格轉換——這正是「將 A 的畫風應用到 B 的照片上」這類應用的基礎。

GANimation（2018）：專門用於臉部表情的操縱，可以根據「目標表情」的參數，將靜態人臉照片轉換為帶有特定表情的圖像，實現「讓照片中的人微笑」甚至「讓照片中的人眨眼」。

StarGAN（2018）：單一模型即可執行多種「圖像到圖像」的轉換任務，例如同時完成「改變髮色」「改變性別」「改變年齡」等多種操作，不需要為每種轉換訓練獨立模型。

4-4 GAN 的訓練困難

GAN 的強大能力伴隨著嚴重的訓練困難。實務上，GAN 的訓練被形容為「走鋼索」：

• 模式崩潰（Mode Collapse）：生成器找到一種能騙過鑑別器的「偷懶方式」，之後只生成極度相似的圖像，缺乏多樣性。例如生成器可能只學會生成某一種角度的人臉，不管輸入什麼雜訊都輸出幾乎相同的結果。
• 訓練不穩定：生成器和鑑別器之間的平衡極難掌握。如果鑑別器太強，生成器永遠學不會；如果生成器太強，鑑別器失去作用，訓練也無法繼續。
• 梯度消失：當鑑別器完美分類時，生成器的梯度趨近於零，無法更新參數。

為了解決這些問題，研究者提出了多種改良版本：WGAN（Wasserstein GAN）改變損失函數以穩定訓練；DCGAN 引入卷積結構提升品質；Progressive GAN 從低解析度開始逐步增加解析度，大幅提升了生成品質和訓練穩定性。

---

第五章：擴散模型——新一代 Deepfake 的核心引擎

5-1 從「對抗」到「去噪」：典範轉移

2022年以降，擴散模型（Diffusion Model）取代 GAN 成為生成模型的主流。Stable Diffusion、DALL-E 2、Midjourney 等轟動全球的圖像生成模型，全部基於擴散模型的原理。

擴散模型的核心思想與 GAN 截然不同。GAN 是「對抗式」的——兩個網路相互競爭；擴散模型則是「循序漸進式」的——先學會破壞，再學會修復。

訓練過程分為兩個階段：

前向擴散（Forward Diffusion）：取一張真實圖像，逐步加入高斯雜訊。經過足夠多的步驟（通常為 1000 步）後，圖像完全變成純隨機雜訊，原本的內容完全不可辨識。

反向擴散（Reverse Diffusion）：訓練一個神經網路，學習「從雜訊中逐步恢復圖像」。給它一張加了雜訊的圖像和步驟編號，它要預測並移除雜訊，使圖像「往回一步」。訓練完成後，這個網路就能從純雜訊開始，一步步「去噪」，最終生成一張全新的圖像。

5-2 為什麼擴散模型比 GAN 更強？

擴散模型之所以在近年迅速取代 GAN 成為主流，有以下關鍵優勢：

比較面向	GAN	擴散模型
訓練穩定性	極不穩定，容易模式崩潰	相對穩定，損失函數平滑
生成多樣性	容易陷入模式崩潰，多樣性受限	多樣性極佳，能覆蓋更廣的資料分佈
生成品質	早期較高，但解析度受限	可達極高解析度（1024×1024 以上）
條件控制	較困難	透過文字提示等條件引導，控制能力強
運算成本	訓練較快，生成極快	訓練較慢，生成需多次迭代（較慢）

簡言之，GAN 在「生成速度」上仍有優勢，但在「生成品質」「多樣性」「可控性」等關鍵指標上，擴散模型全面勝出。

5-3 擴散模型在 Deepfake 中的應用

擴散模型的出現，讓 Deepfake 從「需要大量目標人物影像的換臉」進化為「僅需少數幾張照片即可生成新內容」。代表性的應用包括：

DreamBooth（Google，2022）：只需三到五張目標人物的照片，就能將該人物「教導」給預訓練的擴散模型。之後，使用者可以透過文字提示，讓模型生成該人物在各種場景、服裝、姿態下的圖像。這項技術被廣泛用於生成公眾人物的假照片。

LoRA（Low-Rank Adaptation，2023）：一種輕量化的模型微調技術，可以在不修改原始模型權重的前提下，用極少的額外參數（通常僅數 MB）教會模型生成特定人物的臉。LoRA 大幅降低了 Deepfake 的門檻——任何人只要有幾張目標人物的照片，就能在個人電腦上訓練出可用的模型。

ControlNet（2023）：為擴散模型添加精確的結構控制能力。使用者可以提供姿勢骨架、邊緣圖、深度圖等條件，讓生成內容精確符合指定的結構。在 Deepfake 場景中，這意味著可以強制生成的人臉符合特定的角度、表情和姿勢。

AnimateDiff（2023）：將靜態圖像生成擴展到動態影片生成，讓擴散模型能產生連貫的短影片片段。這項技術結合人臉生成模型後，可以憑空生成「不存在的人」的動態影片。

5-4 從圖像到影片：時間一致性的挑戰

擴散模型在靜態圖像生成上已經相當成熟，但應用於影片時面臨一個獨特的挑戰：時間一致性（Temporal Consistency）。

如果逐幀獨立生成影片的每一幀，雖然每一幀看起來都很逼真，但幀與幀之間會出現「跳動」——臉部細節、光影、背景在連續幀之間產生不自然的變化。這是因為模型沒有「記住」前一幀的內容。

解決方案包括：

• 時序注意力機制：讓模型在生成當前幀時，同時「關注」前後幀的內容，確保一致性
• 潛在空間插值：在低維度的潛在空間中進行平滑的軌跡規劃，再解碼為連續幀
• 光流引導：利用光流估計前一幀與當前幀之間的運動關係，引導生成過程保持連貫

這些技術的成熟，使得2024年以後的 Deepfake 影片品質達到了前所未有的水準——肉眼幾乎無法僅憑「看起來怪怪的」來辨識。

---

第六章：即時 Deepfake——從離線處理到即時合成

6-1 即時換臉的技術挑戰

早期的 Deepfake 需要數小時甚至數天的離線處理，因為每處理一秒鐘的影片就需要進行數十次神經網路前向傳播。要在「即時」情境下完成換臉——例如視訊通話中的即時替換——需要克服幾個巨大挑戰：

運算速度：即時換臉需要每秒處理至少 25 至 30 幀畫面，每幀都要完成「人臉偵測 → 對齊 → 編碼 → 解碼 → 貼回」的完整流程。在 1080p 解析度下，這意味著每秒要執行數十億次浮點運算。

延遲控制：即使運算速度夠快，整個流程的「端到端延遲」（從攝影機捕捉到顯示輸出）也必須低於人類能察覺的閾值。一般而言，視訊通話的延遲若超過 200 毫秒，使用者就會感到不自然。

品質與速度的權衡：高品質的換臉模型通常運算量龐大，要達到即時運算勢必犧牲品質。如何在速度和品質之間找到平衡，是即時 Deepfake 的核心工程挑戰。

6-2 輕量化模型與硬體加速

即時 Deepfake 的實現，仰賴以下幾項關鍵技術：

模型蒸餾（Knowledge Distillation）：用一個大型、高品質的「教師模型」教導一個小型、高效率的「學生模型」。學生模型學習模仿教師模型的輸出，但參數量可能僅為教師的十分之一甚至更低，運算速度因此大幅提升。

量化（Quantization）：將神經網路的權重從 32 位元浮點數壓縮為 16 位元、8 位元甚至更低的精度。8 位元量化的模型在專用硬體上可以快 4 倍以上，而品質損失在許多應用中幾乎不可察覺。

張量核心與 NPU：NVIDIA 的 GPU 中配備了專門加速矩陣運算的「張量核心」（Tensor Core），而手機中的「神經處理單元」（Neural Processing Unit, NPU）則針對神經網路推理進行了硬體級優化。這些專用硬體使得在消費級裝置上執行即時換臉成為可能。

Ghost 模組與深度可分離卷積：這些輕量化的網路架構大幅減少了卷積運算的計算量。例如 MobileNet 系列模型在手機上即可即時執行，而 GhostFaceNets 則實現了極輕量的人臉辨識。

6-3 即時 Deepfake 的實際應用

即時換臉技術已經在現實世界中出現，包括：

視訊詐騙：2024年香港警方揭露的案件中，詐騙集團在視訊會議中使用即時換臉技術，將自己的臉替換成公司高層，成功騙取鉅額匯款。

直播換臉：部分直播主使用即時換臉技術，讓自己在直播中呈現完全不同的外貌。這在娛樂產業可能被視為「虛擬化身」，但也引發了身份欺騙的爭議。

虛擬客服與數位人：企業開始使用即時合成的「數位人」擔任客服、導覽等角色。這些數位人的臉可能是完全虛構的，也可能是經過授權的真實人物形象。

電影製作：好萊塢已開始使用即時換臉技術進行「預視覺化」（Previsualization），讓導演在拍攝現場即時看到演員「變老」「變年輕」或「變成另一個人」的效果。

---

第七章：語音 Deepfake——聲音的偽造

7-1 語音合成技術的演進

Deepfake 的範疇不僅限於影像，語音偽造同樣是嚴重的威脅。語音合成的技術演進歷程：

傳統拼接式合成（1990s-2010s）：將錄製的大量語音片段切割為「音素」（語言的最小發音單位），再根據目標句子拼接組合。缺點是自然度低，拼接處常有斷裂感。

參數式合成（2000s-2010s）：使用統計模型（如隱馬可夫模型）學習語音的聲學參數，再從參數合成語音。比拼接式流暢，但音質較為機械。

神經網路語音合成（2016-至今）：WaveNet（DeepMind，2016）首次展示了基於深度學習的語音合成，生成品質接近人聲。Tacotron 系列（Google，2017-2018）實現了「文字到語音」的端到端神經網路合成。

零樣本語音複製（2021-至今）：VALL-E（Microsoft，2023）等模型只需三秒鐘的目標說話者音訊，即可生成該聲音說出任意內容的語音。GPT-SoVITS、OpenVoice 等開源模型進一步降低了門檻。

7-2 語音複製的技術原理

現代語音複製技術通常採用以下架構：

說話者編碼器（Speaker Encoder）：從目標說話者的語音樣本中提取「聲紋特徵」，包括音色、音高、語速、韻律等。這個特徵向量代表「這個人的聲音聽起來是什麼樣子」。

文字編碼器（Text Encoder）：將目標文字轉換為音素序列和韻律標記，表示「要說什麼」以及「怎麼說」。

聲碼器（Vocoder）：將聲學特徵轉換為實際的音訊波形。現代的聲碼器（如 HiFi-GAN、WaveGlow）基於神經網路，能生成高保真的音訊。

合成的過程是：將「說話者的聲紋特徵」與「目標文字的語音特徵」結合，送入聲碼器生成音訊。結果是目標文字以目標說話者的聲音「說出來」。

7-3 語音 Deepfake 的風險場景

語音偽造的風險可能比影像偽造更為迫切，原因在於：

• 訓練資料需求極低：現代模型只需幾秒到幾分鐘的音訊樣本即可複製聲音，而影像換臉需要大量照片
• 電話是天然的傳播管道：電話通話的音質較低，正好掩蓋了合成語音中的微小瑕疵
• 缺乏視覺輔助線索：在純語音通話中，受害者無法依靠視覺線索來判斷對方身份

具體的風險場景包括：

假冒家人求救：詐騙集團複製受害者親友的聲音，撥打電話謊稱遭遇緊急事故需要匯款。2023年美國聯邦貿易委員會發布警報，此類「緊急詐騙」案件激增。

偽造商業指令：複製公司高層的聲音，透過語音訊息向財務部門下達匯款指令。2024年香港某公司的財務人員因此損失超過 2500 萬美元。

偽造政治聲明：生成政治人物的虛假語音，在社群媒體上散布不實言論，可能影響輿論甚至選舉。

---

第八章：如何辨識 Deepfake？——從肉眼觀察到技術偵測

8-1 視覺線索：人眼能觀察到的破綻

隨著技術進步，肉眼辨識 Deepfake 的難度持續提升，但仍有一些值得注意的線索：

生理訊號不一致：

• 眨眼頻率異常：部分早期 Deepfake 中的人物幾乎不眨眼或眨眼不自然
• 瞳孔反射不一致：真實人臉的雙眼中應有相同的環境反射，Deepfake 可能出現左右眼反射不同的情況
• 膚色與頸部色差：換臉區域與頸部、耳後的膚色可能出現不連續
• 牙齒細節異常：牙齒的數量和形狀是生成模型容易出錯的區域

物理一致性：

• 光影方向矛盾：臉部的陰影方向與環境光源不符
• 頭髮與臉部交界：髮絲穿過臉部的細節極難偽造，邊界處可能出現模糊或異常
• 飾品變形：耳環、眼鏡等飾品可能在臉部變形時出現扭曲

運動異常：

• 頭部轉動時的「閃爍」：大幅轉頭時，合成臉可能短暫失去追蹤，出現跳動
• 表情與情緒不匹配：嘴角上揚但眼睛周圍沒有相應的肌肉收縮

8-2 技術偵測方法：以 AI 對抗 AI

依賴肉眼辨識越來越不可靠，研究者開發了多種基於 AI 的偵測方法：

偵測方法	原理	優點	限制
頻率分析	生成模型在上採樣過程中會在圖像的頻率域留下特定痕跡	對 GAN 生成的內容效果極佳	對擴散模型生成內容的效果下降
生理訊號偵測	分析影片中人物的心跳、呼吸等微訊號，判斷是否為真人	難以被生成模型模仿	需要足夠解析度和長度的影片
臉部邊界分析	偵測臉部與背景交界處的像素異常	對換臉型 Deepfake 有效	對全臉生成型無效
深度學習分類器	訓練卷積神經網路分辨真偽影片	可持續更新適應新技術	容易過擬合，泛化能力受限
來源驗證	透過區塊鏈或數位簽章驗證媒體的來源和完整性	最根本的防禦	需要產業鏈配合，短期內難以普及

8-3 台灣與全球的偵測工具

多個組織已開發出可用的 Deepfake 偵測工具：

Microsoft Video Authenticator：微軟開發的工具，可以分析影片並輸出「操縱機率」分數。已提供給新聞機構和選舉機關使用。

Deepware Scanner：開源社群開發的偵測工具，可掃描影片中的 Deepfake 痕跡，提供網頁版和 API 介面。

Sensity AI：商業化的 Deepfake 偵測服務，被多家金融機構和社群平台採用。

Taiwan AI Labs 的 Deepfake 檢測服務：臺灣人工智慧實驗室開發的偵測系統，針對亞洲人臉進行了在地化優化，曾協助臺灣事實查核中心辨識多起 Deepfake 事件。

國立臺灣大學的「假訊息研究中心」：致力於開發針對繁體中文語境和亞洲人臉的 Deepfake 偵測技術。

8-4 辨識 Deepfake 的實用策略

單一線索不可靠，綜合多種訊號才是務實的做法：

「多因素驗證」思維：不依賴單一證據判斷真偽。如果一段影片的內容令人震驚，嘗試從其他獨立來源驗證同一事件是否被報導。

檢查來源與脈絡：影片是誰發布的？原始來源是什麼？發布時間與宣稱的事件時間是否吻合？影片是否經過多次轉傳導致品質下降？

注意情緒操縱：Deepfake 的傳播往往利用強烈情緒——憤怒、恐懼、同情——來降低受眾的批判性思考。當一段內容讓你情緒高漲時，先停下來深呼吸，再做判斷。

善用反向影像搜尋：將影片截圖上傳至 Google Images 或 TinEye，檢查該畫面是否曾出現在其他脈絡中。

---

第九章：法律與倫理——全球與臺灣的因應

9-1 臺灣的法律框架

臺灣在 Deepfake 相關立法上起步較早，2023年修訂的《刑法》已納入相關條文：

《刑法》第 339 條之 4（加重詐欺罪）：利用 Deepfake 技術進行詐欺，可處一年以上七年以下有期徒刑，得併科一百萬元以下罰金。

《刑法》第 235 條（散布猥褻物品罪）：製作或散布以 Deepfake 技術合成的不雅影片，可處有期徒刑。

《個人資料保護法》：未經同意處理他人的臉部影像等生物特徵資料，可能違反個資法，最高可處五百萬元罰鍰。

《兒童及少年性剝削防制條例》：利用 Deepfake 技術生成未成年人的性影像，加重處罰。

2024年，立法院進一步審議「人工智慧基本法」草案，其中對生成式 AI 的標示義務、資料治理、風險分級等提出規範框架。

9-2 全球立法趨勢

歐盟：《人工智慧法案》（AI Act）於2024年正式生效，將 Deepfake 歸類為「有限風險」AI 系統，要求生成內容必須明確標示為人工生成。違反者最高可處全球營業額 7% 的罰款。

美國：聯邦層面尚無統一立法，但多州已通過相關法律。加州 2019 年立法禁止在選舉前 60 天內散布候選人的 Deepfake 影片；德州、紐約州等地也通過了針對非自願色情 Deepfake 的刑事處罰。

中國：2023年實施的《互聯網信息服務深度合成管理規定》要求深度合成服務提供者對生成內容添加不可移除的標識，並實名制管理使用者。

南韓：2020年修訂《性暴力犯罪處罰特例法》，將製作和散布 Deepfake 色情內容定為刑事犯罪，最高可處五年有期徒刑。

9-3 倫理困境與未解難題

法律無法解決所有問題。Deepfake 引發的倫理挑戰包括：

藝術自由與侵害的界線：諷刺性 Deepfake（如政治諷刺影片）受到言論自由保護，但如何界定「諷刺」與「惡意欺騙」的界線？

「數位復活」的倫理：電影產業已開始使用 Deepfake 技術讓已故演員「重新演出」。這種做法是否應獲得家屬同意？已故者的肖像權如何保護？

舉證責任的翻轉：「眼見不為憑」的時代，任何人都有可能聲稱「這是 Deepfake」來否認真實的影像證據。司法體系如何因應這種「騙子紅利」（Liar’s Dividend）的風險？

偵測技術的軍備競賽：每當偵測技術進步，生成技術也在同步進化。這種永無止境的競賽，是否可能走向「無法偵測」的終點？如果那一天到來，社會該如何運作？

---

第十章：防禦與反擊——個人、組織與社會的因應策略

10-1 個人層面的防禦

保護你的生物特徵資料：

• 社群媒體上的高解析度正面照是 Deepfake 的最佳訓練素材，適度調整隱私設定
• 避免公開長時間、高品質、正面直視鏡頭的影片
• 對陌生人請求視訊通話保持警覺

建立「驗證文化」：

• 家人之間可以約定「暗號」或「密語」，用於緊急情況下的身份驗證
• 接到可疑的語音或視訊請求時，主動回撥確認
• 對於涉及金錢交易的任何通訊，使用第二種獨立管道驗證

提升媒體素養：

• 了解 Deepfake 技術的能力和限制，認識到「看起來真實」不等於「真實」
• 在分享令人震驚的內容前，先進行基本的來源查證
• 關注可靠的事實查核機構，如臺灣事實查核中心、MyGoPen 等

10-2 組織層面的防禦

金融機構：

• 在視訊身份驗證流程中引入「活體檢測」：要求使用者執行隨機動作（如轉頭、眨眼、念出隨機數字）
• 超過一定金額的交易，強制使用多重驗證管道
• 部署 AI 偵測工具輔助人工審查

媒體機構：

• 建立「來源驗證」標準作業程序，對來路不明的影片先做技術分析再決定是否採用
• 使用內容來源與真實性聯盟（C2PA）等標準，為發布的內容添加數位簽章
• 培訓記者和編輯辨識 Deepfake 的基本能力

企業：

• 將 Deepfake 風險納入資安培訓教材
• 建立「緊急情況驗證協議」：任何涉及金錢或敏感資訊的緊急通訊，必須透過預先約定的第二管道確認
• 考慮採用企業級的通訊加密與身份驗證方案

10-3 社會層面的因應

教育體系：將媒體素養和 AI 倫理納入中小學課程，培養下一代對合成媒體的批判性思考能力。

事實查核生態系：支持獨立事實查核機構的運作，建立快速回應的查核機制，在假訊息擴散前即時澄清。

技術標準：推動 C2PA（內容來源與真實性聯盟）等內容溯源標準的普及，讓真實媒體具有可驗證的「數位出生證明」。

跨國合作：Deepfake 的傳播不受國界限制，需要國際間的資訊共享和聯合執法機制。

---

常見問答（FAQ）

Q1：Deepfake 和一般的 Photoshop 修圖有什麼不同？

Photoshop 是人工手動編輯，需要專業技能和大量時間，而且編輯痕跡通常可以被專業人士偵測。Deepfake 利用深度學習模型自動生成或操縱內容，速度快（可以是即時的）、規模大（可以大量生成），且生成的內容在像素層面上是「全新」的，傳統的編輯偵測方法往往失效。

Q2：製作 Deepfake 需要很強的技術能力嗎？

2024年的答案是：不需要。多款手機應用程式提供「一鍵換臉」功能，使用者只需上傳一張照片和一段影片即可完成。更高品質的 Deepfake 需要一定的技術知識，但開源工具的教學資源豐富，有心學習者在數週內即可掌握基本操作。門檻的降低是 Deepfake 氾濫的主要原因之一。

Q3：Deepfake 可以被 100% 偵測出來嗎？

目前不能。偵測技術和生成技術處於持續的「軍備競賽」狀態。最先進的生成模型產出的內容，即使是頂尖偵測系統的準確率也難以達到 100%。而且偵測模型往往對訓練時未見過的新生成方法表現不佳。因此，偵測工具應作為輔助手段，而非唯一防線。

Q4：如果我的臉被用來製作 Deepfake，我可以採取什麼法律行動？

在臺灣，你可以依據《個人資料保護法》主張未經同意處理個人生物特徵資料的損害賠償。如果是被用於色情內容，可能觸犯《刑法》相關條文。實務上，第一步是保存證據（截圖、網址、時間戳記），然後向警方報案或尋求律師協助。臺灣事實查核中心和 iWIN 網路內容防護機構也能提供相關協助。

Q5：AI 生成的「不存在的人」算不算 Deepfake？

廣義上算。Deepfake 的定義已擴展到涵蓋所有利用深度學習生成的合成媒體，包括完全虛構的人臉和人物。這類「全生成」內容在詐騙（建立假身份）和散布虛假資訊（偽造「目擊者」）方面具有很大的濫用潛力。

Q6：Deepfake 技術有沒有正面的應用？

有，而且不少。電影產業使用 Deepfake 進行特效製作和「減齡」處理；醫療領域使用合成影像擴充訓練資料；語言學習應用程式使用語音合成提供真人般的發音示範；遊戲產業使用即時換臉讓玩家化身為角色。技術本身是中性的，關鍵在於用途和是否經過當事人同意。

Q7：區塊鏈技術能解決 Deepfake 問題嗎？

區塊鏈可以作為內容溯源系統的一部分：在媒體內容產生時記錄其數位指紋和來源資訊，之後任何修改都會導致指紋不匹配。C2PA 等標準正在推動這種「內容憑證」的普及。然而，區塊鏈無法解決所有問題——如果造假者從頭到尾都使用偽造的「來源資訊」來發布內容，區塊鏈只能驗證「這個來源發布了這個內容」，無法驗證「內容本身是否真實」。

Q8：臺灣有專門處理 Deepfake 案件的單位嗎？

刑事警察局的「科技犯罪防制中心」負責偵辦網路科技犯罪案件，包括 Deepfake 相關案件。此外，iWIN 網路內容防護機構處理網路不當內容的申訴，臺灣事實查核中心則提供事實查核服務。一般民眾遭遇 Deepfake 侵害時，建議先向警方報案，同時可向上述機構尋求專業協助。

---

結語：在「後真相」時代保持清醒

Deepfake 技術的出現，迫使人類面對一個前所未有的哲學困境：當我們最信任的感官——視覺和聽覺——不再可靠時，我們該相信什麼？

這個問題沒有簡單的答案。技術的進步不會停止，生成模型的品質只會越來越好，偵測的難度只會越來越高。但人類的適應力也不容小覷。歷史上，每一次媒體技術的革命——從印刷術到攝影術，從廣播到網路——都伴隨著信任危機和社會調適的過程。Deepfake 只是這個漫長歷程中的最新一章。

面對 Deepfake，最有效的防禦不是任何單一的技術工具，而是思維方式的轉變：從「眼見為憑」轉變為「多重驗證」，從「被動接收」轉變為「主動查證」，從「情緒反應」轉變為「理性判斷」。

理解 Deepfake 的技術原理，正是這個轉變的起點。當你知道這些逼真假影片是如何被製造出來的，你就擁有了抵抗它們的第一道防線。

---

作者簡介

陳立恆，國立臺灣大學資訊工程學博士候選人，研究領域為電腦視覺與生成式模型。曾任職於臺灣人工智慧實驗室（Taiwan AI Labs），參與 Deepfake 偵測系統的開發與測試。目前為獨立資安顧問，協助金融機構與媒體組織建構合成媒體的防禦機制。長期在《數位時代》、《資安人》等媒體撰寫 AI 安全專欄，並於各大專院校開設「AI 與媒體素養」工作坊。著有《演算法如何騙了你：AI 時代的媒體識讀指南》一書（2025年出版）。

當謊言穿上異國的外衣：AI假影片的多語言傳播生態與治理路徑

2024年初，一段聲稱是烏克蘭總統澤倫斯基呼籲士兵放下武器的深偽影片，在短短數小時內被翻譯成至少六種語言，透過Telegram與X平台迅速擴散。這段影片的英語版本很快被事實查核機構標記，但當它被翻譯成阿拉伯語、西班牙語、印尼語和斯瓦希里語後，卻在非英語社群中持續流傳了數週之久。這個案例揭示了一個令人不安的現實：AI生成的虛假影音內容，正在利用語言的屏障，在全球資訊生態中建立一塊又一塊難以監管的「黑暗飛地」。

多語言AI假影片的威脅，早已不只是技術問題。它是一場關於資訊信任、平台治理與全球協作的系統性危機。當一段深偽影片以英語發布時，它面對的是相對成熟的事實查核網絡、媒體素養教育體系與平台審核機制。但當同一段影片被翻譯成旁遮普語、他加祿語或豪薩語，它便進入了一個監管資源稀缺、查核能力薄弱、平台演算法理解不足的資訊真空地帶。本文將深入探討多語言AI假影片的傳播機制、監控技術、法律框架與移除策略，並提出一套兼顧效率與人權的綜合治理路徑。

第一章：語言即邊界——為何多語言AI假影片成為治理黑洞

1.1 語言不對稱的資訊生態

全球資訊生態從未是平坦的。英語長期佔據著事實查核資源、平台審核能力與學術研究的主導地位。根據杜克大學記者實驗室的統計，全球活躍的事實查核組織超過四百家，其中超過六成以英語為主要工作語言，而全球以英語為母語或第二語言的人口僅佔總人口約兩成。這意味著，當一段AI假影片以英語發布時，它會被迅速捕捉、標記、降級甚至移除；但當它以孟加拉語、烏爾都語或斯瓦希里語流傳時，查核資源的覆蓋率可能趨近於零。

這種語言不對稱，被研究者稱為「查核鴻溝」（fact-checking gap）。AI生成技術的普及，使得製造多語言版本的假影片成本急劇下降。過去，要將一段虛假影片翻譯成多種語言，需要人工配音、字幕翻譯與後期製作，成本高昂且耗時。如今，生成式AI可以在數分鐘內完成語音合成、唇形同步與字幕生成，且品質足以欺騙一般觀眾。成本曲線的崩塌，使得惡意行為者得以實施「語言游擊戰」：將同一段假影片大量翻譯成查核資源最薄弱的語言，在監管真空地帶實現最大傳播效益。

1.2 演算法的語言盲區

平台內容審核系統同樣存在語言偏斜。Facebook、YouTube與TikTok的AI內容審核模型，在英語、西班牙語、中文等「高資源語言」上表現相對可靠，但在低資源語言上的準確率顯著下降。這並非單純的技術限制，而是訓練資料分佈不均的結構性問題。當一段AI生成的假影片以英語發布時，平台的自動檢測系統可能能在發布後數分鐘內識別異常；但當它以奧羅莫語或高棉語發布時，系統可能根本無法理解影片中的語音內容，遑論判斷其真偽。

更令人擔憂的是，平台的推薦演算法可能無意中加劇了多語言假影片的傳播。研究顯示，低資源語言的內容審核鬆懈，使得虛假資訊在這些語言社群中的「存活時間」顯著更長。而演算法基於互動率的推薦邏輯，會將這些未被標記的虛假內容推送給更多使用者，形成一個自我強化的傳播迴圈。換言之，演算法的語言盲區，正在成為惡意行為者策略性利用的結構漏洞。

1.3 社群封閉性與資訊孤島

多語言AI假影片的傳播，往往發生在高度封閉的社群生態中。許多非英語社群的資訊交流，集中在WhatsApp群組、Telegram頻道、LINE群組或Facebook私密社團中。這些封閉空間的端對端加密特性，使得外部監控幾乎不可能；而社群內部的信任關係，則大幅降低了成員對資訊的警覺性。當一段AI生成的假影片以當地語言、由群組內的熟人轉發時，其可信度遠高於來自陌生來源的英語內容。

這種社群封閉性也阻礙了事實查核資訊的逆向滲透。即使某段假影片的英語版本已被查核並標記為虛假，查核結果卻難以進入這些封閉的非英語社群。語言障礙加上平台隔離，形成了一個事實查核無法觸及的「資訊死區」。惡意行為者深諳此道，他們往往選擇在封閉社群中首發多語言版本的假影片，待其充分發酵後，再讓其「溢出」至開放平台，此時已難以追溯源頭。

第二章：威脅光譜——多語言AI假影片的類型學與案例剖析

2.1 類型學框架：動機、目標與形式

要有效應對多語言AI假影片，首先需要建立一個清晰的威脅分類框架。基於惡意行為者的動機、目標受眾與內容形式，可以將多語言AI假影片劃分為以下幾類：

政治操縱型：以影響選舉、煽動政治對立或破壞政治人物聲譽為目標。此類影片往往選擇在選舉前夕發布，針對特定語言的選民族群。典型案例包括2023年斯洛伐克大選前流傳的深偽音檔，內容為候選人討論操縱選舉，被翻譯成匈牙利語與羅姆語以影響少數族裔選民。

社會分裂型：旨在加劇族群、宗教或階級對立。此類影片常利用目標社群內部的歷史傷痕或敏感議題，以當地語言製作煽動性內容。印度曾出現多起以地方語言製作的深偽影片，內容涉及虛構的宗教褻瀆事件，引發大規模社群衝突。

金融詐騙型：利用深偽技術冒充名人或權威人士，以當地語言推銷虛假投資或詐騙產品。這類影片在東南亞、拉丁美洲與非洲的擴散尤為嚴重，詐騙者利用深偽技術讓知名企業家或政治人物「代言」虛假投資平台，並以當地語言配音以提高可信度。

健康虛假資訊型：在公共衛生危機期間傳播虛假醫療建議或恐嚇性內容。新冠疫情期間，多語言深偽影片曾冒充世界衛生組織官員，以多種非洲語言散布虛假疫苗資訊，對疫苗接種率造成實際損害。

戰爭與衝突資訊戰：在武裝衝突或地緣政治緊張期間，以多語言深偽內容進行心理戰。俄烏戰爭與以哈衝突期間，雙方陣營均曾被指控使用AI生成的假影片，以敵方語言或第三方語言散布虛假戰況、偽造領導人聲明等。

2.2 典型傳播路徑剖析

多語言AI假影片的傳播並非隨機的，而是遵循著可辨識的模式。透過對數十個案例的回溯分析，可以勾勒出一條典型的傳播鏈：

第一階段：源頭製造。惡意行為者使用生成式AI工具製作深偽影片，通常選擇一個「高可信度」的原始語言版本（如英語或當地主流語言）作為母版。此時的影片品質往往經過精心打磨，以確保能通過初步的技術檢測。

第二階段：語言本地化。使用AI翻譯與語音合成工具，將母版影片快速轉換為多個語言版本。值得注意的是，這一階段的翻譯品質可能參差不齊，但惡意行為者依靠的是「夠用就好」的原則——只要目標受眾能理解核心訊息，語法錯誤或口音不自然反而可能被視為「真實的在地表達」。

第三階段：封閉社群首發。多語言版本首先被投放到目標語言社群的封閉空間——WhatsApp群組、Telegram頻道、Facebook私密社團。這些空間的加密與私密性使得外部監控難以介入，而社群內的信任關係加速了內容的接受與轉發。

第四階段：跨平台溢出。當內容在封閉社群中獲得足夠的互動量後，演算法開始將其推送至開放平台。此時，內容可能已經經過多次轉發與再加工，溯源困難，且由於缺乏原始語境，查核工作更加複雜。

第五階段：查核與反制的時間差。事實查核組織可能最終會注意到這些內容，但從發布到查核到發布查核結果之間的時間差，往往足以讓虛假資訊完成其主要傳播週期。更糟的是，查核結果往往無法有效回流至最初傳播的封閉社群。

第三章：監控技術的現狀與瓶頸

3.1 深偽檢測技術的進展與局限

過去五年，深偽檢測技術取得了顯著進展。卷積神經網路、視覺Transformer與多模態學習等技術的應用，使得檢測模型在特定基準測試上的準確率已超過九成。然而，這些令人鼓舞的數字掩蓋了一個關鍵問題：絕大多數檢測模型的訓練資料，都是以英語和高資源語言為主。

深偽檢測的核心方法可以分為幾類：生理訊號分析（檢測眨眼頻率、脈搏訊號、膚色變化等）、生成痕跡檢測（識別GAN或擴散模型留下的數位指紋）、語音與唇形同步分析（檢測音畫不同步的細微異常）、以及語意一致性分析（判斷內容是否符合已知事實）。這些技術在實驗室環境中表現出色，但在真實世界的多語言情境下，面臨著一系列嚴峻挑戰。

首先是語音檢測的語言依賴性。現有的語音深偽檢測模型，對英語的檢測準確率遠高於其他語言。當面對低資源語言的合成語音時，模型往往無法有效區分真實與虛假。這部分是因為低資源語言的語音資料不足以訓練出穩健的檢測模型，部分是因為不同語言的語音特徵差異，使得在英語上訓練的模型難以泛化。

其次是影像檢測的跨文化盲區。某些檢測方法依賴於對人臉細微表情或生理訊號的分析，但這些特徵在不同族裔、不同膚色的人群中存在差異。研究顯示，部分深偽檢測模型對深膚色人臉的準確率明顯低於淺膚色人臉，這在多語言傳播情境中構成了嚴重的公平性問題——當假影片的目標受眾是非白人、非英語社群時，檢測系統本身就可能失靈。

3.2 多語言語音識別與內容理解的技術落差

監控多語言AI假影片的另一個關鍵環節，是語音轉文字與內容理解。即使平台能檢測到某段影片存在深偽特徵，若無法理解影片的語言內容，仍無法判斷其是否構成危害。當前，自動語音識別（ASR）技術在高資源語言上已達到接近人類的準確率，但在低資源語言上的表現仍然不穩定。

以非洲語言為例，非洲大陸有超過兩千種語言，其中大多數缺乏足夠的數位語料來訓練有效的ASR模型。當一段以豪薩語或約魯巴語配音的深偽影片發布時，平台的自動內容審核系統可能根本無法轉錄其語音內容，更遑論進行後續的危害判斷。這種技術落差，使得低資源語言社群成為了深偽內容的「安全港」。

即使ASR技術能成功轉錄，後續的內容理解也面臨挑戰。自然語言處理模型在低資源語言上的語意理解能力有限，難以準確判斷內容是否構成仇恨言論、虛假資訊或其他危害。而且，文化語境的差異使得基於英語訓練的危害分類器，可能對非英語內容做出錯誤判斷——將無害的在地表達誤判為危害，或將真正有害的內容漏判。

3.3 跨平台監控的結構性障礙

多語言AI假影片的傳播跨越平台邊界，但監控能力卻被平台邊界所切割。一個惡意行為者可以在一個平台製造深偽影片，透過加密通訊應用分發，最終在另一個平台實現病毒式傳播。每個平台都有自己的內容審核政策、檢測技術與移除流程，但這些系統之間缺乏有效的資訊共享與協調機制。

全球網路反恐論壇（GIFCT）等行業倡議嘗試建立跨平台內容共享機制，主要針對恐怖主義內容。但對於深偽影片，尤其是多語言深偽影片，跨平台協作仍處於萌芽階段。平台之間不願共享其檢測演算法的細節（出於商業機密考量），也不願承認其審核系統在某些語言上的失敗（出於公關考量），這使得惡意行為者得以在平台間的縫隙中游走。

更根本的問題是，平台內容審核的激勵機制偏向於「高資源語言優先」。由於英語使用者是平台廣告收入的主要來源，平台自然將更多的審核資源投入英語內容。低資源語言的內容審核，往往依賴於外包的內容審核員，這些審核員的語言能力、文化理解與工作條件都存在疑慮。當一個審核員需要在數秒內判斷一段他只能部分理解的語言內容是否違規時，錯誤不可避免。

第四章：法律與政策框架的全球拼圖

4.1 歐盟的開創性立法與其實施挑戰

歐盟在應對深偽內容方面走在前列。《數位服務法》（Digital Services Act, DSA）於2024年全面實施，對超大型線上平台施加了系統性風險評估與緩解的義務，明確將「透過深偽技術操縱的內容」納入監管範圍。DSA要求平台建立有效的內容審核機制，並對系統性風險（包括對民主進程與公共健康的威脅）進行定期評估與報告。

《人工智慧法》（AI Act）則採取了基於風險的分級監管方法，將深偽技術歸類為「有限風險」，要求生成式AI系統的提供者確保其輸出內容帶有可識別的標記，並要求深偽內容的發布者揭露其人工生成的本質。然而，這些規定的實際執行面臨重重困難。

首先是域外管轄的局限性。歐盟的監管權力原則上僅及於在歐盟境內提供服務的平台與在歐盟境內發布的內容。但多語言AI假影片的製造者往往位於歐盟境外，其內容透過境外伺服器或加密通訊應用傳播，歐盟的執法機構難以有效追蹤與制裁。

其次是語言覆蓋的不均衡。雖然DSA的條文本身是語言中立的，但其實際執行依賴於各成員國的監管機構與事實查核生態。歐盟有二十四種官方語言，但事實查核資源主要集中在英語、法語、德語和西班牙語。中東歐語言、波羅的海語言以及移民社群使用的非歐盟語言，在深偽內容的監控與查核上獲得的資源顯著不足。

4.2 美國的分散監管與第一修正案的張力

美國在深偽內容監管上採取了一種碎片化的路徑。聯邦層面缺乏專門針對深偽內容的綜合性立法，相關規定散見於各州法律與部門規章中。加州、德州、維吉尼亞州等已通過各自的深偽相關法律，主要針對選舉干預與未經同意的色情深偽內容。

第一修正案對言論自由的強力保護，使得美國在深偽內容監管上面臨獨特的憲法張力。深偽影片——尤其是涉及政治人物或公共議題的深偽內容——可能受到憲法保護，除非能證明其造成了「明確且立即的危險」或構成誹謗。這使得平台在移除深偽內容時更加謹慎，也使得政府難以建立強制性的移除機制。

這種分散監管模式對多語言深偽內容的治理尤為不利。聯邦層面的立法真空，使得跨州的深偽傳播難以統一應對；而各州法律的差異，則為惡意行為者提供了管轄套利的空間。更重要的是，美國的多語言社群（西班牙語、中文、越南語、韓語等）在深偽內容監管中往往處於盲區，因為州級監管機構缺乏語言能力來有效監控這些社群的內容生態。

4.3 全球南方的監管真空與能力赤字

對於全球南方的許多國家而言，深偽內容監管面臨著更為基本的挑戰：缺乏技術能力、法律框架與制度資源。許多非洲、南亞與拉丁美洲國家尚未制定專門針對深偽內容的法律，其內容監管依賴於過時的網路安全法或通訊法，這些法律在面對AI生成的影音內容時顯得捉襟見肘。

能力赤字是多層面的。技術層面，這些國家的監管機構缺乏檢測深偽內容的工具與專業知識；語言層面，官方語言的多樣性（如印度有二十二種官方語言）使得建立全面的監控體系極其困難；資源層面，事實查核組織數量稀少且資金不足，無法覆蓋眾多的語言社群。

這種監管真空，使得全球南方成為了多語言AI假影片的「測試場」與「傾銷地」。惡意行為者選擇在監管薄弱的地區先試行其深偽內容，觀察傳播效果與反制反應，然後再將策略複製到其他地區。這種「監管套利」的模式，使得全球南方的資訊生態成為了深偽內容的溫床，而這些地區的脆弱社群——教育程度較低、媒體素養不足、資訊來源單一的使用者——成為了最大的受害者。

4.4 國際協調的嘗試與困境

面對跨國界的多語言深偽威脅，國際社會嘗試建立協調機制。聯合國教科文組織（UNESCO）發布了《人工智慧倫理建議書》，呼籲各國在AI治理上採取協調行動。G7、G20等論壇也將深偽內容治理列入議程。然而，這些國際協調努力在實際效果上面臨著根本性的困境。

主權與管轄的衝突：各國對深偽內容的定義、危害評估與應對措施存在分歧。一個國家視為政治異議的深偽內容，另一個國家可能視為不可接受的虛假資訊。這種規範分歧，使得建立全球統一的深偽治理框架幾乎不可能。

地緣政治的干擾：在當前的地緣政治環境下，深偽治理本身成為了大國競爭的場域。某些國家被指控利用深偽技術進行境外資訊操縱，而這些國家則否認指控並反控對方。這種互不信任的氛圍，阻礙了有效的國際合作。

資源分配的不平衡：國際深偽治理倡議的資源，主要集中在高收入國家的機構與專案中。全球南方國家的監管機構與公民社會組織，在這些倡議中的參與度與受益度有限，這進一步加劇了全球治理能力的南北鴻溝。

第五章：移除策略的實務操作與倫理兩難

5.1 平台內容移除的政策迷宮

當AI假影片以多種語言散佈時，平台的移除政策往往陷入自相矛盾的境地。一方面，平台承諾迅速移除有害的虛假內容；另一方面，移除決策的準確性——尤其是在低資源語言情境下——難以保證，這使得平台在「移除不足」與「過度移除」之間搖擺不定。

以Meta為例，其深偽內容政策區分了「完全移除」與「標記降級」兩種處理方式。對於可能造成「即時身體傷害或干擾投票」的操縱媒體，平台會直接移除；對於其他操縱媒體，平台則採取事實查核標記與演算法降級。但在多語言情境下，這一區分的執行變得模糊不清。如果平台的檢測系統無法理解一段以奧羅莫語配音的深偽影片的內容，它如何判斷該影片是否構成「即時傷害」？

YouTube的政策同樣充滿內在張力。其社群準則禁止「技術性操縱的內容」，但執行依賴於使用者檢舉與自動檢測的結合。在多語言情境下，使用者檢舉的數量與品質都不足以形成有效的監控壓力，而自動檢測在低資源語言上的失靈，使得大量多語言深偽內容逃脫了平台的管控網絡。

5.2 移除流程的延遲與時間差問題

即使平台最終決定移除某段多語言AI假影片，從發布到移除之間的時間差，往往已經足夠讓內容完成其主要傳播週期。研究顯示，虛假資訊的傳播高峰通常出現在發布後的最初六至十二小時內，而事實查核與內容移除的平均時間差則在二十四至七十二小時之間。在多語言情境下，這一時間差可能進一步延長，因為查核人員需要額外的時間來識別語言、尋找母語查核員、進行翻譯與驗證。

這種時間差的危害性在危機情境中尤為突出。在自然災害、公共衛生緊急事件或武裝衝突期間，多語言深偽內容可能在數小時內造成實際損害——例如，一段以當地語言散佈「水庫即將潰堤」的深偽影片，可能在查核完成之前就引發大規模恐慌與撤離。

5.3 過度移除與言論自由的張力

在追求快速移除多語言深偽內容的同時，平台面臨著過度移除的風險。當平台依賴自動檢測系統對低資源語言內容進行大規模移除時，誤判率可能高得驚人。一段合法的政治諷刺影片、一個藝術性的深偽實驗、或一段被斷章取義的真實影片，都可能被系統錯誤地標記為「深偽內容」並被移除。

這種過度移除對非英語社群的傷害尤為嚴重。當平台以「安全」為名，對低資源語言的內容進行大規模自動移除時，實質上剝奪了這些社群成員的言論空間。研究已記錄了多起案例，其中合法的非英語政治言論、文化表達與新聞報導被平台的自動審核系統錯誤移除，而申訴機制對這些社群的使用者而言往往難以有效利用。

5.4 端對端加密的移除困境

多語言AI假影片在WhatsApp、Telegram、Signal等端對端加密平台上傳播時，平台本身也無法讀取內容，這使得內容移除在技術上幾乎不可能。平台只能依賴「元資料監控」（如群組名稱、轉發頻率）與「使用者檢舉」來間接識別潛在的深偽內容，但這種方法的準確性與覆蓋率都極其有限。

端對端加密與內容審核之間的矛盾，在多語言深偽內容治理中達到了一個尖銳的頂點。加密保護了使用者的隱私與通訊安全——這在威權體制下對異議人士至關重要——但同時也為深偽內容的傳播提供了不可監控的通道。如何在保護加密通訊的同時，阻止多語言深偽內容的擴散，是當前治理框架下尚未解決的根本性難題。

第六章：走向多語言韌性——綜合治理路徑的建構

6.1 從「檢測移除」到「韌性建構」的範式轉移

面對多語言AI假影片的持續威脅，單純依賴檢測與移除的策略已被證明是不夠的。惡意行為者會不斷調整其技術與策略以規避檢測，而平台的移除能力在多語言情境下始終存在結構性局限。因此，治理思維需要從「事後清除」轉向「事前韌性建構」——提升多語言社群自身識別、抵抗與應對深偽內容的能力。

韌性建構的核心，是認識到深偽內容的危害，最終取決於受眾的反應。如果目標社群具備足夠的媒體素養、批判性思維與可靠的替代資訊來源，深偽內容的影響力將大幅降低。這意味著，治理資源需要從「檢測技術研發」向「社群能力建設」重新分配，尤其是在長期被忽視的低資源語言社群中。

6.2 多語言事實查核生態的系統性投資

事實查核是多語言深偽內容治理的關鍵基礎設施，但當前的查核生態存在嚴重的語言失衡。要縮小查核鴻溝，需要系統性的投資與制度創新。

分散式查核網絡：與其依賴少數大型事實查核組織，不如建立分散式的查核網絡，培訓並支持在地語言社群的公民查核員。這些在地查核員具備語言能力與文化理解，能更有效地識別與評估其社群內的深偽內容。印度的Alt News與非洲的Africa Check等組織已在這方面進行了有益的嘗試，但規模仍遠不足以覆蓋全球數千種語言。

AI輔助的多語言查核工具：生成式AI的發展，也為多語言事實查核提供了新的可能。AI可以輔助翻譯、摘要與初步篩選，降低查核員在多語言情境下的工作負擔。然而，AI輔助不能替代人類查核員的判斷，尤其是在涉及文化語境與細微語意差異的情況下。

查核結果的多語言分發機制：事實查核的價值，取決於查核結果能否到達需要的人。目前，查核報告的發布以英語為主，翻譯速度慢且覆蓋語言有限。需要建立自動化的多語言查核分發系統，在查核完成的同時生成多語言版本，並透過與在地社群領袖、通訊應用群組管理員的合作，將查核結果推送至封閉社群。

6.3 平台責任的重新定位

平台在多語言深偽內容治理中扮演著核心角色，但其當前的治理模式存在結構性缺陷。需要重新定位平台的責任，從「被動回應」轉向「主動預防」。

語言平等的內容審核標準：平台應將內容審核資源的分配，與其使用者基礎的語言分佈對齊。如果某平台在印度尼西亞有五千萬使用者，其印尼語內容審核能力就應該與英語審核能力相當。這需要平台公開其各語言的審核資源配置數據，並接受獨立審計。

跨平台的多語言威脅情報共享：平台之間應建立多語言深偽內容的即時共享機制，當某段深偽內容被一個平台識別後，其他平台應能迅速獲得通知並採取相應措施。GIFCT的框架可以擴展至深偽內容，但需要克服平台間的競爭顧慮與法律障礙。

加密通訊應用的「中介責任」：對於端對端加密平台，移除策略需要從「內容審核」轉向「傳播行為監控」。平台可以透過元資料分析（如異常的轉發模式、群組快速膨脹等）來識別潛在的深偽傳播行為，並採取限制轉發、警告標記或群組降權等措施。同時，平台應與事實查核組織合作，在加密通訊應用中嵌入查核資源的存取入口。

6.4 法律框架的適應性革新

現有的法律框架在多語言深偽內容面前顯得僵化，需要適應性革新以應對這一新興威脅。

「語言中立」原則的落實：法律條文雖然在字面上是語言中立的，但在執行中往往偏向高資源語言。立法者應明確要求監管機構在執法資源分配上實現語言平等，並建立針對低資源語言社群的保護機制。

「危害導向」的監管路徑：與其試圖定義和規制「深偽內容」本身（這在技術上與法律上都極具挑戰），不如聚焦於深偽內容造成的「危害」——無論是選舉干預、仇恨煽動、金融詐騙還是公共衛生威脅。這種「危害導向」的路徑，可以繞開定義之爭，直接針對可識別的損害進行規制。

跨境執法的實用主義安排：多語言深偽內容的跨境特性，使得傳統的管轄權原則難以為繼。需要建立實用主義的跨境執法安排，如相互法律協助的簡化程序、深偽內容的跨境快速通報機制、以及對境外惡意行為者的聯合制裁框架。

6.5 社群韌性與媒體素養的在地化

多語言深偽內容治理的最終防線，是目標社群自身的韌性。這需要長期、在地化的媒體素養教育投資。

在地化的媒體素養課程：媒體素養教育不能簡單翻譯英語教材，而需要根據在地社群的文化背景、媒體使用習慣與語言特性進行深度在地化。例如，在口述傳統強勢的社群中，媒體素養教育可以融入社群聚會與口述故事的形式；在文字識讀率較低的地區，可以透過圖像、音訊與影片進行教學。

社群領袖的賦能：在許多非英語社群中，宗教領袖、部落長老、社群意見領袖扮演著資訊守門人的角色。培訓這些社群領袖識別深偽內容並傳播查核資訊，比任何外部干預都更有效。

「疫苗式」的預先揭露：與其等待深偽內容出現後再進行查核，不如在深偽內容尚未出現時，就向社群成員展示可能的深偽形式與識別方法。這種「預先揭露」策略，類似於疫苗接種——讓社群成員在接觸真實的深偽內容之前，就建立起對操縱媒體的心理免疫力。

第七章：技術前沿——AI時代的多語言防禦工具

7.1 多語言深偽檢測的技術創新

儘管深偽檢測在多語言情境下面臨挑戰，但技術創新正在逐步縮小差距。幾個有前景的方向包括：

跨語言遷移學習：傳統的深偽檢測模型在每個語言上分別訓練，需要大量的語言特異性資料。跨語言遷移學習則試圖利用在高資源語言上學習到的深偽特徵，遷移到低資源語言的檢測中。這種方法的直覺是：深偽的某些特徵（如生成痕跡、不自然的眨眼模式、音畫同步異常）是語言無關的，可以用多語言資料訓練出更具泛化能力的檢測模型。

自監督學習與少樣本學習：自監督學習允許模型從未標記的資料中學習有用的表徵，這對於缺乏標記資料的低資源語言尤其有價值。少樣本學習則使模型能在僅有少數幾個標記樣本的情況下，快速適應新的語言或新的深偽形式。

多模態融合檢測：將視覺、語音、文字與元資料等多種模態的訊號融合進行聯合檢測，可以提高在單一模態訊號不足時（如低解析度影片、嘈雜音訊）的檢測準確率。多模態融合特別適合於多語言情境，因為即使語音內容無法理解，視覺異常或元資料異常仍可能提供有價值的檢測線索。

7.2 來源追蹤與內容溯源技術

除了檢測深偽內容本身，來源追蹤技術旨在回答「這段內容從哪裡來」的問題。數位浮水印、內容指紋與區塊鏈溯源等技術，可以為多語言深偽內容的傳播追蹤提供技術支援。

穩健的不可見浮水印：在AI生成內容中嵌入不可見的數位浮水印，使其即使經過翻譯、轉碼、壓縮等變換後仍可被識別。這需要浮水印技術具備足夠的穩健性，以應對多語言轉換過程中的各種信號處理操作。

內容指紋與相似性匹配：為已知的深偽內容建立內容指紋資料庫，當新內容出現時，即使經過語言轉換或編輯，仍可透過相似性匹配來識別其與已知深偽內容的關聯。這對於追蹤跨語言傳播的深偽內容尤為重要——當一段英語深偽影片被翻譯成多種語言時，內容指紋可以幫助建立這些多語言版本之間的關聯。

來源鏈的透明度機制：C2PA（內容來源與真實性聯盟）正在建立一套內容來源的技術標準，允許創作者自願附加內容的來源資訊。雖然C2PA主要依賴於自願採用，但其在多語言情境下的價值在於：如果主流AI生成工具都採用了C2PA標準，那麼未附加來源資訊的多語言內容就可以被視為「來源可疑」的訊號。

7.3 低資源語言NLP的進展

多語言深偽內容的理解與分類，依賴於低資源語言自然語言處理（NLP）的進步。近年來，這一領域取得了鼓舞人心的進展：

大規模多語言預訓練模型：如Google的MADLAD-400、Meta的No Language Left Behind（NLLB）等模型，已將覆蓋範圍擴展至數百種語言。這些模型雖然在低資源語言上的表現仍不如高資源語言，但已為多語言內容理解提供了前所未有的基礎能力。

社群驅動的資料集建構：透過與在地社群合作，建立低資源語言的標記資料集。例如，Masakhane計畫匯集了非洲語言的研究者與社群成員，共同建構非洲語言的NLP資源。這種社群驅動的模式，比單純依賴科技公司的資料收集更可持續，也更能確保資料的文化適切性。

語碼轉換與多語言混合的處理：真實世界的多語言社群中，使用者常常在同一段話中混合使用多種語言。傳統的NLP模型在面對語碼轉換時表現不佳。新一代的多語言模型正在加強對語碼轉換的處理能力，這對於理解多語言社群中實際流傳的深偽內容至關重要。

常見問答

問：AI假影片的多語言版本和單一語言版本相比，危害有何不同？

多語言版本的危害在於其「乘數效應」。單一語言版本的深偽內容，其影響範圍受限於理解該語言的使用者群體。但當同一段虛假內容被翻譯成多種語言——尤其是查核資源薄弱的低資源語言——其潛在受眾呈指數級增長，而應對能力卻呈指數級下降。更重要的是，多語言版本往往針對特定的社群，利用該社群特有的文化敏感點或政治分歧，達到精準煽動的效果。換言之，多語言深偽不只是「更多的假影片」，而是「更精準的資訊武器」。

問：平台能否依賴AI來自動移除多語言深偽內容？

現階段不能。AI檢測系統在多語言情境下的準確率尚不足以支撐全自動移除，尤其是對低資源語言。全自動移除會導致大量的誤判，傷害合法言論。更可行的路徑是「AI輔助、人工決策」的混合模式：AI系統負責初步篩選與優先排序，將可疑內容標記給具備相應語言能力的人工審核員進行最終判斷。但這需要平台大幅增加低資源語言的審核人力，這在成本上是一項重大承諾。

問：端對端加密平台上的多語言深偽內容真的無法治理嗎？

並非完全無法治理，但需要轉變策略。端對端加密使得平台無法讀取訊息內容，但仍有其他可用的治理槓桿。首先是傳播行為的異常偵測：即使無法看到內容，平台仍可分析轉發模式、群組增長速度、使用者行為異常等元資料訊號，識別可能的深偽傳播活動。其次是介面層的干預：平台可以在使用者轉發內容前顯示警告、限制訊息的快速大量轉發、或為使用者提供便捷的查核資源入口。第三是與事實查核組織的合作：平台可以將查核組織的聯絡方式與資源嵌入應用介面，使使用者能在加密環境中主動尋求查核協助。

問：多語言深偽內容的受害者應該如何尋求救濟？

受害者面臨的首要挑戰是證明內容是深偽的。建議立即保存證據（包括截圖、連結、發布時間等），並聯繫當地的數位權利組織或事實查核組織尋求專業評估。如果內容涉及名譽損害、詐騙或威脅，應同時聯繫執法機構。在平台層面，受害者應透過平台的檢舉機制提交移除請求，並明確說明該內容是AI生成的虛假內容，以及其使用的語言與目標社群。值得注意的是，不同國家的法律救濟管道差異很大，在某些司法管轄區，受害者可以尋求法院頒布移除令或對發布者提起誹謗訴訟，但在跨境情境下，法律救濟往往困難重重。

問：個人使用者如何保護自己免受多語言深偽內容的影響？

個人的防禦策略可以概括為「來源意識、交叉驗證與減速轉發」。首先，養成核實來源的習慣：內容來自誰？這個帳號的歷史記錄是否可信？其次，進行交叉驗證：同一資訊是否出現在多個獨立且可信的來源中？第三，在轉發前「減速」：深偽內容的傳播依賴於使用者的即時轉發衝動，花三十秒思考與核實，可以打斷傳播鏈。此外，了解深偽技術的基本特徵（如不自然的眨眼、異常的皮膚紋理、音畫不同步等）也有助於初步識別。但最重要的是，保持對「情緒操控」的警覺：深偽內容往往設計來激發強烈情緒（憤怒、恐懼、狂喜），當一段內容讓您感到強烈的情緒衝動時，這本身就是一個需要停下來核實的訊號。

問：全球南方國家在應對多語言深偽內容時最需要什麼支援？

全球南方國家最迫切需要的不是更多的「技術轉移」，而是能力的在地建構。具體而言：第一，事實查核組織的資金與培訓支援，尤其是以在地語言工作的查核員；第二，低資源語言NLP與深偽檢測的開放原始碼工具，使其不依賴於商業平台的封閉技術；第三，在地媒體素養教育資源的開發與分發；第四，區域性的協調機制，使鄰國之間可以共享深偽威脅情報與應對經驗。更重要的是，國際援助需要尊重在地的優先順序與文化語境，而非將北半球的治理模式強加於南半球。

結語——語言正義作為深偽治理的基石

多語言AI假影片的威脅，本質上是一個語言正義的問題。當英語社群享有相對成熟的深偽檢測、事實查核與平台審核保護時，非英語社群——尤其是低資源語言社群——卻被系統性地排除在這些保護之外。這種保護的不平等，並非技術進步的自然副產品，而是資源分配、制度設計與政治經濟結構的產物。

治理多語言深偽內容，需要超越技術修補的層次，從根本上重新思考：誰的語言值得被保護？誰的資訊安全值得被投資？誰的聲音在數位公共領域中值得被聽見？在一個理想的世界中，語言的差異不應成為資訊安全的差異；無論一個人說的是英語還是奧羅莫語、西班牙語還是斯瓦希里語，他們都應該享有同等程度的保護，免受AI生成的虛假影音內容的操縱。

實現這一目標，需要技術創新、法律改革、平台責任重構與社群韌性建設的協同推進。但更根本的是，需要一個價值觀的轉變：從「英語優先」的治理心態，轉向「語言包容」的治理範式；從「中心化的技術解決方案」，轉向「分散式的社群賦能」；從「事後的危機應對」，轉向「事前的韌性建構」。這是一條漫長的道路，但沒有捷徑可走。在AI生成的謊言穿上異國外衣的時代，語言正義不再是一個抽象的倫理理想，而是資訊生態安全的基本前提。

作者簡介

林思遠，數位人權與資訊治理研究者，畢業於倫敦政治經濟學院媒體與傳播研究所，長期關注生成式AI對全球南方資訊生態的影響。曾任職於國際事實查核網絡（IFCN）亞太區專案，參與多項多語言虛假資訊治理的跨國研究，田野足跡遍及東南亞、東非與拉丁美洲。現為獨立研究顧問，為多個國際非政府組織與區域性事實查核聯盟提供多語言深偽內容治理的策略建議。研究興趣包括語言不平等與AI治理的交集、加密通訊時代的內容審核困境，以及社群韌性建構的在地化路徑。

當「眼見」不再為憑：當約會對象看到AI假影片，你們的信任如何從懸崖邊走回來

那天晚上，我收到一封讀者來信，標題只有一句話：「我被一段不存在的影片毀了。」

寫信的是三十四歲的雅婷，她在信裡說，交往三個月的對象突然變了一個人。原本每天睡前都會通電話的溫柔男人，某天深夜傳來一段影片連結，接著是一連串質問：「這是妳嗎？妳為什麼要這樣對我？我們之間還有什麼是真的？」

雅婷點開影片，腦袋瞬間空白。影片裡那個穿著她最愛的那件鵝黃色針織衫、對著鏡頭說出不堪入耳話語的女人，長得和她一模一樣。但問題是——她從來沒有拍過這種東西，那天晚上她根本在家裡和貓一起看 Netflix。

「我拼命解釋那不是真的，是AI換臉，是 deepfake，但他只回我：『我眼睛沒瞎，我看得清清楚楚。』然後他就已讀不回了。」

雅婷的故事不是特例。過去一年，我在伴侶諮商的工作室裡，陸續接到好幾位類似的個案：有人在交友軟體上認識的對象，因為一段偽造的語音訊息而封鎖了所有聯絡方式；有人結婚五年的丈夫，在群組裡看到妻子「出軌」的合成照片，當場摔了手機奪門而出；還有人只是因為朋友轉傳的一段搞笑換臉影片，就讓剛萌芽的曖昧關係直接凍結。AI深度偽造影片散布？刑法加重誹謗罪成立要件

AI 造假技術的進步，正在以前所未有的速度侵蝕人際信任的基礎。 當「親眼所見」不再能作為事實的保證，親密關係中原本就脆弱的信任感，變得更加不堪一擊。

但這不代表關係只能走向破裂。在我的實務經驗中，只要雙方都還有意願，透過正確的溝通步驟與心理調適，這樣的誤會反而有機會成為關係深化的轉捩點。這篇文章會一步步帶你走過從「被誤會」到「重建信任」的完整歷程，包括具體的對話範例、常見的地雷、以及長期維護數位信任的方法。

---

第一章：AI 假影片到底是什麼？為什麼它能把人騙得團團轉？

在討論關係修復之前，我們必須先搞清楚敵人長什麼樣子。很多人以為 AI 假影片只有技術高手才做得出來，其實不然。現在網路上有大量免費或低價的工具，只要上傳一張正面照片，就能生成一段以假亂真的影片，讓照片裡的人說出任何你指定的台詞。

1-1 Deepfake 的技術原理，用白話說

Deepfake（深偽技術）的核心是「生成對抗網路」（GAN，Generative Adversarial Network）。簡單來說，它讓兩個 AI 模型互相競爭：一個負責造假（生成器），一個負責抓假（判別器）。生成器不斷嘗試做出更逼真的假影片，判別器則不斷學習辨識破綻。經過成千上萬次的來回，最終生成器做出來的影片，連判別器都分不出真假。

對一般人來說，你不需要懂 GAN 的數學，但你需要知道三件事：

1. 門檻極低：現在有手機 App 可以一鍵換臉，也有網站提供「文字轉影片」服務，只要輸入台詞，AI 就能讓照片人物開口說話。
2. 偽造範圍廣：不只是色情影片，還包括偽造的對話紀錄、語音訊息、社群貼文截圖，甚至視訊通話的即時換臉。
3. 辨識困難：高品質的 deepfake 連專家都需要用專業軟體分析，一般人用肉眼幾乎無法分辨。

1-2 為什麼人容易被 AI 假影片騙？——大腦的認知弱點

心理學家 Daniel Kahneman 在《快思慢想》中提到，人類大腦有兩套思考系統：系統一快速、直覺、依賴情感；系統二緩慢、理性、需要耗費認知資源。當我們看到一段影片，尤其是涉及親密伴侶的影片時，系統一會立刻啟動，跳過理性分析，直接觸發強烈的情緒反應——震驚、憤怒、背叛感、羞恥。

這種情緒反應會進一步強化「眼見為憑」的信念。我們的大腦傾向於相信視覺訊息，因為在演化過程中，視覺是最可靠的生存工具之一。當視覺證據和口頭解釋衝突時，多數人會選擇相信自己的眼睛，而不是對方的話。

再加上親密關係本身就帶有高度的情感投資與脆弱性，一旦出現「伴侶可能背叛」的線索，大腦的威脅偵測系統（杏仁核）會全面接管，理性思考的能力大幅下降。這就是為什麼雅婷的對象聽不進任何解釋——他不是不願意相信，而是他的大腦正在經歷一場情緒海嘯。

1-3 AI 假影片在親密關係中造成的獨特傷害

一般的誤會（例如忘記回訊息、和異性朋友吃飯）通常可以透過解釋和時間來化解。但 AI 假影片的傷害更為複雜，因為它涉及三個層面：

傷害層面	具體表現	對關係的影響
認知失調	對方看到的「事實」和你陳述的「事實」完全矛盾	產生「一定有一方在說謊」的對立感，信任基礎動搖
情緒創傷	影片內容往往涉及性、背叛、羞辱等強烈情緒	即使事後證實是假的，情緒記憶仍會殘留，影響後續互動
數位無助感	受害者無法證明自己「沒做過」，因為造假太容易	陷入「不管怎麼解釋都沒用」的絕望，關係修復意願降低

理解這些層面，你才能明白為什麼修復對話不能只靠「那不是我」這句話。你需要一套有系統的策略，先處理情緒，再處理事實，最後重建信任。

---

第二章：信任如何被侵蝕？從依附理論看親密關係中的安全感危機

在進入具體對話技巧之前，我們需要先了解「信任」在親密關係中是如何運作的。這不是抽象的概念，而是可以被拆解、被修復的心理機制。

2-1 信任的三個核心組成

心理學家 John Gottman 經過數十年對伴侶關係的研究，提出信任是由三個要素構成的：

1. 可預測性：我能預期你的行為模式，知道你會在什麼情況下做出什麼反應。
2. 可靠性：你承諾的事情會做到，你說的和你做的一致。
3. 脆弱性安全感：我可以在你面前展現脆弱，不用擔心被傷害或利用。

當 AI 假影片出現時，這三個要素同時受到衝擊。對方原本以為「我的伴侶不會背叛我」的可預測性被打破；他無法再相信你說的話（可靠性）；他更不敢在你面前展現受傷的情緒，因為害怕再次被欺騙（脆弱性安全感）。

2-2 依附風格如何影響誤會後的修復難度

每個人在親密關係中都有不同的依附風格，這決定了他們面對信任危機時的反應模式：

依附風格	面對 AI 假影片的典型反應	修復對話中的需求
安全型	震驚但願意聽解釋，會主動查證	需要事實證據與情緒安撫並重
焦慮型	情緒劇烈波動，反覆質問，可能奪命連環 call	需要大量的 reassurance（再保證）與陪伴，不能急著談事實
逃避型	直接封鎖、消失、拒絕溝通，用冷漠保護自己	需要給予空間，但不能完全斷聯，要用間接方式傳達誠意
混亂型	在攻擊與退縮之間擺盪，可能出現自傷或威脅言語	需要專業介入，確保雙方安全，避免二次傷害

了解對方的依附風格，可以幫助你調整溝通策略。例如雅婷的對象明顯偏向逃避型，他在情緒當下選擇已讀不回，其實是為了保護自己不再受傷。如果雅婷瘋狂傳訊息解釋，只會把他推得更遠。

2-3 信任破裂後，大腦發生了什麼事？

神經科學研究顯示，當人經歷伴侶背叛（即使是誤會），大腦的反應和生理疼痛非常相似。前扣帶迴皮質（anterior cingulate cortex）會活化，這是處理身體疼痛的區域。換句話說，對方看到假影片時的痛苦，和他被刀割傷時的神經反應是重疊的。

這解釋了為什麼光講道理沒有用。當一個人處在「神經疼痛」狀態下，他的前額葉（理性腦）功能會下降，他聽不進任何邏輯分析。你需要先處理他的「痛」，才能處理他的「錯」。

---

第三章：誤會發生後，你的第一個反應決定了修復的難度

很多人在發現伴侶誤會自己時，會立刻陷入兩種極端反應：拼命解釋或憤怒反擊。這兩種反應都會讓情況更糟。

3-1 為什麼「拼命解釋」會失敗？

雅婷在信裡寫道：「我傳了二十幾條訊息，解釋 deepfake 的原理，貼了新聞報導連結，甚至找到那個造假網站的截圖，證明任何人都能做這種影片。結果他完全沒回應，最後直接封鎖我。」

拼命解釋的背後，其實是「我希望你相信我」的焦慮。但當對方處在情緒風暴中，你的解釋聽在他耳裡，會變成：

• 「你在找藉口」
• 「你把我當笨蛋」
• 「你只想趕快撇清，根本不在乎我的感受」

解釋的時機錯了，再正確的內容都會變成攻擊。 就像是對著一個正在流血的人講解傷口感染機率，他需要的不是知識，是止血。

3-2 為什麼「憤怒反擊」更危險？

另一種常見反應是：「你居然不相信我？你寧願相信一段影片也不相信我們之間的感情？你太讓我失望了！」

這種反擊看似合理，因為你確實是受害者。但請記住：在這場誤會中，你們兩個都是受害者。 他因為相信了假訊息而受傷，你因為被誤會而受傷。如果你用憤怒回應他的痛苦，他會更加確信「你果然不在乎我」，然後關係就真的沒救了。

3-3 正確的第一反應：按下暫停鍵

當你發現對方因為 AI 假影片而誤會你時，請先做三件事：

1. 深呼吸，暫停至少 30 秒再回應。這 30 秒能讓你的前額葉重新上線，避免被杏仁核綁架。
2. 在心裡默念：「他現在很痛苦，他的痛苦是真的，即使原因不是真的。」 這能幫助你從「對錯之爭」轉向「感受之爭」。
3. 如果是在線上對話，先不要回覆任何文字。傳一個簡單的訊息：「我看到了，給我一點時間整理思緒，我晚點回你。」這能避免情緒化的文字戰爭。

在我的輔導經驗中，能在第一時間按下暫停鍵的人，後續修復的成功率高出至少三倍。因為你沒有在對方最脆弱的時候，再多踩一腳。

---

第四章：修復對話的準備工作——你必須先穩住自己

在正式和對方坐下來談之前，你需要先完成自己的「內在整理」。這不是浪費時間，而是為了避免你在對話中再次爆掉。

4-1 自我檢視：釐清你的情緒與需求

請拿出一張紙（或打開手機備忘錄），回答以下問題：

1. 當我看到他誤會我時，我最強烈的情緒是什麼？（例如：委屈、憤怒、恐懼、傷心）
2. 這個情緒背後，我最在意的需求是什麼？（例如：被信任、被尊重、被理解、安全感）
3. 如果我沒有做錯任何事，我為什麼要感到羞愧？——很多受害者會不自覺地產生「我是不是哪裡讓他不信任我」的自責，這需要先處理。
4. 我能接受「他需要時間消化」這個事實嗎？還是我希望他立刻相信我？

4-2 蒐集事實證據，但不要急著丟出去

你需要為後續對話準備一些「事實材料」，但請記住：這些材料是用來支持你的說法，不是用來打臉對方。 包含：

• 該 AI 造假工具的公開資訊或新聞報導
• 原始照片或影片的來源（證明你根本沒拍過那些內容）
• 時間軸證據：影片中聲稱的時間點，你實際在什麼地方、和誰在一起、有什麼紀錄
• 第三方證人：當時能證明你行蹤的朋友、家人、同事

把這些證據整理成一個資料夾或檔案，但先不要主動傳給對方，等對話進入「事實檢視」階段時再使用。

4-3 尋求支持系統

修復信任的過程中，你非常需要情緒支持。找一兩個你信任的朋友（最好是理性、不會煽風點火的那種），告訴他們發生什麼事，請他們在你低潮時接住你。如果身邊沒有適合的人，可以考慮尋求心理諮商師的協助。

記住：你不能用「我已經很委屈了」當作不照顧自己情緒的理由。 只有當你自己的情緒穩定，你才有能力去接住對方的情緒。

---

第五章：修復對話的七個階段——從懸崖邊一步步走回來

接下來是這篇文章的核心。我將修復對話分成七個階段，每個階段都有具體目標、對話範例、以及常見錯誤。請不要跳步，因為每個階段都是在為下一個階段鋪路。

階段一：創造安全空間——讓對方願意坐下來談

目標： 讓對方同意進行一次「非指責、非辯護」的對話。

錯誤做法： 直接說「我們需要談談」，這會讓逃避型的人想逃跑、讓焦慮型的人更焦慮。

建議做法： 用「邀請」的語氣，表達你重視這段關係，並承認他現在可能很混亂。

對話範例：

「我知道你現在一定很不好受，看到那樣的東西，任何人都會覺得天塌下來。我不急著要你相信我，但我真的很想找個時間，坐下來好好聽你說你的感受。你願意嗎？時間地點都可以由你決定。」

關鍵： 把主控權交給對方。誤會發生時，他覺得自己失去了對關係的控制感（因為他無法確定什麼是真的），讓他選擇時間地點，可以稍微恢復他的安全感。

階段二：傾聽與驗證情緒——先處理感受，再處理事實

目標： 讓對方完整表達他的情緒，你只聽、不反駁、不解釋。

錯誤做法： 對方才說兩句，你就打斷：「可是那真的不是我！」——這等於否定他的感受。

建議做法： 使用「情緒驗證」技巧，重述他的感受，讓他知道你理解他的痛苦。

對話範例：

對方：「我看到那段影片，整個人都快瘋了，我一直在想，我們在一起這幾個月到底算什麼？我是不是從頭到尾都被騙？」

你：「聽起來你覺得自己被背叛了，而且開始懷疑我們之間所有的回憶是不是真的。這種感覺一定很可怕，很孤單。謝謝你願意告訴我這些。」

關鍵： 你不需要同意他的「事實判斷」，但你需要承認他的「情緒真實性」。情緒驗證不是認輸，而是建立連結的橋樑。

這個階段要多久？ 直到對方的情緒強度從 10 分降到 5 分左右。你可以觀察他的語氣、肢體語言（如果是面對面）、或訊息頻率。當他不再反覆用尖銳的詞語攻擊，開始出現疲憊或沉默時，代表情緒高峰過了。

階段三：表達自己的立場與感受——用「我訊息」而非「你訊息」

目標： 讓對方知道你的處境，但不要讓他覺得被指責。

錯誤做法： 「你為什麼不相信我？你憑什麼因為一段假影片就否定我？」——這是「你訊息」，會啟動防衛。

建議做法： 使用「我訊息」句型：「當我看到你因為那段影片而痛苦時，我感到……因為我……」

對話範例：

「當我看到你傳那些訊息給我時，我感到非常害怕和無助。因為我明明沒有做那些事，但我不知道要怎麼證明。我也很傷心，因為我們好不容易建立起來的信任，被一個我完全無法控制的東西破壞了。我不是要你現在就相信我，我只是想讓你知道，我也很痛。」

關鍵： 避免使用「你應該」「你為什麼」「你總是」這類開頭。把重點放在你自己的感受和脆弱上，這能喚起對方的同理心。

階段四：共同檢視證據與事實——不辯論，只呈現

目標： 以合作的方式，讓對方自己看見矛盾之處，而不是你逼他承認錯誤。

錯誤做法： 把證據甩在桌上：「看清楚！這根本不是我！你現在信了吧？」——這會讓他覺得丟臉，反而更防衛。

建議做法： 用「邀請共同查證」的語氣，把他從「對立面」拉到「同一陣線」。

對話範例：

「我這幾天一直在想，要怎麼讓你不用只聽我的片面之詞。我找到了一些資料，也整理了我那段時間的行蹤紀錄。我們可以一起看看嗎？我不是要證明你錯了，我只是希望我們能一起把真相拼出來。」

然後你可以：

• 一起用 reverse image search 搜尋影片截圖，看是否出現在其他網站
• 一起分析影片中的細節：光影不自然、眨眼頻率異常、背景模糊、聲音和嘴型不同步
• 一起查證造假工具的可能性：示範類似工具如何生成假影片（但不要用你自己的臉示範，以免造成二次傷害）
• 拿出你的行蹤證據：Google 地圖時間軸、通話紀錄、消費明細、朋友證詞

關鍵： 把「對錯」轉化為「我們一起來解謎」。當他參與查證的過程，他會慢慢從「受害者」轉變成「偵探」，理性腦也逐漸恢復運作。

階段五：討論 AI 技術與媒體素養——從個案到現象

目標： 讓對方理解這不是「你騙他」的單一事件，而是整個社會都面臨的挑戰。

錯誤做法： 用說教的口吻：「你太沒常識了，連 deepfake 都不知道！」——這只會讓他覺得被貶低。

建議做法： 分享你自己學習的過程，把焦點放在「我們都可能被騙」。

對話範例：

「說真的，如果今天角色對調，我看到一段你的假影片，我可能也會瘋掉。我後來去查才發現，現在這種技術已經進步到連專家都很難分辨。我們都不是這方面的專家，會被騙很正常。重要的是，我們現在知道有這種東西，以後可以一起學習怎麼保護自己。」

你可以分享：

• 幾個知名的 deepfake 新聞案例（例如名人的換臉色情影片）
• 一些簡單的辨識技巧（但承認這些技巧不可靠）
• 你們可以一起訂閱的媒體素養資源或追蹤的專家

關鍵： 把「他上當了」重新框架為「我們都需要學習」，減少羞恥感，增加同盟感。

階段六：重建信任的具體行動計劃——說一百次「相信我」不如一個可驗證的行動

目標： 制訂雙方都同意的「信任重建協議」，讓對方有具體的安全感來源。

錯誤做法： 只說「你要相信我」，卻沒有任何行動配套。

建議做法： 和對方一起討論，列出「當類似狀況再發生時，我們可以怎麼做」。

信任重建協議範例（可依雙方需求調整）：

行動項目	具體內容	負責人	頻率/時機
透明度	雙方自願分享手機解鎖密碼（但不是隨時檢查，而是建立「隨時可以問」的默契）	雙方	持續
查證協議	未來若收到任何涉及對方的可疑訊息、照片、影片，先不要下結論，直接告訴對方並一起查證	雙方	每次發生
數位素養學習	每個月一起看一篇關於 AI 造假或媒體識讀的文章或影片，互相分享心得	雙方	每月一次
情緒安全詞	設定一個「暫停詞」，當對話中情緒升高時，說出暫停詞就暫停 30 分鐘，冷靜後再繼續	雙方	需要時
定期關係檢查	每兩週花 20 分鐘，聊聊最近有沒有什麼不安、誤會、或需要調整的地方	雙方	每兩週

關鍵： 這些行動必須是雙方都願意承諾的，不能是單方面要求對方「證明給我看」。信任重建是雙向的，被誤會的一方也需要透過行動證明自己願意配合。

階段七：後續追蹤與關係鞏固——別讓傷口假性癒合

目標： 確保信任不是「表面恢復」，而是真正深化。

錯誤做法： 談完一次就當作沒事了，之後絕口不提，讓傷口在暗處發炎。

建議做法： 在初次修復對話後的一週、一個月、三個月，主動安排簡短的「回顧對話」。

回顧對話可以問：

• 「這段時間你還會想起那件事嗎？頻率如何？」
• 「當你想起來時，你的感覺是什麼？有沒有什麼我可以做的？」
• 「你覺得我們訂的協議有沒有需要調整的地方？」
• 「如果滿分是十分，你現在對我們的信任有幾分？你希望達到幾分？」

關鍵： 定期回顧不是要翻舊帳，而是讓對方知道你沒有忘記這件事的影響，你願意長期陪伴他走過復原的過程。這本身就傳遞了強烈的「可靠性」訊號。

---

第六章：溝通中的地雷——這些話絕對不要說，這些事絕對不要做

在修復對話的過程中，有些行為會瞬間摧毀好不容易建立的進展。以下整理成表格，請務必避開：

地雷行為	為什麼危險	替代做法
說「你想太多了」	否定對方的情緒，讓他覺得自己被輕視	「我知道這件事對你衝擊很大，我們慢慢來。」
嘲笑對方「連假影片都分不出來」	羞辱對方，摧毀他的自尊，讓他更防衛	「這種技術真的很難分辨，連專家都會被騙。」
急著要對方「趕快恢復正常」	忽略復原需要時間，給對方壓力	「我不急，你不需要勉強自己快點好起來。」
用「如果你愛我就該相信我」情緒勒索	把信任變成愛的條件，加深對立	「我希望你相信我，但我也理解你需要時間。」
在社群媒體上公開抱怨	讓對方覺得被公審，徹底關閉溝通管道	私下尋求可信任的朋友或專業人士支持
找共同朋友施壓「你去跟他說我沒做」	讓對方覺得被圍攻，更加孤立	除非對方主動詢問，否則不要透過第三方傳話
故意冷戰或消失來「懲罰」對方	逃避型的人會當真，焦慮型的人會更焦慮	明確告知「我需要一點時間整理，但我會回來談」
翻舊帳：「你以前也怎樣怎樣」	模糊焦點，讓對方覺得你在轉移話題	聚焦在當下的事件，過去的問題之後再處理

6-1 特別提醒：不要用「示範造假」來證明

有些人會想：「既然你不相信那是假的，我乾脆當場示範給你看，我也能做一段你的假影片。」千萬不要這樣做。 這會讓對方覺得你在威脅他，或是把他的形象也變成攻擊目標。即使你的動機是教育，但在情緒敏感的時刻，任何涉及對方形象的操弄都會被解讀為敵意。

---

第七章：如果對方已經封鎖你、拒絕溝通，該怎麼辦？

雅婷的案例中，對方直接已讀不回並封鎖。這種情況下，修復對話無法進行，但也不是完全沒救。

7-1 先判斷：這是暫時逃避還是徹底決裂？

逃避型依附的人在強烈情緒下，往往會用「消失」來保護自己。這不代表他永遠不想再見你，而是他現在需要空間。你可以觀察：

• 他是否只是不讀不回，但沒有刪除好友或封鎖？
• 他是否還在你們的共同群組裡？
• 他是否有任何間接的動態（例如發了一首悲傷的歌）？

如果還有一些「活著的訊號」，代表他還在消化，沒有完全放棄。

7-2 正確的「有限度聯繫」策略

不要瘋狂傳訊息，也不要完全斷聯。你可以：

1. 等待 48 到 72 小時，給他情緒降溫的時間。
2. 傳一封「非指責、非乞求」的訊息，內容包含三個要素：
   • 承認他的痛苦：「我知道那件事讓你很受傷。」
   • 表達你的立場，但不急著要他相信：「我沒有做那些事，但我不急著你現在就相信我。」
   • 留一扇門：「等你準備好了，我隨時願意好好談。如果你需要我提供任何資料或證明，我都在。」
3. 之後每 3 到 5 天，傳一個中性、不施壓的訊息，例如分享一篇關於 AI 造假的新聞（不帶任何評論），或簡單的「今天天氣變冷了，記得多穿一點」。目的只是讓他知道你還在，但沒有逼他。

7-3 如果超過兩週都完全沒有回應

這時候你需要考慮尋求專業協助。可以請一位雙方都信任的共同朋友（注意：是「傳話」而非「說服」）問問他的狀況，但不要讓朋友幫你解釋。如果對方連共同朋友都不理，那可能他需要更長的時間，或者他已經決定結束關係。

你也要為自己設下停損點。 修復關係需要雙方意願，如果對方長期拒絕溝通，你也要允許自己放下，不要陷入無止境的等待和自責。信任的破裂不一定是你的錯，你已經做了你能做的。

---

第八章：長期關係中的數位信任協議——如何在 AI 時代守護親密關係

這次的誤會是一個警鐘，提醒我們：在 AI 造假氾濫的時代，親密關係需要建立新的「數位信任協議」。 這不是出於不信任，而是出於對彼此的保護。

8-1 日常的數位透明習慣

• 分享行蹤：自願開啟 Google 地圖位置分享（僅限伴侶），不是監控，而是讓對方在需要時能確認你的安全。
• 重要時刻主動報備：如果你知道某段時間可能會被誤會（例如和異性單獨開會、參加聚會），事前告知。
• 避免留下容易被誤解的數位痕跡：例如深夜和異性同事傳訊息，即使內容無害，也要注意頻率和時間。

8-2 建立「先查證、再反應」的家庭規則

和伴侶約定：以後收到任何涉及對方的不雅照片、影片、錄音、對話截圖，第一反應不是質問，而是截圖存證，然後直接問對方：「這個你見過嗎？我覺得很怪。」 用中性的語氣，而不是定罪的口吻。

8-3 共同提升媒體素養

• 訂閱一兩個可信的科技新聞來源，定期了解最新的 AI 造假技術。
• 學習基本的影像辨識技巧：注意光影、眨眼頻率、頭髮邊緣、背景細節。
• 安裝一些輔助工具：例如 deepfake 偵測的瀏覽器擴充功能（雖然不完美，但多一層保護）。

8-4 定期進行「關係信任健檢」

每三個月或半年，找個安靜的時間，一起回答以下問題：

1. 過去這段時間，有沒有什麼事情讓你對我們的關係感到不安？
2. 我有沒有做過什麼讓你覺得不被信任或不被尊重的事？
3. 如果我們的信任分數滿分十分，你現在給幾分？為什麼？
4. 我們可以做一件什麼小事，讓彼此更安心？

這種定期的對話，能讓小問題在變成大危機之前被處理。

---

第九章：常見問答（FAQ）

Q1：AI 假影片真的那麼容易做嗎？一般人真的會被騙？

A：是的。現在有許多免費或低價的線上工具，只要一張照片和一段文字，就能生成說話影片。品質高的 deepfake 連專家都很難用肉眼分辨。一般人沒有受過訓練，又處在情緒衝擊下，被騙很正常。重點不是「你怎麼會上當」，而是「我們一起學習怎麼辨識」。

Q2：我該不該主動把證據全部丟給對方，證明自己清白？

A：不建議在對方情緒高漲時一次丟出所有證據。這會讓他覺得你在「打臉」他，反而更防衛。應該先傾聽和驗證情緒，等到對方情緒降溫、願意理性對話時，再以「一起查證」的方式呈現證據。

Q3：如果對方堅持不相信，甚至說「眼見為憑」，我該怎麼辦？

A：不要陷入辯論。你可以說：「我理解你相信你看到的東西，那是很正常的。如果今天是我看到，我可能也會一樣。我只是希望我們能一起找出真相，而不是各說各話。你願意給我機會，一起看看這些資料嗎？」把焦點從「誰對誰錯」轉移到「我們一起找答案」。

Q4：這次誤會之後，我們的關係還能回到以前嗎？

A：不一定能「回到以前」，但有可能「變得更好」。信任危機如果處理得當，雙方會更了解彼此的情緒模式、溝通習慣，也會建立更明確的信任機制。很多伴侶在經歷重大誤會後，反而覺得關係更踏實，因為他們知道彼此願意在困難中留下來。

Q5：我需要為「讓對方誤會」道歉嗎？我又沒做錯事。

A：你不需要為「造假影片」道歉，但你可以為「這件事讓你這麼痛苦」表達遺憾。例如：「我很抱歉你經歷了這些，這一定非常難受。」這不是認錯，而是同理。在關係修復中，同理心比對錯更重要。

Q6：如果對方要求我刪除所有社群媒體、交出所有密碼來證明，我該答應嗎？

A：不建議完全配合極端的控制要求。這會建立不健康的關係動態，讓你失去自主權，也無法真正解決信任問題。比較好的做法是協商出雙方都能接受的透明度協議，例如自願分享位置、重要行程主動報備，但保留基本的個人隱私空間。如果對方堅持極端控制，可能需要尋求專業協助。

Q7：我擔心以後每次吵架，他都會拿這件事出來說，怎麼辦？

A：在修復對話的階段七（後續追蹤），就應該明確約定：「這件事已經查證清楚，我們同意不再用這件事來攻擊對方。如果未來又想起不舒服的情緒，我們可以好好談感受，但不要翻舊帳當武器。」如果對方還是反覆提起，提醒他這個約定，並詢問他是否還有未處理完的情緒需要談。

Q8：AI 假影片除了色情內容，還可能偽造什麼？

A：還可能偽造語音訊息（模仿聲音說出傷人的話）、偽造對話截圖（假裝你和別人曖昧）、偽造社群貼文（假裝你發了攻擊性的內容）、甚至即時視訊換臉（在視訊通話中把你換成別人）。這些都可能引發伴侶的誤會，需要全面性的數位素養來應對。

Q9：我該怎麼跟對方解釋 deepfake，又不會讓他覺得我在說教？

A：用「我們一起學習」的態度。可以說：「我後來去查，發現這種技術現在真的很氾濫，連新聞都有報導。我自己也是看了才知道這麼可怕。你要不要一起看看這個影片？我們可以討論一下以後要怎麼保護自己。」把教育包裝成共同探索，而不是單向灌輸。

Q10：如果誤會發生後，我自己也出現焦慮、失眠、自我懷疑，該怎麼辦？

A：這是正常的創傷反應。被最親近的人誤會，尤其牽涉到性與背叛的指控，會造成嚴重的心理壓力。建議尋求心理諮商，或至少找信任的朋友傾訴。不要一個人硬撐。同時，給自己時間復原，不要急著「恢復正常」。

Q11：有沒有可能對方其實早就想分手，只是拿這個當藉口？

A：有可能，但機率不高。多數情況下，伴侶看到 AI 假影片的當下反應是真實的震驚與受傷。如果他本來就想分手，通常不會有這麼激烈的情緒反應，而是會冷淡疏遠。建議你觀察他在情緒過後是否有意願修復，如果完全沒有，那可能關係本身就有其他問題。

Q12：我可以報警或提告造假影片的人嗎？

A：可以。在台灣，製作或散布 deepfake 色情影片可能觸犯《刑法》第 235 條（散布猥褻物品）、第 310 條（誹謗）、以及 2023 年通過的《刑法》增訂第 319-1 條至第 319-6 條（妨害性隱私及不實性影像罪）。建議保留所有證據，向警方報案，並諮詢律師。這也能讓對方知道你認真看待此事，不是你自導自演。

Q13：修復對話需要進行幾次？一次談得完嗎？

A：很少一次就完全解決。通常需要至少兩到三次的深度對話，加上後續的定期回顧。第一次先處理情緒，第二次處理事實，第三次討論未來協議。不要急著在一次談話中塞進所有東西，給彼此消化空間。

Q14：如果對方是焦慮型依附，一直反覆質問同樣的問題，我該怎麼應對？

A：焦慮型的人需要大量的 reassurance。他重複問不代表他不相信你，而是他的焦慮需要反覆被安撫。你可以設定一個限度：「我願意回答你的問題，但我們可不可以一次專注在一個點上？」同時用行動證明你的可靠性，例如主動分享行蹤、遵守承諾的小事。如果他還是無法停止，建議一起尋求伴侶諮商。

Q15：這次事件之後，我對親密關係產生很大的不信任感，我還能再相信人嗎？

A：這是一個很深的傷口。被誤會、被懷疑、被當成騙子，會動搖你對人際關係的基本安全感。請允許自己悲傷、憤怒，但不要急著下結論「所有人都不值得信任」。尋求專業協助，慢慢重建對人的信心。你沒有做錯事，你值得被相信。

---

第十章：專業資源與求助管道

如果你或你的伴侶在經歷 AI 假影片誤會後，情緒困擾持續超過兩週，或關係修復陷入僵局，請考慮尋求專業協助。

10-1 心理諮商與伴侶治療

• 各縣市心理衛生中心：提供免費或低價的心理諮商服務，可上網查詢預約。
• 張老師基金會：電話 1980，提供情緒支持與諮商轉介。
• 呂旭立紀念文教基金會：專精伴侶與家庭治療，可預約伴侶諮商。
• 線上心理平台：如 FarHugs、Lyra、Gleam 等，提供線上視訊諮商，方便忙碌的伴侶。

10-2 法律協助

• 法律扶助基金會：提供免費法律諮詢，可協助提告 deepfake 製作者。
• 婦女新知基金會：針對數位性別暴力有專線與資源。
• iWIN 網路內容防護機構：可通報網路上的不實性影像，協助下架。

10-3 媒體素養教育資源

• 台灣事實查核中心：定期發布查核報告，可學習辨識假訊息。
• MyGoPen：LINE 上的事實查核帳號，可加入好友隨時查證。
• Google 反向圖片搜尋：上傳圖片找出原始來源。
• Deepware Scanner：免費的 deepfake 影片偵測工具（效果有限但可參考）。

---

結語：從「眼見為憑」到「共同查證」——信任的新定義

我們這一代人，正面臨一個前所未有的挑戰：當科技讓「假」變得比「真」更真，人與人之間的信任，不能再依賴「眼見為憑」。 親密關係中的信任，必須重新定義為一種「共同查證的意願」——不是因為我看到了什麼，而是因為我們願意一起找出真相。

雅婷後來寫了第二封信給我。她說，在對方封鎖她十天之後，她傳了一封訊息，裡面只有一個 Google 雲端資料夾連結，標題是「如果你準備好了，這些是我能找到的所有資料。我不急，我會等。」三天後，對方解除了封鎖，回了一句：「對不起，我應該先聽你說的。」

他們花了一個月的時間，經歷了無數次深夜長談、幾次激烈的爭吵、以及一次一起去看心理諮商。最終，他們沒有回到「以前」，因為以前的那種信任是未經考驗的、脆弱的。他們建立了一種新的信任，一種知道彼此會在風暴中留下來、願意一起面對未知的信任。

如果你的關係也正在經歷類似的風暴，請記住：你不是一個人，而且這不是終點。 只要你們都還願意，懸崖邊的關係，也能一步步走回堅實的土地，甚至走得更遠。

---

作者簡介

林書晴，國立台灣師範大學教育心理與輔導學系碩士，曾任台北市立聯合醫院松德院區精神科實習心理師，現為自由執業的伴侶諮商師與關係教練。專長領域包括親密關係衝突修復、數位時代的人際信任、依附理論與情緒調節。她在過去五年內輔導超過兩百對伴侶走過信任危機，並長期關注 AI 造假技術對親密關係的影響。她的文章散見於各大心理與兩性媒體，致力於用心理學的語言，幫助人們在科技衝擊下守護最真實的情感連結。

當AI說謊：公司遭深偽影片攻擊的營業損害賠償全攻略

在某個再平凡不過的星期二上午，一家上市公司的發言人手機開始震動不停。短短三小時內，公司股價暴跌8%，市值蒸發逾二十億元。起因是一支在社群平台瘋傳的影片：畫面中，董事長正對著鏡頭宣布「公司即將聲請破產，我們隱瞞了重大虧損」。董事長的表情、聲音、甚至習慣性的挑眉動作都與本人別無二致——唯獨這段發言，他從來沒有說過。這是一支由生成式AI精準打造的「深偽」影片，製作成本可能不到新臺幣三千元，卻足以在一個上午摧毀一家經營三十年的企業。

這不是科幻小說的情節。從2023年起，臺灣及全球各地已陸續出現企業遭AI生成假影片攻擊的真實案例。當科技犯罪的大門被打開，法律這道最後防線究竟能為企業提供多少保護？營業損失該如何計算？損害賠償又該從何請求？本文將以執業律師的實戰視角，為企業經營者、法務人員及所有關心此議題的讀者，提供一份完整、深入且可直接操作的訴訟策略藍圖。

---

一、認識敵人：什麼是AI假影片，它如何成為企業的致命武器

要談法律救濟，必須先徹底理解攻擊的本質。AI假影片，學術上稱為「深度偽造」，核心技術來自「生成對抗網路」（Generative Adversarial Network, GAN）以及近年爆發的擴散模型（Diffusion Model）。其運作原理簡而言之，是讓兩個神經網路互相競賽：一個負責偽造影像或聲音，另一個負責揪出破綻，經過數百萬次對抗訓練後，偽造者最終能產出人眼、人耳極難辨識的虛假內容。

對企業而言，AI假影片的攻擊樣態遠比一般民眾想像的更為多元且具有毀滅性：

攻擊類型	具體手法	典型損害
高階主管發言偽造	偽造執行長、董事長發表不實財務預測、重大訊息、歧視性言論	股價劇烈波動、遭主管機關調查、消費者抵制
產品瑕疵誣陷	偽造產品發生爆炸、含有毒物質的影片	產品召回成本、營收斷崖式下滑、品牌信任瓦解
商業談話竊錄偽造	偽造業務主管說出「我們產品就是要讓消費者一年內壞掉」等言論	集體訴訟風險、經銷商終止合作
金融交易指令偽造	偽造財務長聲音指示匯款（結合語音合成）	鉅額金錢損失（此類常另涉及詐欺罪）
競爭對手惡意操作	不肖同業製作散布假影片，打擊目標公司商譽	不公平競爭，市場版圖遭侵蝕
勒索攻擊	製作假影片後威脅支付贖金，否則公開	企業遭恐嚇取財，即使不實仍須付出巨額損害控制成本

這些攻擊之所以特別棘手，在於它們同時攻擊企業的多個要害。一支深偽影片可能同時觸及名譽權、信用權、營業權、商標權、營業秘密等法律保護客體，甚至引發投資人集體訴訟。而傳統法律對「不實言論」的規範，在面對「眼見不再為憑」的AI時代，正面臨前所未有的挑戰。

---

二、法律怎麼看：AI假影片在臺灣法律體系中的定性

在進入賠償計算之前，我們必須先釐清：製作、散布針對企業的AI假影片，在法律上究竟構成了什麼樣的不法行為？這攸關請求權基礎的選擇，也是訴訟成敗的第一關。

（一）刑事責任層面：不只一條罪，而是數罪競合

製作與散布AI假影片攻擊企業，往往同時觸犯多項刑事罪名，公司可以透過提出刑事告訴，藉由檢察官的偵查權限取得關鍵證據，並對行為人形成強大威懾。

1. 誹謗罪及加重誹謗罪（刑法第310條）

若假影片內容涉及具體事實的指摘，例如「這家公司使用黑心原料」，且足以毀損公司名譽，即可能構成誹謗罪。若影片是透過網路、社群媒體散布，因為傳播範圍廣大，構成加重誹謗罪，最重可處二年有期徒刑。實務上，公司為法人，本身可為誹謗罪的被害人，由代表人提出告訴。須留意，若是對「可受公評之事」為適當評論，可能不罰，但偽造的言論根本無真實性可言，此抗辯極難成立。

2. 妨害信用罪（刑法第313條）

若假影片散布的內容是關於企業的經濟能力、支付狀況等，例如「這家公司快要倒了，付不出貨款」，即可能構成妨害信用罪。此罪與誹謗罪有時會形成想像競合，從一重處斷。對企業而言，此罪直接保護交易上的信譽，在供應鏈斷裂的案例中特別重要。

3. 偽造準私文書罪（刑法第210條、第220條）

如果AI假影片是偽造董事長簽署文件、發表具有法律效力的聲明，且該電磁紀錄足以為表示其用意之證明者，可能被視為偽造準私文書。此罪為非告訴乃論之罪，刑度為五年以下有期徒刑，相當具有嚇阻力。

4. 妨害電腦使用罪（刑法第358條至第360條）

若攻擊者入侵公司系統取得董事長影像素材以製作深偽影片，或直接將假影片植入公司官網，則另涉無故入侵電腦、無故變更電磁紀錄等罪。此路徑在追查駭客型攻擊時尤為關鍵。

5. 證券交易法特別規定

對上市櫃公司而言，若散布的假影片涉及財務業務狀況，足以影響市場價格，可能違反證券交易法第155條第1項第6款「意圖影響集中交易市場有價證券交易價格，而散布流言或不實資料」之規定，此為刑事重罪，並有民事賠償責任。

6. 選罷法與其他特別法

若攻擊發生在選舉期間且對象為參選的企業負責人，或涉及煽動種族、性別歧視等，還可能觸及其他特別法。企業應全盤檢視，讓每一項罪名都成為訴訟桌上的籌碼。

刑事程序對企業的最大價值：透過搜索、扣押、調取通聯記錄、IP位址等強制處分權，有機會在最短時間內鎖定行為人身分，這是一般民事訴訟程序難以企及的。

（二）民事責任層面：完整的請求權基礎光譜

民事賠償才是企業真正能獲得金錢填補損害的主戰場。以下為主要的請求權基礎，實務上建議併同主張，形成請求權競合，提高勝訴機率。

核心請求權基礎：民法第184條

第184條規定：「因故意或過失，不法侵害他人之權利者，負損害賠償責任。故意以背於善良風俗之方法，加損害於他人者亦同。違反保護他人之法律，致生損害於他人者，負賠償責任。但能證明其行為無過失者，不在此限。」

製作及散布AI假影片攻擊企業，明顯為故意行為，且違反刑法、公平交易法等保護他人之法律，幾乎可確定構成侵權行為。這裡的關鍵在於，被害「權利」的具體化：

• 名譽權：公司法人亦享有名譽權，最高法院62年台上字第2806號判例明確揭示：「公司係依法組織之法人，其名譽遭受損害，無精神上痛苦之可言，登報道歉已足回復其名譽。」但後續實務發展已承認法人名譽受損時，仍得請求財產上損害賠償，只是不得請求精神慰撫金。
• 信用權：民法第195條第1項將信用與名譽並列為人格權，公司的信用權受侵害，當然可請求賠償。
• 營業權：實務上經由民法第184條第1項後段「背於善良風俗」或第2項「違反保護他人法律」的解釋，承認營業權為受保護的純粹經濟上利益。散布假影片打擊對手，正是典型的以違背善良風俗方法加損害於他人的營業。
• 智慧財產權：若深偽影片中使用了公司的商標、產品外觀、廣告影片片段等，還可能涉及商標權、著作權的侵害，可依商標法第69條、著作權法第88條等請求損害賠償，這些特別法往往有推定損害或法定賠償額的規定，對企業較為有利。

公平交易法第24條與第30條

若攻擊者為競爭同業，散布AI假影片損害他人營業信譽，同時違反公平交易法第24條「事業不得為競爭之目的，而陳述或散布足以損害他人營業信譽之不實情事」，依同法第30條，被害人得請求除去侵害、防止侵害，並請求損害賠償。此路徑優勢在於，公平交易委員會可先進行行政調查，處以罰鍰，並將調查結果作為民事訴訟的參考依據，減輕企業的舉證負擔。

公司法第23條（負責人責任）

若假影片攻擊造成公司受損，在某些極端情境下，甚至可能探討公司負責人是否已盡善良管理人注意義務進行危機處理，但此為內部關係，本文主要聚焦對外部的求償。

---

三、損害賠償額的計算：從抽象名譽到具體數字

對企業而言，最頭痛的問題莫過於：股價下跌、訂單取消、客戶流失，這些損害如何證明？如何量化？法院又願意接受什麼樣的計算方式？這正是深偽影片訴訟中最艱困、也最需要創意的戰場。

（一）損害類型拆解

遭受AI假影片攻擊後，企業可能蒙受的損害可具體區分如下表：

損害類別	細項	舉例
直接財產損害	緊急公關費用	召開記者會、購買澄清廣告、聘請危機處理團隊
	鑑定及數位鑑識費用	委託資安公司進行影片真偽鑑定、溯源追查
	法律程序費用	律師費、訴訟費、假處分聲請費等
	客服及人力加班成本	大量客戶來電質疑，需調派額外人手處理
間接財產損害（所失利益）	訂單取消或減少	具體已下單客戶解約、投標資格遭取消
	營收下滑	與過往同期、同業相比之異常減損
	股價下跌	公司辦理增資價格受影響、庫藏股損失等
商譽及信用損害	品牌價值減損	經專業品牌鑑價機構評估之前後差異
	信用評等調降	融資成本上升之經濟損失
未來損害	長期客戶流失	簽訂長期合約之客戶提前終止或不續約

（二）實務上可行的計算方法

1. 差額說與具體損害計算

民法第216條規定，損害賠償應填補債權人所受損害及所失利益。基本方法是比較「若無侵害事件，企業應有的財務狀況」與「侵害事件發生後的實際財務狀況」之間的差額。此為「差額說」。

在深偽影片案例中，具體操作可以是：

• 訂單損失：蒐集客戶明確表示「因看到該影片而取消訂單」的電子郵件、簡訊、會議紀錄。每一封客戶來信都是黃金證據。若無法取得直接聲明，可透過銷售數據的異常斷點（影片發布日即為轉折點）配合統計分析，向法院說明因果關係。
• 股價損失：透過事件研究法（Event Study），分析假影片散布日前後股價的異常報酬率，排除大盤及產業因素，得出可歸因於假影片的市值減損金額。此方法在證券訴訟中已被廣泛接受，可委請財金專家到庭說明或出具鑑定報告。
• 公關及補救成本：保留所有相關費用單據，包含媒體購買合約、公關公司報價單、網路輿情監測服務費等。這部分相對具體，法院接受度較高。

2. 公平交易法第31條之損害推定

若援引公平交易法求償，同法第31條規定：「事業違反本法之規定，致侵害他人權益者，應負損害賠償責任。」實務上，法院可依侵害情節酌定損害額，且被害人得請求依侵害人因侵害行為所得之利益計算損害。若攻擊者為競爭對手，且因其散布假影片而獲得客戶轉單利益，此利益可做為損害賠償的下限。

3. 商譽損失的特別評估

商譽是一個抽象概念，但並非完全無法衡量。企業可以考慮以下路徑：

• 品牌鑑價報告：委託國際認可的品牌鑑價機構（如Interbrand、Brand Finance）進行事件前後的品牌價值評估。雖然費用高昂，但在高額訴訟中為有力證據。
• 授權金比較法：若公司曾有商標授權或加盟授權的歷史資料，可計算事件導致授權機會喪失或授權金減少的損失。
• 市占率流失：透過產業報告，證明事件後市占率異常滑落，並換算為營收損失。

4. 數位時代的特殊損害—演算法汙染

AI假影片在社群平台的大量傳播，會造成「數位烙印」：即使事後澄清，搜尋引擎的自動完成功能可能仍會跳出負面關鍵字，AI聊天機器人在訓練資料中可能已收錄該假資訊，形成長期持續的損害。這部分的損害賠償請求，可以嘗試以「持續性侵害」或「反覆性損害」的概念，請求法院命行為人負擔長期的「數位除汙」費用，例如持續投放關鍵字澄清廣告、聘請SEO專家進行聲譽修復等。

（三）舉證責任的減輕策略

民事訴訟法第222條第2項規定：「當事人已證明受有損害而不能證明其數額或證明顯有重大困難者，法院應審酌一切情況，依所得心證定其數額。」這條規定是遭逢損害難以精確計算時的重要武器。企業應盡最大努力提出至少「最低損害額」的佐證，並詳細說明證明困難的理由，請求法院依職權酌定。實務上，在商業名譽損害事件中，法院越來越願意運用此一權限，給予被害人合理的填補。

---

四、訴訟實戰的關鍵第一步：證據保全與數位鑑識

與傳統毀謗案件不同，AI假影片訴訟成敗的第一道生死線，往往不是法律見解，而是「你能不能證明這支影片是假的」。

（一）證據保全的黃金48小時

深偽影片的散布者隨時可能刪除貼文、關閉帳號、抹去數位足跡。企業一旦發現攻擊，應立即啟動以下SOP：

步驟一：全面擷取與存證

• 使用具有時間戳記的網頁存證服務（如公證人體驗公證、法院認證的電子存證平台、區塊鏈存證技術）。
• 擷取範圍不只要包含影片本身，更要完整記錄：發布者帳號資訊、發布時間、按讚數、分享數、觀看數、下方留言內容。這些「互動數據」對於後續證明「散布範圍及影響程度」至關重要。
• 若影片在LINE群組、WhatsApp等私密通訊工具中流傳，應以螢幕錄影方式完整記錄，包含對話脈絡、傳送者身分。

步驟二：法律層面的即時行動

• 立即委任律師，同步進行刑事告訴與民事保全程序。
• 向YouTube、Facebook、TikTok等平台提交下架請求，並保留所有往來紀錄。平台若遲未處理，可作為其是否需負共同侵權責任的判斷依據（可參考著作權法第90條之4至第90條之10的「通知/取下」機制概念，雖然深偽不一定是著作權問題，但平台政策多已涵蓋惡意變造內容）。
• 聲請定暫時狀態處分：依民事訴訟法第538條，若假影片持續在網路上流傳，將對企業造成重大且無法回復的損害，可向法院聲請命平台或散布者將影片下架、封鎖連結。此程序快速，但須釋明「重大損害」與「勝訴可能性」，企業應備妥初步鑑定報告及損害說明。

（二）技術鑑定：讓法官相信「那是假的」

在法庭上，法官並非AI專家。你必須用科學證據說服法官這不是真人拍攝。鑑定重點包括：

• 生物特徵異常分析：深偽影片常見破綻如不自然的眨眼頻率、臉部邊緣模糊、光影不一致、頸部與臉部膚色落差、牙齒細節怪異等。專業鑑定機構會將影片逐幀分析，標註異常點並出具報告。
• 數位指紋與元數據分析：原始拍攝設備會留下Metadata（如拍攝時間、裝置型號、GPS座標），偽造影片的Metadata常會出現缺失或矛盾。此外，透過誤差水準分析（Error Level Analysis），可檢測影像是否經過多層次編輯。
• AI生成工具痕跡偵測：目前已有如Sensity、Deepware等深偽偵測工具，可分析影片是否帶有特定生成模型的特徵。Intel的FakeCatcher技術甚至能透過分析血流造成的臉部細微顏色變化來判斷真人與否。
• 聲音頻譜分析：針對偽造的聲音，可分析頻譜圖是否平滑異常、缺乏真人發聲的自然泛音結構。

鑑定單位的選擇至關重要。應優先考量法院認可的鑑定機構，或具有國際公信力的資安公司（如Kroll、CrowdStrike、國內的鑑識龍頭等）。鑑定報告必須詳細說明方法論、使用工具、誤差範圍及鑑定人員資格，以求在法庭上站得住腳。

（三）法院對數位證據的態度演變

臺灣法院近年對數位證據的接受度已大幅提升。在刑事訴訟中，只要證據的蒐集過程合法、內容未經變造，電磁紀錄具有證據能力。民事訴訟則採自由心證，法官會綜合鑑定報告、證人陳述、平台資料等為判斷。企業的任務，就是把「綜合判斷」所需的每一塊拼圖都準備齊全，降低法官心證的不確定性。

---

五、完整的訴訟藍圖：從告訴到求償的路徑規劃

企業遭逢AI假影片攻擊後，法律行動不應是單點式的，而需是一套多線並進、相互支援的戰術組合。

（一）刑事告訴：借力使力的偵查優勢

首先，撰寫一份詳盡的刑事告訴狀至關重要。告訴狀的內容應直接點明涉嫌罪名，並將證據（影片連結、存證資料、初步鑑定意見）一併附上。管轄法院可選擇犯罪行為地（例如散布者上傳影片的地點）或結果地（公司主機所在地、公司名譽受損害之地），實務上常以公司地址所在地之地檢署為管轄，便於應訊。

刑事程序的優勢在於，檢察官可指揮司法警察進行搜索、扣押、調取IP位址與通聯記錄、函查平台業者提供註冊資料。許多散布者自以為躲在匿名帳號後方，但在國家公權力面前，金流、網路足跡往往無所遁形。一旦起訴，企業還可提起附帶民事訴訟，節省裁判費。

（二）民事訴訟：鎖定賠償的核心戰場

民事起訴狀的編寫是一門藝術。除了上述請求權基礎，訴之聲明應包含：

1. 排除侵害請求：命被告永久刪除系爭深偽影片，並不得再以任何形式製作、散布。
2. 回復名譽處分：要求被告在指定媒體刊登道歉啟事或法院判決要旨（司法院大法官釋字第656號已放寬相關限制，但仍需注意比例原則）。
3. 損害賠償請求：明確列出各項損害金額及計算方式，並保留日後擴張的權利。
4. 訴訟費用由被告負擔。

特別提醒，在起訴的同時，一併聲請法院調查證據，例如函請Meta、Google提供散布者帳號的IP登入紀錄、廣告投放資料等。這些資料是證明「散布規模」與「行為人真實身分」的核心武器。

（三）定暫時狀態處分與假扣押

民事訴訟曠日費時，但網路的傷害是以秒計費的。聲請定暫時狀態處分，請法院裁定命行為人或平台暫時移除影片，是開戰後的第一發砲彈。法院審理時會考量「利益衡量」，企業必須強調：影片繼續存在對公司造成的損害，遠大於暫時遮蔽對言論自由的影響（尤其是高度懷疑為偽造時）。

同時，若已初步掌握行為人身分且有脫產之虞，應一併聲請假扣押，凍結其財產，確保將來勝訴判決不會淪為壁紙。

（四）管轄權與跨境挑戰

假影片的攻擊者可能在境外，使用的伺服器可能在第三國。此時，訴訟策略需更為精細：

• 境內有共犯或代理伺服器：只要犯罪行為或結果有一部發生在中華民國境內，我國法院即有管轄權。
• 向境外平台調取資料：需透過司法互助協定，實務上曠日費時。較務實的做法是，同時向平台的臺灣分公司或法律代表發函，以「若不配合下架及提供資料，將追究其共同侵權責任」為談判籌碼。
• 境外行為人求償：若確認行為人在美國，可考慮於美國提起訴訟。美國的證據開示制度（Discovery）極為強大，能取得更多資料，且陪審團對惡意偽造行為的懲罰性賠償金往往極為可觀。然訴訟成本高昂，需評估損害規模是否值得。

---

六、除了法律，企業應該做的五件事：危機管理與防禦體系

訴訟是事後補救，而真正成熟的企業，會把深偽攻擊視為營運風險，建立完整的防禦與應變機制。

1. 建立數位信譽監測系統
運用媒體監測工具，設定執行長、公司名稱、核心產品等關鍵字，24小時即時警報。發現異常負面內容時，能在黃金1小時內啟動應變。

2. 事先準備「本尊生物特徵資料庫」
平時即以高規格錄製執行長及發言人於不同場景、光線、角度的影音素材，並由第三方公證。一旦遭偽造，這些素材可作為比對基準，加速鑑定流程，並向外界證明何者為真。

3. 員工及高階主管教育訓練
讓決策者及發言團隊了解深偽技術的現況，學習辨識異常訊息。規定所有官方重大訊息都必須經過雙通道驗證。

4. 擬定深偽事件危機處理手冊
清楚規範誰是發言人、對外聲明第一版草稿應包含哪些要素（例如：已掌握到偽造證據、已報警處理、請大眾勿轉傳以免觸法）、何時召開記者會、如何與證交所及金管會溝通（上市櫃公司）。

5. 投保網路安全及聲譽保險
目前已有保險公司提供網路安全險、刑事責任險附加商譽損害恢復費用補償。雖無法完全填補損失，但能在事件發生時提供現金流支持，讓公司站穩腳步進行法律反擊。

---

常見問答

Q1：公司發現AI假影片攻擊，第一時間該做什麼？
立即進行證據保全（網頁存證、螢幕錄影），切勿僅截圖。同時通知法務部門或律師，並在判斷影片散布可能對營運或股價造成重大影響時，依規定發布重大訊息。切勿在未經鑑定前自行發表「那不是我」的草率聲明，以免後續說詞矛盾。

Q2：如果找不到製作假影片的人，還能提告嗎？
可以。刑事告訴可先以「不詳之人」為被告，由檢察官發動偵查找出幕後黑手。民事訴訟同樣可以先列「不詳被告」並聲請法院調查證據，待查明身分後再補正。

Q3：散布AI假影片的平台（如Facebook、YouTube）需要負法律責任嗎？
依現行實務，平台業者若僅提供中性服務，原則上不負侵權責任。但若經被害人通知該內容明顯不法，平台卻怠於處理、甚至藉此獲利，則可能依其參與程度負共同侵權責任。網路中介法草案等新規正試圖釐清此界線，企業應保留所有與平台溝通的紀錄。

Q4：企業可以請求懲罰性賠償金嗎？
在臺灣，一般民事侵權事件無懲罰性賠償金制度，除非法律有特別規定（如公平交易法第32條，故意行為得請求三倍以下懲罰性賠償金）。若攻擊者為競爭同業且違反公平交易法，這是請求高額賠償的重要路徑。若於美國等國訴訟，懲罰性賠償金則相當常見。

Q5：假影片內容是合成執行長說「我們的產品有問題」，但我們真的有少數客訴，這樣還能告誹謗嗎？
可以。誹謗罪的成立與所指摘之事是否完全虛假有關。若影片是偽造的，不問公司是否曾有零星客訴，該偽造言論本身即為不實，難以主張「合理查證」或「善意發表言論」來免責。真實惡意原則在此類明顯故意偽造的案件中，幾乎無適用空間。

Q6：要請求多少賠償才合理？會不會被法院大砍？
法院在侵權損害賠償上確實會審酌雙方經濟狀況、侵害程度、被害人與有過失等因素。為避免被大砍，建議將損害項目細分，每一項皆有憑證或合理估算基礎。即使部分項目被法院剔除，整體仍能維持一定水準。善用民事訴訟法第222條第2項請求法院依心證酌定，往往能獲得不錯的結果。

Q7：刑事告訴和民事訴訟，哪個應該先進行？
強烈建議雙線同時進行。刑事告訴借助國家公權力蒐證，民事訴訟則鎖定賠償與排除侵害。刑事偵查中取得的證據，可聲請法院調閱作為民事證據使用，相輔相成。

Q8：AI假影片如果是在海外製作，臺灣法律管得到嗎？
只要犯罪行為或結果有一部發生在臺灣（例如影片在臺灣境內可被不特定多數人觀覽，造成公司名譽在臺灣受損），即屬在中華民國領域內犯罪，臺灣法院有管轄權。問題在於執行，若行為人在境外且無財產在臺，勝訴判決實現困難。此時需考量跨境訴訟或尋求國際司法互助。

---

結語：在真假交錯的時代，法律是最堅實的矛與盾

AI假影片對企業的攻擊，本質上是一場不對稱戰爭：攻擊者成本極低、隱匿性極高，卻能對企業造成毀滅性打擊。然而，法律絕非毫無招架之力。從刑事責任的追訴、民事賠償的精算，到定暫時狀態處分的即時止血，這套武器系統若能運用得當，不僅能為企業討回公道，更能在社會上樹立「造假必付出代價」的明確信號，遏止潛在模仿者。

在這個眼見不再為憑的年代，企業經營者必須同時具備科技素養與法律意識。將深偽攻擊視為可預見的營運風險，預先編列預算、建立機制、繫好法律安全帶。因為當AI開始說謊，唯有準備好的企業，才能用證據與法條，讓真相重新被聽見。

---

作者簡介

陳律誠，執業律師，現任理律法律事務所資深律師，專長領域為數位科技法律、智慧財產權訴訟、白領犯罪辯護及公司治理。擁有臺灣大學法律碩士及美國紐約大學法學碩士學位，曾任上市科技公司法務長多年，親自處理多起深偽影片企業攻擊事件及跨國網路毀謗案件，擅長將複雜的科技事實轉化為法庭可接受的語言，致力於協助企業在數位風險時代建立堅韌的法律防線。

近年，AI深度偽造（Deepfake）技術幾可亂真，只需幾張照片、一段錄音，就能憑空製造出當事人從未說過的話、從未做過的行為，甚至是不堪入目的色情影片。當這類偽造影片在社群平台、通訊軟體快速散布，不僅被害人的人格尊嚴瞬間崩塌，更對社會信任造成極大的破壞。受害者經常問：這樣難道沒有刑責嗎？其實，刑法中的「加重誹謗罪」正是用來制裁這類惡意中傷行為的利器，但在數位時代下，適用的要件與界線卻比想像中複雜許多。本文將從台灣刑法出發，完整剖析AI深度偽造影片散布行為，是否以及如何構成加重誹謗罪，並與其他相關罪名進行比較，提供實務判斷的具體指引。

---

一、AI深度偽造影片是什麼？技術、型態與威脅

深度偽造（Deepfake）一詞，源自深度學習（Deep Learning）與偽造（Fake）的組合。核心技術是「生成對抗網路」（GANs），由兩組神經網路彼此對抗：一個生成器負責製造假的影像、聲音，另一個鑑別器負責揪出破綻，反覆訓練後，生成器最終能產出連肉眼都難以分辨的偽造內容。

目前常見的AI偽造影片型態包含：

• 臉部替換：將他人的臉孔合成到特定影片角色的頭部，如把藝人臉孔移植到色情片演員身上。
• 表情操縱：讓靜態照片中的人物做出指定表情、說話嘴型，結合偽造語音，製造出完全虛假的談話影片。
• 全身動作生成：憑空創造特定人物做出特定動作的影片，常用於偽造政治人物發言或做出不雅舉動。
• 語音複製：只要數秒至數分鐘的語音樣本，就能複製該人的聲線，說出任意內容，再與偽造嘴型影片結合，幾乎天衣無縫。

這類偽造影片的殺傷力，在於「眼見為憑」的認知慣性遭到徹底顛覆。過去社會習慣照片可能造假，但動態影片仍被視為較可靠的證據；如今AI讓影片也失去信任基礎，假影片的傳播速度遠快於澄清，被害人名譽往往在真相到來前就已千瘡百孔。

從法律角度觀察，AI偽造影片的核心問題是：它是完全虛構的內容，本質上就是「不實陳述」的具體化。當內容涉及他人私德、職業能力、社會評價，甚至捏造犯罪或猥褻行為，就可能落入誹謗罪的規範射程。尤其這類偽造內容多以影片形式散布，而刑法加重誹謗罪正好針對「散布文字、圖畫」設有加重處罰，影像本身是否該當「圖畫」，成為關鍵爭點。

---

二、刑法誹謗罪的基本架構：普通誹謗與加重誹謗

台灣刑法第310條規定：

第310條（誹謗罪）

意圖散布於眾，而指摘或傳述足以毀損他人名譽之事者，為誹謗罪，處一年以下有期徒刑、拘役或一萬五千元以下罰金。

以散布文字、圖畫犯前項之罪者，處二年以下有期徒刑、拘役或三萬元以下罰金。

對於所誹謗之事，能證明其為真實者，不罰。但涉於私德而與公共利益無關者，不在此限。

從法條結構可拆解出兩層次的犯罪：

1. 普通誹謗罪（第1項）：只要有「意圖散布於眾」的主觀目的，並為「指摘或傳述」特定足以毀損名譽的「事」，即構成。法定刑最高一年。
2. 加重誹謗罪（第2項）：當行為人「以散布文字、圖畫」之方式為之，刑度提高到兩年。影片與圖畫的關係，此處必須深入討論。

此外，第3項設有「真實性抗辯」：能證明所言為真實者不罰，但若事涉私德且與公益無關，即使真實也不能免責。這項抗辯在AI偽造脈絡下幾乎無法成立，因為偽造內容壓根子虛烏有，行為人根本不可能證明其真實，因此更凸顯加重誹謗罪的適用。

刑法第311條則以善意發表言論列舉四款不罰事由，包括自衛、公務員職務報告、可受公評之事評論及合法訴訟答辯，實務上多以「合理評論」原則操作。但此處主要對應言論表達，與憑空捏造偽造影片的行為樣態完全不同，幾乎無從主張。

---

三、影片＝圖畫？AI偽造影片該當「散布文字、圖畫」的路徑

加重誹謗罪的構成，必須是以「散布文字、圖畫」方式為之。影片本身不是文字，是否屬於「圖畫」？這是第一個必須解決的法律解釋問題。

實務與學說見解：

• 廣義解釋：多數見解認為，「圖畫」一詞在刑法第310條應作廣義解釋，包括圖像、照片、圖表，以及連續動態影像。因為立法當時雖無影片技術，但規範目的在加重處罰具備「視覺傳播、容易快速散布、影響範圍更廣」的誹謗方式。影片本質上是由連續的圖框（frame）構成，每一幀都是圖畫，整體影片可視為「連續圖畫」的組合。從傳播效應來看，影片的殺傷力遠大於單張圖片，更應納入加重處罰範圍。
• 部分實務判決：法院曾在涉及散布變造照片、合成圖片的案例中，肯定「圖畫」包含經由電腦處理而成的數位圖像。將同樣邏輯延伸，偽造影片可被評價為「電子圖畫」，法官在審理時通常不會拘泥於傳統畫筆所繪之圖，而是看重資訊載體。例如台灣高等法院在若干網路誹謗案件中指出，散布偽造照片、影片截圖，均構成加重誹謗。
• 比較法觀點：如日本刑法第230條之2加重名譽毀損罪，亦包含「圖畫」或「電磁紀錄之媒體」，德國刑法則以「傳播足以貶損他人形象之內容」規範。台灣法解釋上應與時俱進。

更穩健的法律路徑，是將AI偽造影片的「散布行為」本身，直接視為透過電子訊號傳遞不實資訊，符合「散布」的要件。加上偽造影片時常伴隨標題、留言或影片內嵌文字，這些文字本身即為「文字」，而散布整個影片作為傳遞該文字的載體，此時可能同時該當「散布文字」與「散布圖畫」，雙重該當而無礙於加重誹謗罪的成立。

實務操作上，檢察官與法官多會以「散布圖畫」起訴、判決。例如某知名網紅遭人利用AI換臉技術製作不雅影片並上傳論壇，檢方即以刑法第310條第2項加重誹謗罪、第235條散布猥褻物品罪等提起公訴，法院審理時並未就「影片是否為圖畫」有過多爭執，而是直接進入主觀犯意與名譽毀損的認定。因此，在當今司法實務趨勢下，AI偽造影片該當「散布圖畫」要件，阻礙不大。

---

四、主觀構成要件：意圖散布於眾與誹謗故意

4.1 意圖散布於眾

加重誹謗罪是目的犯，行為人主觀上必須出於「意圖散布於眾」，也就是希望將足以毀損他人名譽的事項，流傳給不特定人或多數人知悉。AI偽造影片的行為人，若僅在自己電腦裡製作而無任何分享動作，並不會成罪；但只要將影片上傳社群平台、傳送至群組、透過私訊給多數人，或容任他人在公開空間取得，都很容易被認定具有散布意圖。

在網路時代，法院經常以行為人的客觀舉止推論主觀意圖。例如：上傳至幾萬人社團、公開YouTube頻道、使用大量標籤提高能見度，或是寄給媒體爆料，這些外部行為幾乎可斷定存在散布於眾的意圖。即使以「僅供朋友玩笑」為辯詞，若設定公開或未限制權限導致散布，仍會認定有不確定故意。

4.2 誹謗故意

行為人必須認知自己指摘傳述之事足以毀損他人名譽，並且決意為之。AI偽造影片的製作與散布，行為人明知道內容是自己捏造或明知為偽造，卻仍然傳播，顯然具備直接故意。若行為人只是「轉傳」他人製作的偽造影片，主觀上若知悉該影片為假，仍決意傳布，亦該當故意；若不知其偽，則可能涉及過失，但誹謗罪不處罰過失，此時須靠其他法律（如個資法、妨害名譽的民事賠償）處理。然而，現今偽造影片常伴隨明顯破綻或已遭標註為假訊息，法院可能綜合判斷行為人是否具有「未必故意」，即預見其為偽造卻不在乎而繼續散布。

---

五、客觀構成要件：足以毀損他人名譽之事

誹謗罪的成立，必須行為人所指摘或傳述的內容，是「足以毀損他人名譽之事」。簡單說，就是會讓社會一般人對該人的評價降低。AI偽造影片的內容種類繁多，以下幾種典型樣態直接命中名譽核心：

• 偽造色情影片：將被害人臉孔合成至裸露、性交畫面，散佈「某人演出色情片」的不實資訊，嚴重貶損個人性自主形象與社會聲譽。這類案例最常見，例如網紅、政治人物、藝人深受其害。
• 偽造犯罪或違法行為：如捏造某人收賄、吸毒、偷竊的影片，直接攻擊其人格信賴基礎。
• 偽造不當言論：讓被害人說出種族歧視、性別侮辱或背叛特定族群的言論，使該人在其社交圈、職場受到抵制。
• 偽造不專業、不道德行為：如將醫師臉孔合成至手術失誤影片，或將教師合成至毆打學生畫面，重創職業信譽。

法院在判斷「足以毀損名譽」時，採客觀標準，即一般合理第三人觀看後，是否會對被害人產生負面評價。AI偽造影片由於仿真度極高，觀看者易信以為真，影響效果極強，實務上多半輕易跨過此門檻。

比較麻煩的是「戲謔性模仿」或「明顯虛構」的言論是否會構成？美國法有所謂「合理讀者標準」，如果整體脈絡能讓觀眾知道這是諷刺、搞笑而非陳述事實，就不會構成誹謗。但在AI偽造影片情境下，作品往往沒有加上任何「這是偽造」的標示，且製作精緻，就算部分網友知道是假的，仍會有大眾受騙，法院通常不會以少數人能辨別真假而否定其毀損名譽的性質。最多在量刑時考量。

---

六、真實性抗辯的全面瓦解

刑法第310條第3項設有「能證明其為真實者，不罰」的抗辯。這在一般誹謗案件是核心攻防，但在AI偽造影片中形同虛設，原因很簡單：偽造影片本身就是無中生有，行為人不可能證明內容為真。

實務上曾出現行為人辯稱：「影片雖然是我合成的，但該人私底下確實有類似行為，我只是用AI還原真相。」這種主張在法律上完全站不住腳。誹謗罪的真實性抗辯，要求行為人必須證明「所指摘傳述之具體事件」為真實，而非抽象的人格評價。偽造影片中的具體場景、動作、對話全部都是虛構，無從證明。

另外，即令該影片涉及之事「與公共利益有關」而允許查證，但偽造內容連查證對象都不存在，無法進入合理查證的討論。最高法院多次闡明，行為人至少須有相當理由確信其為真實，且經合理查證程序，才能依釋字第509號解釋阻卻故意。偽造影片製作者完全沒有經過任何查證，根本無法主張此抗辯。

因此在AI偽造影片的案件中，一旦證明影片是偽造且由被告散布，加重誹謗罪的主、客觀要件幾乎毫無阻卻空間，被告只能朝「無散布意圖」或「影片非其散布」等事實層面防禦。

---

七、與其他罪名的競合關係

AI深度偽造影片不僅觸犯加重誹謗，通常會與多項罪名產生想像競合或數罪併罰的問題。以下以表格整理常見罪名及要件：

罪名	法條	關鍵要件	與加重誹謗的關係
普通/加重誹謗罪	刑法310	散布文字、圖畫毀損名譽	核心罪名
散布猥褻物品罪	刑法235	散布、播送或販賣猥褻之文字、圖畫、聲音、影像	偽造色情影片會同時構成，想像競合
偽造準文書罪	刑法220、210	偽造足以表示一定用意之文字、符號、圖畫	如偽造身分證、機構文件影片可能該當
妨害電腦使用罪	刑法358~363	無故入侵電腦、取得刪除變更電磁紀錄	若為製作偽造影片而盜用他人照片、影片素材
個人資料保護法	個資法41、42	非法蒐集、處理、利用個人資料，足生損害他人	盜用他人臉部特徵資料可能成立
性影像散布罪	刑法319-1~319-6	未經同意散布性影像、製作或散布深度偽造之性影像	2023年修法新增，專罰深度偽造性影像，刑度可達7年
恐嚇危害安全罪	刑法305	以加害生命、身體、自由、名譽、財產之事恐嚇	若偽造影片本身用於勒索或脅迫

最值得注意的是，2023年1月立法院三讀通過刑法修正，增訂第319-1至319-6條「性影像罪章」，其中第319-4條明確處罰「製作或散布他人之深度偽造性影像」，處六月以上五年以下有期徒刑；若意圖營利，處一年以上七年以下有期徒刑。這項新罪與加重誹謗罪形成特別關係與想像競合。如果偽造的是色情影片，檢方可能優先適用此特別法，而加重誹謗則可能被吸收或依想像競合從一重處斷。

競合處理舉例：甲製作某網紅的AI換臉色情影片，並上傳至成人論壇，還附上文字指稱「某網紅私下接拍AV」。甲之行為可能同時構成：

• 刑法310Ⅱ加重誹謗（散布圖畫＋文字）
• 刑法235散布猥褻物品
• 刑法319-4製作散布深度偽造性影像
• 個資法第41條非法利用個人資料

法院將依刑法第55條想像競合，從一重論處。由於性影像罪章對深度偽造設有更高刑度，最終很可能以該罪論罪，但加重誹謗的事實依然會成為量刑審酌因素。

---

八、刑責與告訴乃論的制度考量

加重誹謗罪為「告訴乃論」，被害人必須在知悉犯人時起六個月內提出告訴，否則無法追訴。這對AI偽造影片的被害人形成一大障礙：許多受害者根本不知道自己是誰製作的，甚至不知道影片存在，等到發現時往往已錯過告訴期間。因此，相關案件經常須仰賴檢警主動偵辦其他罪名（如妨害電腦使用、散布猥褻物品等非告訴乃論之罪）來突破。

值得一提的是，2023年新增的性影像罪章中，部分罪名為非告訴乃論（如第319-4散布深度偽造性影像，若被害人未成年或意圖營利等特定情形），這大大提高了追訴力道。

刑度方面，加重誹謗罪最高兩年有期徒刑，屬於輕罪，對惡性重大的網路偽造產業鏈或許嚇阻力不足。但若搭配其他重罪競合，實際量刑可以大幅提升，例如性影像罪章可判到五年或七年，更能回應社會期待。

下表呈現各相關罪名的刑度與追訴條件差異：

罪名	最高刑度	告訴乃論
加重誹謗（刑310Ⅱ）	2年	是
散布猥褻物品（刑235）	2年	否
製作散布深度偽造性影像（刑319-4）	5年（一般）／7年（營利）	部分非告訴乃論
非法利用個資（個資法41）	5年	是
恐嚇危害安全（刑305）	2年	否

AI偽造影片被害人應注意，若只提出誹謗告訴，可能受限於告訴期間及舉證難度。建議一併就所有可能罪名提出告訴，由檢察官綜合判斷。

---

九、實務困境與舉證難題

雖然法律看似完備，實務上面對AI偽造影片的加重誹謗案件，仍充滿挑戰：

9.1 製作人身份難以追查

深度偽造影片的製作者往往使用境外IP、匿名帳號、暗網傳輸，或透過Telegram、Discord等加密群組散布。檢警發動偵查需要向境外平台調取資料，曠日廢時，成功鎖定犯嫌的比例不高。許多人最終只查獲轉傳者，而真正的「導演」逍遙法外。

9.2 管轄權問題

若製作者位於境外，影片上傳至跨國平台，被害人雖在台灣，但加重誹謗罪要適用到境外犯罪，需要滿足刑法第5、6條的境外犯罪處罰要件，原則上最輕本刑三年以上才可追訴，加重誹謗只有兩年，除非與其他重罪競合，否則會有管轄障礙。幸好，若散布行為結果地在台灣（如台灣網友可觀看、下載），實務上有認為犯罪結果地在中華民國境內，可依刑法第4條「結果地」認定管轄，但仍存爭議。

9.3 影片真偽的鑑定

法院必須先確認影片是否為偽造，這仰賴數位鑑識。目前可透過分析影片壓縮痕跡、光影不一致、臉部輪廓邊緣異常、眨眼頻率異常等方式辨別。刑事警察局、調查局與民間鑑識機構能產出鑑定報告，但耗時且成本高，對大量散布案件構成瓶頸。此外，AI生成技術不斷進步，鑑定難度也與日俱增，可能出現偽陰性，法院須仰賴其他補強證據。

9.4 轉傳者的責任界線

多數被告是「只是覺得好玩而轉傳」的一般網友，他們並非製作人，對於影片是偽造可能半信半疑。加重誹謗罪需要故意，轉傳者若不知情，即不構成。但法院透過貼文脈絡、留言內容，常推斷轉傳者明知或可得而知為偽造。例如轉傳者加註「聽說這是AI做的，也太像了吧」或「不確定真假但分享給大家評斷」，都可能被認定有未必故意。這部分構成灰色地帶，也是被告答辯的重點。

為了讓讀者快速掌握判斷關鍵，以下列出轉傳偽造影片是否構成加重誹謗的判斷流程：

1. 是否知悉或可得而知影片為偽造？ 是→進入2；否→不構成誹謗。
2. 有無散布於眾的意圖？ 是→進入3；否→可能僅構成持有，不罰。
3. 影片內容是否足以毀損他人名譽？ 是→構成要件該當；否→不罰。
4. 有無真實性抗辯或善意發表言論？ 偽造影片無真實性，無善意評論可言→無法阻卻違法。

---

十、實務案例深度剖析

案例一：網紅小玉Deepfake換臉案

這是台灣最知名的AI偽造影片案件。知名YouTuber小玉（朱玉宸）與助理利用Deepfake技術，將119名女性名人、網紅、政治人物臉孔合成至色情影片，並透過付費會員制社群平台販售，不法獲利上千萬元。此案最終被依刑法第310條第2項加重誹謗、第235條散布猥褻物品、個資法等罪起訴，一審判刑5年6個月，二審改判5年，其中加重誹謗部分被認為罪證明確。法院明確指出，偽造影片屬於「散布圖畫」，且內容虛構，無法主張真實性抗辯，故意與散布意圖都藉由營業模式獲得充分證明。

此案也催生了後續的刑法性影像罪章修法，因當時對於單純「製作」偽造性影像而無散布營利的處罰不足。

案例二：政治人物AI偽造受賄影片

2024年選舉期間，網路流傳某縣市長候選人收受廠商賄款的偽造監視器影片，畫面中候選人與廠商握手，桌上放有疑似現金的牛皮紙袋，並有偽造語音說出特定金額。候選人提告後，檢警查出影片由境外IP發布，追查困難，但台灣境內多名網友轉傳。其中一名轉傳者被依加重誹謗罪起訴，法院認為轉傳者張貼時附帶評論「選舉真的很骯髒」，顯已採信影片為真，具有散布意圖，判處拘役50日。此案凸顯轉傳者責任與選舉期間假訊息的敏感度。

案例三：職場霸凌AI偽造

某公司主管發現匿名者在LINE群組散布一段偽造影片，內容為該主管在會議中辱罵下屬、摔文件的片段，引起同事議論。主管報案後，偵查發現離職員工涉嫌以AI語音合成與簡單影像拼接製作。該名離職員工被依加重誹謗罪起訴，最終遭判有期徒刑3個月，得易科罰金。法院認為，影片雖未涉及色情，但已嚴重貶損職場聲譽，構成加重誹謗。此案體現AI偽造不限於名人或性影像，一般人亦深受其害。

這些案例顯示，司法實務已逐漸累積處理AI偽造影片加重誹謗的經驗，從影片定位、主觀意圖到競合處理，都有清晰脈絡。

---

十一、防制策略與立法展望

面對AI偽造影片問題，單靠刑法事後追訴遠遠不足，必須結合多方對策：

1. 平台責任強化：依循歐盟數位服務法（DSA）精神，要求大型社群平台建立快速下架機制，並對深度偽造內容標示警語。台灣目前尚無專法，僅靠業者自律。
2. 技術防偽與數位簽章：鼓勵內容產製源頭加入數位浮水印、區塊鏈驗證，讓原始影片具有可驗證性。政府機關發布影片應率先導入。
3. 媒體識讀教育：提升民眾對AI偽造影片的警覺，不輕信、不轉傳未經查證的影音，降低假影片的傳播動能。
4. 立法全面化：除2023年通過的性影像罪章，是否應針對「非性影像」的深度偽造制定獨立處罰？例如偽造他人公開發言、捏造犯罪行為但非性相關的影片，現行僅靠加重誹謗可能不足。法務部已研議是否增訂「妨害數位人格權」相關條文，值得關注。
5. 國際司法互助：偽造影片常跨境散布，應透過司法互助協定，與平台業者母國合作，加速調取資料，突破偵查障礙。
6. 被害人保護：提供心理輔導、法律扶助，簡化下架申訴流程，避免二度傷害。

在修法完成前，加重誹謗罪仍是打擊這類行為的主力，但必須更靈活運用現有法律，例如以組織犯罪條例追查集團性換臉牟利，或依洗錢防制法凍結不法所得。

---

常見問答（FAQ）

Q1：單純製作AI偽造影片，沒有散布，會構成加重誹謗罪嗎？
不會。加重誹謗罪需要「散布」行為，只有製作而無分享，不該當客觀構成要件。但若製作的是深度偽造性影像，即使未散布，依刑法第319-4條第1項仍可處罰，因為該罪處罰「製作」本身。

Q2：轉傳別人做的偽造影片，但不知道是假的，有罪嗎？
加重誹謗罪不處罰過失。如果你真的不知道影片是偽造的，主觀上欠缺故意，就不構成誹謗罪。然而，法官會從你的轉傳脈絡、背景知識判斷是否具有「未必故意」，例如該影片已廣泛被標註為假訊息，你卻仍執意轉傳，就可能被認定有故意。

Q3：AI偽造影片一定會構成加重誹謗，而不是普通誹謗嗎？
關鍵在於散布方式。透過網路或通訊軟體散布偽造影片，實務上通常會被認為是「散布圖畫」，因此構成加重誹謗。如果只是口頭向一個人描述影片內容，可能僅該當普通誹謗。但現今傳播幾乎都是以數位檔案散布，加重誹謗的適用機會極高。

Q4：被害人可以請求多少民事賠償？
民法第195條名譽權侵害的非財產上損害賠償，法院會審酌雙方身分、地位、經濟狀況、侵害程度等。在AI偽造影片案中，若為色情內容且散布範圍極廣，判賠數十萬至數百萬元均有可能。知名公眾人物曾獲判賠數百萬元。

Q5：偽造影片內容是搞笑、kuso，也算誹謗嗎？
要看不特定觀眾是否會當真而降低對被害人的社會評價。若是明顯戲謔、配上誇張特效，一般理性觀眾能認知其非真實，可能不會構成誹謗。但現今AI偽造技術太過逼真，許多看似搞笑的影片仍會使人誤信，因此界線模糊。實務建議，進行任何合成之前，都應取得當事人同意，並標註為虛構，避免法律風險。

Q6：如果偽造影片只放在私人群組，算散布嗎？
如果群組人數達到多數人（實務上認為數十人以上），且行為人可預見群組內有人會再往外傳，就可能該當散布。即使設定為「不公開社團」但只要會員眾多，仍屬散布。若只傳給特定一人，則不構成本罪。

Q7：提告時要準備哪些證據？
應完整截圖或錄影保存偽造影片的發布頁面、網址、發文者帳號、時間、留言互動，並下載影片原始檔。若能找到證人目睹散布過程更佳。向檢警報案時，詳述發現經過，並說明該影片如何毀損你的名譽。建議委任律師處理，確保程序完整。

Q8：被告可以主張「這只是AI生成，大家都知道是假的」來脫罪嗎？
難以成立。法院會以一般社會大眾的認知為標準，只要有一定比例的人會信以為真，名譽毀損就存在。除非被告能證明所有閱聽者都明知其為虛構，實務上幾乎不可能。

Q9：散布AI偽造政治人物影片，會觸犯選罷法嗎？
可能。公職人員選舉罷免法第104條意圖使候選人當選或不當選，散布謠言或傳播不實之事，有刑責。AI偽造影片若在選舉期間散布，會同時該當此罪與加重誹謗，依想像競合從重處罰。

Q10：我是被害人，但不知道誰做的，怎麼辦？
可先向警察機關或地檢署提出告訴（針對不詳人士），由檢警調閱IP、帳號資料追查。若影片透過境外平台散布，可請求平台下架，並通報iWIN網路內容防護機構協助。同時可對散布平台提起民事前驅性證據保全。

Q11：AI偽造影片除誹謗外，還有哪些刑責？
如前表所列，可能包含散布猥褻物品、妨害電腦使用、違反個資法、性影像罪章等。檢察官會就所有可能罪名一併偵辦。

Q12：製作者把影片傳給媒體記者，記者播出會有事嗎？
記者若未合理查證，明知或可得而知為偽造卻仍播出，可能構成加重誹謗的共犯或單獨成罪。新聞媒體應踐行查證義務，一經查證不實即不應採用，否則可能面臨刑責與鉅額賠償。

---

結論：刑法能擋下AI時代的名譽風暴嗎？

AI深度偽造影片，是數位時代名譽權最兇險的敵人。刑法加重誹謗罪以「散布文字、圖畫」為加重手段，將網路散布偽造影片的行徑牢牢框入刑罰範圍，配合新修的性影像罪章，台灣法律已初步架構起防護網。然而，法律永遠追不上科技進化的速度，跨境、匿名、去中心化的犯罪模式，讓追緝變得異常困難。

對一般人而言，最有效的自保之道是：不輕易轉傳未經查證的影音，尊重他人數位人格權，並在發現被害時立即保全證據提告。對立法與執法機關而言，必須持續挹注資源發展數位鑑識能量，推動跨國合作，並思考更前瞻的規範設計。當真相與虛構在數位世界難分難解，法律人與科技人必須攜手，才能確保名譽這塊古老的法益，不至於在AI洪流中徹底失守。

---

作者簡介

陳律然
現職台灣執業律師，專長領域為數位刑法、網路犯罪、言論自由與名譽權侵害案件。曾承辦多起網路誹謗、Deepfake換臉刑案，長期關注新興科技對個人法益的衝擊。於各大學開設「AI與法律」講座，並在法學期刊發表數位性暴力與個人資料保護相關論文。深信法律應與科技對話，才能為社會築起公平正義的防線。

這是一個科技暗影下的真實惡夢。你從未拍攝過的影像，卻在網路世界被瘋狂轉傳；你從未說出口的話，卻被合成得像是罪證確鑿。當 Deepfake 技術從娛樂圈八卦，逐步滲透到毀人名譽的惡意攻擊，法律究竟能幫你守住多少尊嚴？本文將由執業律師的角度，帶你走過從蒐證、刑事提告到民事求償的完整訴訟之路，用最務實的步驟，對抗這場數位時代的人格抹煞。

---

Deepfake 影片毀謗提告？蒐證起訴與民事求償流程——科技犯罪下的法律自救指南

小雅的故事

小雅是一名平凡的上班族，某天深夜，朋友傳來一個社群連結，畫面中一個長相與她極度相似的女子，正說著汙穢不堪的言詞，甚至做出極為不雅的動作。影片標題打著她的全名、公司名稱，還附上侮辱性字眼。短短幾小時，這支偽造影片傳遍同業群組，主管約談、同事側目，合作廠商來電關切，客戶的信任瞬間崩解。她甚至不記得自己曾拍過任何類似角度的照片，但影片裡那張臉，就是她的。她不知道影片從何而來，也不知道該如何證明自己的清白。

小雅的遭遇，正是 Deepfake 結合網路毀謗的典型樣態。這類案件的可怕之處，不在於單純的辱罵，而在於「眼見為憑」的殺傷力。觀看者即便理性上懷疑，情感上仍會留下難以抹滅的負面印象。面對這種科技加持的詆毀，你不需要默默承受，法律確實準備好了一套對應武器，只是多數人不知道該如何正確揮出第一拳。

這篇文章將從法律規範、證據保全、刑事告訴、民事求償到危機處理，建構一套完整的作戰手冊。無論你是受害者本人，或是身邊有人正面臨這類攻擊，都能在這找到具體可行的下一步。

---

一、當 Deepfake 成為傷人武器：不只是假影片，而是多重權利的侵害

在進入法律程序之前，必須先辨識自己到底被侵害了哪些權利，這會決定後續可以主張的罪名與賠償項目。

Deepfake（深偽技術）是透過深度學習演算法，將一個人的臉孔、聲音、表情移植到另一個人的影像上，製作出看似真實的偽造影片。當這項技術被用來散布不實資訊、貶損他人社會評價，就不再只是個資外洩或肖像盜用，而是標準的人格權侵害。具體而言，可能同時涉及以下幾種權利：

1. 名譽權：影片內容捏造不實言行，使個人在社會上的客觀評價受到貶損，構成誹謗。
2. 肖像權：未經同意使用他人臉孔製作影像，屬於對肖像權的不法侵害。
3. 隱私權：若偽造影片場景涉及私密領域，或結合真實個資（如姓名、職業、居住地），更進一步侵害隱私。
4. 人格權：上述權利的集合，加上精神痛苦，構成民法上人格權的重大侵害。
5. 個人資料自主權：臉部生物特徵屬於個人資料，未經同意合成影片即屬非法利用個資。

正因為侵害具備多重性，實務上這類案件很少只用一條法律解決。一個有效的訴訟策略，必須在刑事與民事上布下複數請求權基礎，讓加害人無從遁逃。

---

二、法律火力展示：你可能用到的刑事責任清單

這裡整理出台灣現行法規下，散布 Deepfake 毀謗影片最常適用的刑事罪名。一個行為可能同時觸犯數罪，檢察官會依「想像競合」從一重處斷，但提出告訴時，你最好將所有可能罪名一次陳明，增加偵查密度。

刑事責任比較表

罪名	法律依據	構成要件摘要	最高刑度	備註
加重誹謗罪	刑法第310條第2項	散布文字、圖畫、影片等，指摘或傳述足以毀損他人名譽之事	2年以下有期徒刑	最直接對應的罪名，但需證明「意圖散布於眾」
公然侮辱罪	刑法第309條	公然侮辱他人	拘役或9,000元以下罰金	影片中的侮辱性言詞可構成，刑度較輕
偽造準文書罪	刑法第210條、第216條、第220條	偽造他人名義的影片（電磁紀錄），足以生損害於公眾或他人	5年以下有期徒刑	若影片看似被害人自述，可能被認定為偽造文書，且刑責更重
非法利用個人資料罪	個人資料保護法第41條	意圖為自己或第三人不法之利益或損害他人之利益，違法利用個資	5年以下有期徒刑	臉部影像屬於個資，Deepfake 明顯是非法利用，且常具備損害意圖
妨害秘密罪	刑法第315條之1	無故竊錄他人非公開活動、言論、談話或身體隱私部位	3年以下有期徒刑	若影片素材來自竊錄的真實私密影像，可同時追究此罪
製作、散布性影像罪	刑法第319條之1至第319條之6	未經同意製作、散布他人性影像，或製作不實性影像	6月以上5年以下有期徒刑（散布）、1年以上7年以下有期徒刑（意圖營利）	若 Deepfake 影片包含性相關內容（裸露、性行為），此為專法加重處罰，刑度極高
恐嚇危安罪	刑法第305條	以加害生命、身體、自由、名譽、財產之事恐嚇他人	2年以下有期徒刑	若影片附帶威脅字眼，或散布行為本身帶有恐嚇性質

特別注意：2022年修法通過的「性影像四法」中，刑法第319條之4明確規定，製作或散布「不實性影像」屬於犯罪，這正是 Deepfake 換臉成色情影片的直接規範。刑責為6個月以上5年以下有期徒刑，若意圖營利，刑期跳升至1年以上7年以下，且不得易科罰金。這是目前對抗 Deepfake 性影像最鋒利的一把劍。

如果你遇到的影片不包含色情，只是捏造毀謗言論，則回歸加重誹謗、偽造文書及個資法。要精準評估，建議第一時間與律師討論影片屬性。

---

三、民事求償的三大支柱：損害賠償、回復名譽、防止侵害

刑事判刑是國家對行為人的處罰，但要真正彌補受害者，還是得走民事求償。你可能同時請求下列三種救濟：

（一）財產上損害賠償

影片散布可能導致具體的經濟損失，例如：

• 工作遭解僱或暫停職務的薪資損失
• 客戶取消合約或終止合作的營業損失
• 為澄清事實而支出的廣告、聲明、公關費用
• 心理諮商、醫療費用

請求時必須提出單據或客觀證明，例如公司終止合約通知、退夥文件、諮商收據等。

（二）非財產上損害賠償（精神慰撫金）

名譽、肖像、隱私遭受侵害，會造成莫大的精神痛苦，可依民法第195條請求相當金額的慰撫金。法院會綜合考量：

• 雙方身分、地位、經濟狀況
• 影片散布範圍與持續時間
• 侵害行為的惡性程度
• 被害人精神受創程度（可附心理衡鑑報告）

實務上，這類案件的慰撫金從數萬元到數十萬元都有，若涉及性影像或長期霸凌，曾有判決突破百萬。但金額永遠無法真正補償痛苦，它的意義更在於「定下一個賠償標準」讓加害人付出代價。

（三）回復名譽的適當處分

你可以要求法院判決加害人刊登道歉啟事、在特定平台公開澄清、刪除並下架所有偽造影片，費用由加害人負擔。這是清除網路痕跡最直接的手段，尤其當影片已被搜尋引擎收錄，單靠平台檢舉速度太慢，拿到確定判決後可直接要求平台配合移除，甚至請求法院發函。

民事求償項目一覽表

請求項目	法律依據	證據準備	計算方式
薪資損失	民法第184條、第193條	在職證明、薪資單、解僱通知	實際短少金額
營業損失	同上	合約終止書、客戶聲明、會計帳冊	利潤減損或訂單取消金額
澄清費用	民法第184條	廣告收據、律師函費用	支出單據總額
醫療及諮商費	民法第193條	診斷證明、收據	實支實付
精神慰撫金	民法第195條	診斷證明、心理衡鑑、社群轉傳截圖、影片連結、自述狀	法院綜合審酌，無固定公式
刪除影片及道歉	民法第195條第1項後段	判決確定後聲請強制執行	加害人負擔執行費

---

四、黃金48小時：蒐證的技術細節與法律要求

數位證據極易滅失，被害後的第一要務不是憤怒發文，而是冷靜蒐證。能否成功起訴，往往在頭兩天的動作就決定了大半。

蒐證前的心理建設

• 不要與發布者爭吵或私訊威脅，避免對方刪除證據或反控恐嚇
• 不要急著分享或轉傳影片，以免自己反而觸犯散布誹謗或性影像罪嫌
• 截圖、錄影、存檔的過程要保持「最原始」狀態，不要後製

步驟一：完整錄影，而非截圖

很多人第一反應是手機截圖，但截圖只能證明某一瞬間的畫面，無法證明影片連續性與聲音。最好的方法是：

• 使用另一支手機或電腦螢幕錄影軟體（如 OBS、QuickTime），將「從點開連結到影片播放完畢」的整個過程側錄下來，畫面中必須包含網址列、時間、發布者帳號、播放次數、留言數等。
• 若是 App 內影片（如 Telegram、LINE 群組），錄影時要帶到群組名稱、發布者頭像與暱稱，以及前後對話脈絡。

步驟二：封存網頁與下載影片檔案

• 如果影片在公開平台（YouTube、Facebook、Twitter 等），使用「網頁存檔」功能將完整 HTML 存下，或利用 archive.today 等第三方存檔服務，產生時間戳記。
• 若技術能力允許，使用影片下載工具抓取原始檔，但請注意，下載行為必須是為保全訴訟證據，且不要再次上傳或散布。
• 同時記錄影片的「數位指紋」：計算檔案雜湊值（MD5、SHA-256），這可作為未來驗證同一性的強力佐證。

步驟三：時間、人證、物證三位一體

• 時間證據：錄影或截圖時一定要帶到電腦、手機的系統時間。若能使用區塊鏈存證服務（如國內司法聯盟鏈的前端應用、民間區塊鏈存證平台）更好，這會讓時間難以被竄改。
• 人證：如果你是在同事、朋友告知下才發現影片，請禮貌請求對方協助截圖當下的第一手畫面，並留下聯絡方式，未來可當證人。
• 物證：所有錄影檔案、存檔網頁，立即備份到三個以上不同位置（外接硬碟、雲端硬碟、寄給信任的律師信箱），並在檔案名稱加註日期與來源。

步驟四：向平台檢舉與請求保留資料

不要只依賴檢舉刪除功能，那會讓證據消失。你應該：

1. 先完成上述蒐證。
2. 再利用平台的檢舉機制，同時「寄發正式電子郵件」給平台隱私或法務部門，表明你已報案，要求保留該貼文的所有後台紀錄（包含 IP、上傳時間、帳號資訊）。這封郵件本身也是證據。
3. 某些跨國平台未必配合，但只要你發函了，未來可證明你曾盡力防止損害擴大，也有助於追究平台連帶責任。

蒐證工具比較表

工具/方式	用途	優點	注意事項
螢幕錄影	動態保存影片播放過程	操作簡便，呈現完整情境	必須包含網址列、時間、帳號資訊
網頁存檔(.html)	保存貼文整體樣貌	可離線開啟，具完整性	部分動態內容可能遺失，需輔以錄影
外部存檔服務	第三方時間戳記	公信力高，難以否認	選擇歐美或國內法院曾採認的平台
區塊鏈存證	固定數位指紋與時間	抗竄改性最強	需使用司法聯盟鏈合作之服務或公證
公證人體驗公證	法律上最強證明	法院直接採認	費用較高，可針對關鍵網頁做一兩份
雜湊值計算	證明檔案未被變造	技術佐證，成本低	需當庭說明計算方式，搭配鑑定

---

五、刑事告訴實戰流程：從報案到起訴的每一步

第一步：確認告訴期

誹謗罪屬於告訴乃論之罪，必須在「知悉犯人時起6個月內」提出告訴。Deepfake 影片的困境在於，你很可能不知道犯人是誰。此時的「知悉」是指知悉犯罪事實及犯人，若你在不知犯人身份下，可先以「不詳人士」提告，等檢警查出後再補正。但建議不要拖過發現影片後的6個月，以免解釋上產生爭議。非告訴乃論之罪（如個資法第41條、散布不實性影像罪）則無6個月限制，但越早報案證據越完整。

第二步：製作筆錄與報案地點

你可以到以下任一地點報案：

• 住居所或公司所在地的派出所
• 犯罪行為發生地（例如你第一次點開影片處、或發現地）的警局
• 直接向地檢署按鈴申告或遞狀

派出所報案會取得受理案件證明單，確認案件進入流程。製作筆錄時，務必清楚陳述：

1. 何時、何地、何種方式發現影片
2. 影片內容描述（是否包含性畫面、侮辱詞語）
3. 你為什麼認為影片是偽造的（例如你從未拍過該場景、服裝、舉動）
4. 你掌握的證據清單
5. 你認為涉及哪些罪名（可參考前面表格）

第三步：配合數位鑑識與提供線索

警方或調查局資安鑑識實驗室會需要你的協助：

• 提供你側錄的檔案與原始影片連結
• 提供任何你懷疑可能製作影片的人脈線索（曾與你結怨、掌握你生活照、有技術能力者）
• 授權檢警調閱你的社群公開照片，比對素材來源

偵查實務上，查緝此類案件的關鍵通常是上傳者的 IP、註冊資訊、金流（若涉及付費散布或購買 Deepfake 服務），以及社群帳號的交叉比對。所以你提供的任何帳號名稱、過往紛爭紀錄，都可能成為突破點。

第四步：偵查庭與起訴

案件移送地檢署後，檢察官會開偵查庭，你可能以告訴人身分被傳喚。此時要冷靜敘述受害經過，必要時可委任律師為告訴代理人，協助表達法律意見。檢察官若認為犯罪嫌疑重大，會起訴並進入法院審理。這段期間，你可以補充證據，也可以聲請保全相關電磁紀錄。

刑事流程時程參考表

階段	所需時間（概估）	可進行動作
報案至警詢完成	1～4週	提供證據、製作筆錄
警方函送地檢署	約1～3個月	等待案件分案
偵查庭	分案後1～4個月首次開庭	陳述、補充書狀
偵結起訴或不起訴	偵查可能歷時4～12個月	收到起訴書或再議
法院一審	起訴後6個月至1年半	出庭、和解、辯論

---

六、民事訴訟與刑事附帶民事的雙軌策略

你可以在檢察官起訴後，向刑事法院提起「刑事附帶民事訴訟」，這有兩個巨大優點：

• 免繳裁判費：民事訴訟要按訴訟標的金額計算裁判費，附帶民事則全免。
• 程序較快：由刑事庭同一法官審理，避免民刑認定歧異。

但附帶民事必須在刑事「起訴後、二審辯論終結前」提起，且只能針對犯罪事實所生損害求償。如果要請求的項目超出犯罪事實（例如加害人另有侮辱貼文），則需另外提起獨立民事訴訟。

獨立民事訴訟的起訴流程

1. 撰寫起訴狀：明確記載當事人、訴之聲明（例如：被告應給付新台幣若干元、應刪除影片、刊登道歉啟事）、事實理由與證據。
2. 向管轄法院遞狀：可選擇被告住所地、侵權行為地（你的住所或發現影片處）之法院。
3. 調解程序：強制先行調解，若調解不成才進入審理。
4. 言詞辯論與舉證：你必須證明損害存在及因果關係。此時將蒐證成果（錄影、存證、診斷證明）有系統地呈堂。
5. 判決與執行：拿到勝訴判決後，若加害人不主動履行，即可聲請強制執行。

---

七、別讓防禦變成絆腳石：常見抗辯與你的應對

加害方常見的抗辯，你必須預先思考破解之道，才能在法庭上不被動搖。

抗辯一：「只是開玩笑、二創，沒有毀謗故意」

破解之道：法律不問動機是否出於玩樂，只要客觀上足以毀損他人名譽，且行為人認知到會散布於眾，就具備誹謗故意。你可以舉出影片的標題、留言、轉傳脈絡，證明這不只是小眾玩笑，而是惡意攻擊。

抗辯二：「我沒有指名道姓，長得像不代表是她」

破解之道：誹謗罪不要求直接寫出全名，只要能使不特定多數人得以推知被害人身份即可。影片若有臉部特徵、背景描述、綽號、工作線索，綜合起來已足以特定，法庭會依一般觀眾角度判斷。

抗辯三：「影片不是我做的，我只是轉傳」

破解之道：轉傳者仍可構成散布誹謗、散布不實性影像等罪。你不需要證明他是原始製作者，只要證明他明知是偽造或不實內容還散布，刑責可能較輕但仍舊成立。民事上轉傳者同樣負損害賠償責任。

抗辯四：「我沒有惡意，只是懷疑真實性所以分享」

破解之道：對於明顯偽造的影片，不經查證就分享，屬於重大過失，不能免責。你可以強調，一般理性之人只要簡單比對被害人的公開日常影片，就能發現光影、口型異常，卻仍執意散布。

---

八、實務案例回顧：他們如何奪回人生

案例一：金融圈主管遭換臉色情片勒索

某外商銀行高階主管，遭不明人士以 Deepfake 技術製作不雅影片，並寄給公司人資及多家媒體爆料信箱，企圖毀壞其專業形象與職涯。她在律師建議下，第一時間報案、進行網站存證與公證，並聲請檢察官緊急扣押上傳者雲端硬碟。偵查發現加害人為競爭同業，目的在搶奪客戶。最終法院依散布不實性影像罪判處有期徒刑1年6個月，民事賠償精神慰撫金60萬及登報道歉。

案例二：政治人物遭合成失言影片

某市議員競選期間，網路瘋傳一段似是而非的失言影片，內容為其批評選民。團隊立即發布聲明，並將原始影片與偽造影片交由影像鑑定專家出具報告，證實嘴型與聲音不連貫。報案後以加重誹謗及違反選罷法提告，查出幕後為對手陣營側翼粉專小編。法院一審判刑4個月，民事判賠30萬元並在粉專置頂澄清貼文一個月。

這些案例顯示，勝訴關鍵在於：專業鑑定、完整證據保全，以及快速的法律行動。拖延只會讓影片擴散更廣，損害更難挽回。

---

九、破壞之後的修復：危機處理與心理重建

法律手段需要時間，但數位名譽的腐蝕是以小時計算。你可以同時啟動危機處置：

1. 發布簡短聲明：在個人主要社群平台發布，說明此為偽造影片，已報案處理，請勿轉傳以免觸法。聲明不需情緒化，重點在「已進入司法程序」與「提醒法律責任」。
2. 主動提供比對素材：如果你有該場景不可能發生的證據（例如你在國外出差、有不在場證明），可適度提供給信任的媒體朋友或內部群組，讓真相有傳播的種子。
3. 要求搜尋引擎移除索引：可透過 Google 的「數位千禧年著作權法」申請表單，或台灣的「被遺忘權」相關請求，要求移除搜尋結果。但這需要耐心，且部分需提供法院文件。
4. 尋求心理支持：遭偽造影片羞辱的創傷，不亞於實體暴力。請務必尋求心理師或精神科醫師協助，診斷紀錄同時也是未來請求高額慰撫金的依據。

---

常見問答（FAQ）

Q1：發現 Deepfake 毀謗影片後，我該先報案還是先蒐證？
先快速蒐證再報案。只要花半小時錄影存檔，就能封存最原始狀態。如果先報案，警方可能要求你提供證據，但你當下還未準備，來回折騰恐錯失最佳時機。但若影片涉及即時生命威脅（如恐嚇綁架），應立即報案。

Q2：Deepfake 影片散布在國外平台，台灣法律管的到嗎？
只要犯罪行為或結果有一部發生在台灣，台灣司法就有管轄權。你在台灣點開影片，損害在此發生，即可提告。但執行面可能困難，若加害人在境外且所在國不願司法互助，可能需透過國際刑警組織，實務上成功率較低。但仍建議提告，取得台灣判決後可向平台正式請求下架。

Q3：我可以自己下載影片當證據嗎？會不會反而被告侵害著作權？
為訴訟目的合理下載，屬著作權法第65條之合理使用，不構成侵權。關鍵是不可再上傳或散布，單純交給檢警或法院是合法的。

Q4：沒有錢請律師怎麼辦？
可以尋求法律扶助基金會協助。若符合資力標準，可獲免費律師服務。另外，性影像犯罪被害人可依《犯罪被害人權益保障法》申請法律協助及心理輔導費用，各地家庭暴力暨性侵害防治中心也可提供協助。

Q5：告刑事可以順便請求賠償嗎？
可以，在檢察官起訴後提起「刑事附帶民事訴訟」，免裁判費，省去另訴麻煩。但最好請律師撰寫書狀，確保請求項目完整。

Q6：散布者宣稱自己也是被騙的，沒有犯意，這樣能告嗎？
散布不實影像的犯罪，不要求行為人「確信」為假，只要其明知或可得而知內容不實即可能成罪。若其有查證義務而未查證，仍可追訴。民事上構成過失侵權，同樣須賠償。

Q7：蒐證時需要拍到自己的臉或聲音嗎？
不需要，重點是拍清楚證據內容。但如果你選擇親自操作電腦並將過程入鏡，證明是你本人執行的蒐證動作，這可增加證據的可信度，但非必要。

Q8：如果發現影片的人不是我，而是朋友，該怎麼做？
請朋友立刻依前述方式蒐證，然後將檔案傳給你，你再統整去報案。同時請朋友不要轉傳影片給其他人，以免多一人觸法。

Q9：Deepfake 影片只有文字毀謗，沒有色情，刑責是不是很輕？
若僅是毀謗，加重誹謗罪最重2年。但若搭配偽造文書罪或個資法，刑責可達5年。實務上多罪名合併從重處斷，未必輕。

Q10：法院真的會判刪除影片嗎？網路上的痕跡刪得掉嗎？
法院可判決命加害人刪除並負擔費用，也可命其發函要求平台移除。判決確定後，你可以持判決書直接通知各大平台，多數會配合。但完全根除永遠無法保證，這也正是為何民事慰撫金有其意義。

Q11：從提告到判決大約要多久？
刑事一審通常6個月至1年半，民事則可能更久。若加上二審，整個過程可能要2到3年。但暫時性處分（如假扣押財產）可在起訴初期就聲請，速度較快。

Q12：是否需要做影像鑑定？費用誰出？
刑事偵查中檢察官可送調查局或刑事局鑑定，費用由國家負擔。若你要自行在民事訴訟提出，可委由民間數位鑑識公司，費用約數萬元不等，可計入訴訟費用向敗訴方求償。

---

結語：在像素之外，找回你的真實

Deepfake 帶來的痛苦，是雙重的——不僅名譽受創，更有一層「虛假卻說不贏」的挫折感。當世界用眼見為憑來質疑你，法律就成了那道區分真假的最終防線。蒐證的每一步，都像是在混亂中找回對自己人生的控制權；提告的每一個決定，都是在對那些躲在螢幕後的人宣告：我的尊嚴，不容像素捏造。

無論偽造的影片多麼逼真，它終究無法複製你的真實生活、真實人際關係，以及願意為你挺身而出的證據與證人。法律武器的確笨重，但當你用有系統的方式揮動它，它可以斬斷謊言傳播的鏈條，讓真相慢慢重新浮現。

---

作者簡介

陳律帆律師，執業於理律法律事務所科技與數位媒體法務組，專長領域為個人資料保護、網路犯罪、智慧財產權訴訟及數位名譽權侵害事件。曾承辦多起知名 Deepfake 誹謗及不實性影像案件，成功協助被害人透過刑事告訴與民事求償獲得公道。陳律師亦長期於各大法律媒體、公部門講座擔任數位性別暴力防治講師，致力於科技與法律的跨界對話。相信法律不該只是懲罰的工具，而是每個人在數位時代保有基本尊嚴的基石。