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）。

海外平台出現AI假影片？跨境檢舉與國際律師諮詢：從搜證到訴訟的完整應對

作者：陳律行（跨境數位法律顧問）

我永遠記得那個深夜，一位委託人傳來訊息：「陳律師，我的臉被放到色情影片上，在X平台已經傳開了。」那是一個在台灣科技業工作的女性，影片裡的「她」說著她從未說過的話，做著從未做過的事，但因為臉部特徵、聲音、甚至背景都極其逼真，連她的家人都一度懷疑。她不是第一個，也不會是最後一個。AI假影片（deepfake）已經從技術實驗，變成一件任何人都可能遇到的跨境傷害事件。更棘手的是，影片上傳在海外平台，侵權人可能在另一個國家，檢舉、下架、提告都涉及跨越國界的法律與實務難題。

這篇文章希望做一份「活地圖」，不是法條翻譯機。我會從技術樣態、平台機制、跨境檢舉步驟、國際律師諮詢到跨國訴訟策略，一步步說明。內容根據筆者多年處理跨境數位侵權與平台檢舉的實務經驗整理，並參考主要司法管轄區的規範。請注意，本文不構成正式法律意見，每個案件都需要獨立評估。

一、先認識敵人：AI假影片不只是「換臉」

很多人聽到deepfake，只想到「換臉」。實際上，AI生成或操縱的虛假影音已經發展成一個光譜，不同樣態對應不同法律與平台政策。了解類型，才能決定檢舉理由與法律基礎。以下是最常見的六種樣態，以及它們在實務上造成的傷害類型。

1. 面部替換（Face Swapping）
最普遍的一種，將A的臉合成到B的影片上，例如名人色情、政治人物說錯話。技術核心是自編碼器與生成對抗網絡（GAN），後來擴散模型讓效果更自然。受害者往往是在社群媒體公開過大量清晰正面照的人。這類影片最容易觸發「非自願親密影像」或「冒充身份」的平台政策。

2. 語音克隆（Voice Cloning）
只要擷取幾秒鐘到幾分鐘的聲音樣本，就能生成任意台詞。常與換臉搭配，用於詐騙「親人來電」、商業郵件語音授權等。實務上，曾有公司財務收到「執行長」語音指示，匯出數十萬美元的案例。語音克隆在法律上可能涉及詐欺、偽造文書，以及個人資料保護中的「聲音權」。

3. 唇形同步（Lip Sync）
改變影片中人物嘴型，讓嘴型與偽造語音一致，用於假採訪、假新聞。這類影片不一定需要替換整張臉，但足以讓人誤以為某人真的說過那些話。在政治操弄與商業誹謗中很常見。

4. 全身偽造（Full Body Puppetry）
利用姿態估計與生成模型，創造一個人從未做過的動作，例如假跳舞、假暴力行為。這類技術門檻較高，但已開始出現在霸凌、報復性內容中，目的是讓受害者看起來做出不雅或違法行為。

5. 完全生成人物（Entirely Synthesized Person）
AI憑空創造不存在的人，用於假帳號、社交工程、假見證。雖然不是直接侵害特定個人，但這類假人物常被用來進行大規模詐騙、操弄輿論，或製作「假推薦」廣告。

6. 情境合成（Context Manipulation）
背景或物件被修改，例如將某人放進犯罪現場、合成不雅照片背景。這類內容不需要高深的換臉技術，只要生成式AI的局部編輯即可完成。法律上常涉及偽造照片、妨害名譽與個資侵害。

這些技術門檻不斷降低，開源模型與App讓一般人也能製作。傷害類型涵蓋性影像、政治操弄、商業詐騙、身份冒用、名譽毀損等。跨境特性在於：製作工具可能在美國，上傳者在俄羅斯，平台在愛爾蘭，受害者可能在台灣。法律管轄變得複雜，也讓單一國家的司法系統難以立即處理。

表格：AI假影片類型、常見用途、對應法律樣態

AI假影片類型	常見用途	主要法律樣態	平台政策關鍵字
面部替換	色情報復、政治抹黑	人格權侵害、性影像犯罪、誹謗	非自願親密影像、冒充
語音克隆	詐騙、偽造授權	詐欺、偽造文書、個資侵害	詐騙、身份盜用
唇形同步	假新聞、假採訪	妨害名譽、散布不實	操縱媒體、誤導內容
全身偽造	霸凌、假暴力行為	恐嚇、名譽毀損	騷擾、霸凌
完全生成人物	假帳號、社交工程	詐欺、偽造身份	冒充、不實行為
情境合成	偽造照片、假證據	妨害名譽、偽造文書	操縱媒體、隱私侵害

二、海外平台上的AI假影片：為什麼檢舉常常碰壁

海外平台如YouTube、Facebook、Instagram、TikTok、X、Reddit、Discord、Telegram等，各有不同的社群守則與檢舉流程。許多受害者最挫折的是：明明影片是假的，為什麼平台不刪？常見原因包括：

• 平台非司法機關：平台只能依據自身政策判斷，不主動認定事實真偽，尤其當雙方各執一詞時，平台傾向保留內容。
• 言論自由與隱私的平衡：尤其涉及公眾人物時，平台傾向保留內容，除非明顯違法或違反政策。
• 跨境法律差異：平台可能依據營運地法律（如美國）判斷，未必適用受害者所在地法律。例如台灣《性影像》條例對深偽色情有刑責，但美國部分州才剛立法，平台未必配合。
• 檢舉材料不足：未提供權利證明、具體侵權位置、法條依據，或說明太模糊，審查人員無法判斷。
• 機器審查與人工審查不一致：大型平台依賴自動化過濾，但深偽內容變形快速，申訴機制不透明，常有誤判。

因此，有效的跨境檢舉需要「策略性包裝」：根據平台政策與當地法律，選擇最有力的理由，而不是只說「這是假的」。例如，針對非自願性影像，多數平台有零容忍政策；針對一般誹謗，平台可能要求法院命令。了解差異很重要。

另外，實務上常見的錯誤是「亂槍打鳥」：同時用十個理由檢舉，結果平台認為你在濫用檢舉系統。正確做法是選定最直接、最符合平台政策的一到兩個理由，附上完整證據與身份證明，並明確寫出違反的條款。

三、主要海外平台檢舉機制與AI政策比較

以下整理幾個常見平台的機制。請注意政策會更新，實際以平台官網為準。每個平台的處理時間與所需文件略有不同。

3.1 YouTube

YouTube是全球最大的影音平台，對AI生成內容的態度越來越明確。2024年起要求創作者標註逼真合成內容，但這不代表自動刪除。對於個人遭深偽侵害的案例，最有效的是「隱私權申訴」與「騷擾與網絡霸凌政策」。

• 隱私投訴（Privacy Complaint）：適用於未經同意使用個人影像、冒充身份。需填寫表單，提供身份證明、影片網址、說明影片中哪個部分是可辨識的「你」。YouTube通常會在數天內處理，若確認侵權會移除影片並通知上傳者。
• 騷擾與網絡霸凌政策：包括深偽色情、惡意剪輯。若影片明顯意圖羞辱、威脅，可選擇此理由。
• 誤導性內容政策：關於選舉、公共衛生等有特殊處理，但對一般私人深偽未必直接刪除。
• AI生成內容標籤：要求創作者標註，但非強制刪除，檢舉時可引用「未標註AI內容」作為輔助理由。
• 版權移除（DMCA）：若影片盜用你的原創影音素材，可提出版權移除要求。這是最快的移除機制之一，但需證明你擁有版權。

處理時間：隱私投訴通常2至10個工作天，版權移除可能1至3天。

3.2 Facebook與Instagram（Meta）

Meta對深偽內容的政策在近幾年逐步收緊，尤其對非自願親密影像採零容忍。2024年後，Meta要求AI生成內容標註，並建立深偽內容資料庫。

• 冒充與身份盜用政策：若有人利用你的照片或影片建立假帳號，可檢舉。
• 非自願親密影像政策：包括深偽色情，一經確認會刪除並可能停權。Meta有專屬的「非自願親密影像」檢舉管道，可先填寫線上表單。
• 操縱媒體政策：針對誤導性操縱影音，但會考慮公共利益。若內容可能造成重大傷害，會刪除；若僅是誤導但具新聞價值，可能標註。
• AI標籤：要求標註AI生成內容，但非強制刪除。若創作者未標註，平台可能加註警示。
• 舉報途徑：應用程式內舉報、申訴表單、隱私權利請求。

處理時間：緊急情況可能24小時內，一般數日至數週。Meta有「緊急」選項，適用於自殺、兒童安全、非自願親密影像等。

3.3 TikTok

TikTok是深偽內容快速傳播的溫床，但其政策也相對嚴格。

• 合成媒體政策：禁止誤導性深偽內容，特別是涉及公眾人物、選舉、健康。若內容可能欺騙大眾，平台會移除。
• 非自願親密影像政策：對深偽色情零容忍。
• 舉報流程：影片分享選單→舉報→選擇理由。也可以透過「法律請求」入口提交正式要求。
• 區域法律中心：可透過法律請求入口提交正式要求，適用於隱私侵害、誹謗等。

處理時間：通常1至7天，複雜案件更久。TikTok對法律請求的處理可能較慢，需要持續跟進。

3.4 X（Twitter）

X的政策執行較不穩定，尤其2022年易主後，內容審核團隊縮減。但對非自願裸露與冒充仍有基本處理。

• 合成與操縱媒體政策：誤導性媒體可能被標註或刪除。若內容可能造成重大傷害，如威脅個人安全，較可能移除。
• 非自願裸露政策：包括深偽色情，一經確認會刪除並可能停權。
• 冒充政策：需明顯冒充，若是諷刺或粉絲帳號可能不處理。
• 法律請求：可提交法院命令、隱私投訴。X有專屬法律請求頁面。

處理時間：政策執行較不穩定，需持續跟進。建議同時使用「檢舉」與「法律請求」雙軌並行。

3.5 其他平台

• Reddit：非自願色情與冒充政策，可舉報或聯繫管理員。Reddit對深偽色情相對嚴格。
• Discord：信任與安全團隊，可檢舉伺服器與用戶。若內容涉及未經同意散佈私密影像，Discord會配合移除。
• Telegram：隱私政策較寬鬆，通常需法律請求或執法單位介入。Telegram對非自願色情的處理較慢，建議透過律師或當地法院施壓。
• 成人平台（如Pornhub等）：對非自願內容有移除機制，需填寫內容移除請求。這些平台通常會配合法律請求，因為不配合可能面臨法律責任。

提醒：檢舉時應保留「已提交檢舉」的截圖與編號，日後法律程序可能需要證明「已盡通知義務」。這在歐盟《數位服務法》與美國《通信端正法》下尤其重要，因為平台在收到有效通知後，若未處理，可能需承擔部分責任。

四、跨境檢舉的完整步驟：從發現到下架

跨境檢舉不是按一個鈕就結束，而是一個流程。以下是實務上建議的步驟，分成八階段。每一步都重要，省略任何一步都可能讓後續法律程序更困難。

第一階段：冷靜與初步評估

• 不要與傳播者爭論或大量轉傳：避免擴大散布，也避免自己成為傳播鏈的一環。
• 確認影片中的「你」是否明顯可辨識、是否涉及合成、是否造成實質傷害。如果只是AI生成一個「長得像」的人，法律上辨識度可能不足；若你的名字、聲音、背景、特徵都被使用，則辨識度較高。
• 判斷最緊急事項：若是非自願性影像或威脅安全，優先聯絡平台緊急處理，必要時報警。若是商業詐騙或名譽損害，則可先進行證據保全。

第二階段：保存證據

這一步是所有後續行動的基礎。沒有證據，檢舉與訴訟都會落空。

• 完整截圖：包含影片畫面、上傳者帳號、發布時間、觀看次數、留言區。截圖需包含網址列與時間。
• 錄屏：從打開平台到進入影片的過程，至少15至30秒，記錄網址。錄屏時不要剪輯，保持連續。
• 保存原始連結：複製每個相關連結，存到文件。注意有些平台會因檢舉而下架，原始連結可能失效，所以一定要先存好。
• 計算哈希值：使用工具（如SHA-256）為下載的影片文件建立數位指紋，證明未經變造。這在法庭上有助於證明證據完整性。
• 使用網頁存檔工具：如Wayback Machine、archive.today，避免對方刪除後否認。
• 時間戳：所有操作留下時間記錄，最好使用公證或區塊鏈存證服務。公證費用不高，但能大幅提升證據可信度。

第三階段：確認平台與適用政策

• 查明平台註冊地、服務條款、隱私政策。不同平台的適用法律不同，例如YouTube屬Google（美國），TikTok屬字節跳動（中國，但全球版總部在新加坡），Facebook屬Meta（美國）。
• 找出最相關檢舉理由：不要同時提太多模糊理由，優先選最直接、平台最可能接受的（如非自願親密影像、冒充、隱私侵權）。
• 若涉及版權，確認你是否擁有原始影片或照片版權。若是你自拍的原創內容，版權移除是最快管道。

第四階段：準備檢舉材料

材料越完整，平台處理速度越快。以下是常見需要的文件：

• 身份證明：護照或身分證掃描件，必要時可遮蔽部分信息但需足以辨認。
• 權利說明：說明影片中的主體是你本人，或你為法定代理人。例如「我是影片中第0:05至0:30出現的女性，該影片未經我同意使用我的臉部影像」。
• 侵權說明：具體指出哪些部分是偽造，提供原始真實照片/影片作為比對。例如「影片中我的臉部被合成到色情影片，原始照片見附件」。
• 法律依據：引用平台政策條款，以及可能適用的法律條文（如台灣《性影像》條例、歐盟GDPR、美國州法）。不需要寫得像律師函，但要讓審查人員知道你有法律基礎。
• 聲明書：簽署聲明「本人保證所述屬實，願負法律責任」。這能增加平台信任。
• 翻譯件：若平台要求英文，提供專業翻譯。不要用機器翻譯，因為法律術語容易出錯。

第五階段：提交檢舉

• 使用平台官方檢舉管道，不要依賴第三方服務。第三方可能無法提供有效的案件編號。
• 在檢舉表單中，把「事實摘要」寫在最前面，讓審核人員快速理解：誰、何時、哪裡、發生什麼事、為什麼違法。例如：「我是台灣公民，我的臉部被合成到一段非自願色情影片，於2025年1月5日上傳至X平台，網址如下。該影片違反貴平台非自願裸露政策，請立即移除。」
• 附上所有證據，並註明「本檢舉同時保留法律追訴權」。這不是威脅，而是提醒平台你有法律意圖。
• 記錄提交時間與案件編號。若平台未提供編號，自行記錄。

第六階段：跟進與申訴

• 平台通常會在數日內回覆，若拒絕或未處理，可提出申訴或補充證據。
• 每次溝通都保留紀錄，包括回覆內容、日期、承辦人員（若有）。
• 若平台要求額外文件（如法院命令），諮詢律師評估是否可取得。有些文件可以透過法院快速取得，例如緊急保護令。

第七階段：啟動法律途徑

• 若平台不處理，或內容反覆出現，考慮委託律師發函給平台與上傳者。
• 律師函可引用相關法律與平台政策，要求限時移除並保留賠償請求權。律師函的效力比個人檢舉更強，因為平台知道你可能會提告。
• 同時可向所在地執法單位報案，並請檢察官或法院透過司法互助向平台調取資料。這部分需要律師協助。

第八階段：後續監控與預防

• 使用反向影像搜索與Google Alerts監控自己姓名與影像是否被繼續使用。Google Alerts可設定關鍵字，每當有新的收錄內容時寄信通知。
• 考慮申請數位隱私保護服務，或移除搜索結果中的敏感內容。有些服務可協助移除搜尋引擎中的個資。
• 如果風險高，可諮詢資安專家進行數位足跡清理。例如刪除高解析度照片、調整社交媒體隱私設定、啟用雙重驗證。

表格：跨境檢舉步驟清單（可列印使用）

階段	關鍵動作	時間建議	注意事項
1. 評估	確認傷害與緊急程度	發現後1小時內	非自願性影像優先處理
2. 證據	截圖、錄屏、哈希值	發現後24小時內	越早越好，避免刪除
3. 平台	確認政策與理由	證據保全後	選定最直接理由
4. 材料	準備身份證明與說明	同時進行	提供真實比對
5. 提交	官方管道檢舉	材料齊全後	記錄案件編號
6. 跟進	申訴與補充	3-7天後	保留所有回覆
7. 法律	律師函、報案	平台不處理時	評估管轄權
8. 監控	設定警報與搜索	持續進行	防止再犯

五、國際律師諮詢：什麼時候需要？能做什麼？

不是每個案件都需要律師，但涉及跨境、平台不處理、傷害擴大、需要賠償或刑事追訴時，國際律師的價值在於「跨越管轄與語言障礙」。

需要諮詢律師的信號

• 影片在多個平台或多個國家傳播，檢舉後仍不斷出現。
• 上傳者身份不明或位於海外，需要法院命令調取IP。
• 對方是公眾人物、企業或組織，可能涉及更複雜的誹謗或商業侵權。
• 你希望獲得金錢賠償、禁制令或公開道歉。
• 案件涉及刑事犯罪，例如性影像、恐嚇、詐騙，需要跨國報案。
• 平台要求你提供法院命令或正式法律文件。

國際律師能協助的七件事

1. 策略評估：判斷最適合的管轄法院與法律依據，權衡成本效益。不是每個案件都值得跨國訴訟，律師可以幫你分析勝率與費用。
2. 律師函：起草並發送給平台、上傳者、ISP、域名註冊商。一封專業的律師函往往能讓平台加速處理。
3. 緊急禁制令：在某些法域可申請臨時限制令，要求平台立即下架。例如美國加州法院可在24至48小時內核發TRO（臨時禁制令）。
4. 證據開示：透過法院命令要求平台提供上傳者資料、IP、裝置信息。這是追查真實身份的關鍵。
5. 跨國訴訟：在主要法域提起民事訴訟或協助刑事告訴。需要當地律師合作。
6. 談判與和解：與對方或平台協商，爭取賠償或撤回。
7. 協調當地律師：透過國際律師網絡，在目標國家委任本地律師出庭。

六、如何選擇與聘用國際律師：費用、語言與團隊合作

選擇國際律師時，不要只看名號，要問具體經驗。以下是實務建議：

6.1 專業領域

確認律師處理過數位侵權、隱私、媒體法、平台責任案件。可以問：「你處理過多少起跨境深偽案件？結果如何？」注意律師保密義務，但有經驗的律師通常能分享匿名案例。

6.2 管轄權經驗

若平台在美國，找熟悉美國《通信端正法》第230條、DMCA、州隱私法的律師；若在歐洲，找熟悉GDPR與DSA的律師。不同法域差異極大，不能只靠一個律師通吃。

6.3 語言與溝通

確保可直接以中文或英文溝通，避免翻譯失真。法律術語的翻譯失誤可能影響策略。

6.4 費用結構

國際律師通常採時薪制，從每小時200美元到800美元不等，視地區與資歷。可詢問是否有固定費用、分期或風險代理。以下是大致費用參考：

服務項目	費用範圍（美元）	備註
初步諮詢	免費至500	多數律師提供付費諮詢
律師函	2,000至10,000	依複雜度與管轄地
緊急禁制令	5,000至30,000	不含法院費用
民事訴訟	30,000起	視管轄地與期間
證據開示	10,000至50,000	涉及平台資料調取

6.5 團隊與資源

跨國訴訟需要當地律師合作，確認主導律師是否有能力協調。有些國際律師事務所有全球辦公室，有些則透過聯盟合作。

6.6 案例與口碑

要求提供類似案件經驗，但注意保密。可查閱律師公會、法律評級網站，或詢問過往客戶。

6.7 初步諮詢

多數律師提供付費或免費初步諮詢，利用這段時間說明案件、詢問策略與預算。準備好以下資料：

• 案件時間線
• 證據列表
• 已檢舉記錄
• 平台回覆
• 預算範圍
• 期望結果

七、跨國訴訟策略：民事、刑事、行政救濟怎麼選

跨境AI假影片的法律救濟大致三條路徑，每條路徑的目標、成本、時間不同。

7.1 民事救濟

可主張的法律基礎：

• 侵權法：隱私權、名譽權、肖像權、精神損害。
• 著作權：若影片盜用你拍攝的原創內容。
• 不正當競爭/商標：若涉及商業利益。

優點：可請求損害賠償、禁制令、刪除內容。民事訴訟門檻較低，不需證明刑事犯罪的「超越合理懷疑」，只需「證據優勢」。

缺點：需確認被告身份、管轄法院、執行判決。若被告在國外且無財產，判決可能無法執行。

7.2 刑事救濟

可主張的罪名：偽造文書、誹謗、散布不實、性影像、恐嚇、詐騙等。

優點：公權力介入，可透過司法互助調取資料。刑事偵查手段較強，例如搜索、扣押。

缺點：跨境刑事追訴困難，需符合雙重犯罪原則，且耗時。檢察官可能認為案件屬輕罪而不願啟動跨國合作。

7.3 行政救濟

可向主管機關申訴：

• 資料保護機關（如歐盟DPA、台灣個資保護委員會），主張個人資料被違法處理。
• 通訊傳播主管機關，檢舉平台未盡管理責任。

優點：可能促使平台改善政策，或處以罰款。成本較低。

缺點：個人賠償效果有限。行政程序較慢。

實務上，常先刑事報案，取得搜索票或扣押命令後，再向平台調取資料，同時提起民事訴訟。但跨境案件需評估各國法律。例如，在美國，刑事告訴需聯邦或州執法單位受理；在歐盟，資料保護申訴可能比訴訟更快。

八、各國與區域法律規範比較：你的權利在哪裡最強？

了解不同法域對AI假影片的規範，有助於選擇檢舉與訴訟地點。以下簡要比較主要法域：

8.1 美國

• 聯邦層面：無單一深偽法，但各州陸續立法，如加州、德州、維吉尼亞州、紐約州等禁止非自願深偽色情與選舉深偽。2022年起，加州民法允許受害者對散布非自願深偽色情者請求賠償。
• 《通信端正法》第230條：使平台對用戶內容享有廣泛免責，但若平台參與創作或違反聯邦刑法則不適用。這意味著告平台比告上傳者更困難。
• DMCA：提供版權移除快速機制。若你擁有原創影片或照片版權，這是最快管道。
• 隱私侵權與誹謗：由州法規範，需證明實際惡意（公眾人物）或過失（私人）。
• 刑事方面：若涉及兒童性虐待、非自願色情，可依聯邦刑法追訴。2023年起，部分州將散布深偽色情列為刑事犯罪。

8.2 歐盟

• GDPR：賦予個人對個人資料的控制權，包括肖像、聲音。AI假影片若處理個人資料，可要求刪除、更正、限制處理。第17條「被遺忘權」可要求平台刪除。
• 《數位服務法》（DSA）：要求大型平台建立通知與行動機制，處理非法內容。這讓平台檢舉流程更透明，並有法律約束力。
• 《人工智能法》（AI Act）：對深偽內容施加透明度義務，但不直接賦予個人訴訟權。2026年起全面適用。
• 各成員國：有誹謗與隱私法，可提起民事訴訟。例如德國對人格權保護非常嚴格。

8.3 英國

• 《網絡安全法》（Online Safety Act 2023）：要求平台移除非法內容，包括深偽色情。監管機關Ofcom有權處以巨額罰款。
• 普通法下的誹謗與隱私侵權：英國是誹謗案勝訴率較高的法域，但費用也高。
• 刑事方面：2024年起，未經同意分享深偽色情可構成犯罪。

8.4 新加坡

• 《防止網絡假信息和網絡操縱法》（POFMA）：可用於要求更正或移除虛假內容，但主要針對公共利益，個人使用有限。
• 《防止騷擾法》（POHA）：可對網絡騷擾與虛假陳述申請保護令。這對個人深偽案件較有用。
• 深偽色情：可能觸犯《刑法》與《影片法》。新加坡對網絡犯罪執法嚴格。

8.5 台灣

• 《刑法》：第310條誹謗、第315-1條妨害秘密、第235條猥褻物品等。
• 《個人資料保護法》：對肖像、聲音等個人資料處理有規範，可請求刪除。第11條賦予當事人請求停止處理或刪除的權利。
• 《性影像》相關條例：2023年修法後，對合成性影像有刑責，未經同意散布可處刑責。這是台灣應對深偽色情最直接的法律。
• 《著作權法》：若涉及盜用原創影片。
• 跨境執行：需透過司法互助。台灣與多國簽有司法互助協定，但實務上效率不一。

8.6 香港

• 《個人資料（私隱）條例》：對個人資料使用有規範，可向私隱專員投訴。
• 誹謗：民事侵權，也可刑事誹謗。
• 《刑事罪行條例》：對發布淫褻物品、刑事恐嚇有規定。
• 深偽色情：可能適用《防止兒童色情物品條例》若涉未成年。

表格：各國/地區主要法律依據與執行難度

國家/地區	主要法律依據	平台義務	個人可主張權利	跨境執行難度
美國	州深偽法、DMCA、第230條	有限免責，版權移除快速	民事賠償、禁制令、版權移除	中等，需州法院管轄
歐盟	GDPR、DSA、AI Act	通知行動機制、刪除義務	刪除、更正、賠償	較低，GDPR域外適用
英國	Online Safety Act、普通法	移除非法內容	誹謗、隱私賠償	中等，需當地律師
新加坡	POHA、POFMA	保護令、更正	保護令、賠償	較低，執法嚴格
台灣	性影像條例、個資法、刑法	依個案配合	刪除、賠償、刑事告訴	較高，需司法互助
香港	私隱條例、誹謗	依個案配合	刪除、賠償、刑事告訴	中等，需當地程序

九、證據保全與數位鑑識：讓證據在法庭站得住腳

跨境訴訟中，證據的「真實性」與「完整性」常被挑戰。因為AI假影片本身就可能被質疑。你需要建立一套可信的證據鏈。

9.1 原始載體保存

不要只用截圖，保留下載的原始影片文件，並記錄下載過程。截圖只能證明「某個時間點存在」，錄屏能證明「操作流程」，但原始文件能供後續鑑識分析。

9.2 哈希值

對每個文件計算SHA-256，寫入公證或第三方存證平台。哈希值是數位指紋，任何變動都會導致哈希值不同。這能證明證據未經變造。

9.3 網頁存檔

使用Wayback Machine、archive.today等，保存頁面快照。這些服務會記錄時間戳，且不易被質疑。

9.4 公證

在公證人面前操作檢舉流程，由公證人出具公證書，證明內容與時間。公證費用約數千元，但能大幅提升證據可信度。

9.5 數位鑑識公司

若案件重大，可委託數位鑑識專家出具報告，分析影片是否為AI生成、是否有篡改。這類報告在法庭上有高度證明力。

9.6 區塊鏈存證

一些服務可將哈希值上鏈，增強時間證明。區塊鏈不可篡改的特性，能證明證據在某個時間點已存在。

9.7 平台調取資料

透過法院命令要求平台提供上傳者IP、註冊資料、登入紀錄，這些是追查真實身份的關鍵。平台通常會配合法院命令，但需正確的法律程序。

清單：證據保全工具與用途

工具/方法	用途	成本	注意事項
截圖	記錄畫面	免費	需含網址與時間
錄屏	記錄操作流程	免費	保持連續不剪輯
SHA-256	數位指紋	免費	使用可靠工具
Wayback Machine	網頁存檔	免費	可手動觸發
公證	法律證明	數千元	找有經驗的公證人
數位鑑識	AI生成分析	數萬至數十萬	選擇有認證的機構
區塊鏈存證	時間證明	數百至數千	注意服務商信譽

十、案例解析：一場跨海AI假影片戰爭怎麼打

以下案例為綜合多個案件改編，保護當事人隱私。這個案例展示從檢舉到訴訟的完整路徑。

背景：小婷（化名）是台灣YouTuber，某日發現自己的臉被合成到一段不雅影片，上傳在X平台，並被轉發到Telegram群組與一個美國成人網站。上傳者使用假名，IP位於荷蘭。影片在一天內觀看破萬，留言充滿騷擾。

第一階段：緊急檢舉
小婷依照流程，先在X平台以「非自願裸露影像」檢舉，附上身分證、真實照片與AI比對說明，24小時內影片下架。但Telegram群組與美國成人網站仍在傳播。

第二階段：律師介入
小婷委託熟悉美國與歐盟法律的國際律師。律師同時發出：

• 給美國成人網站的DMCA/非自願內容移除請求，網站依政策刪除。
• 給Telegram的法律請求，雖Telegram回應較慢，但透過荷蘭當地律師向法院申請命令，要求Telegram提供上傳者資料。

第三階段：跨國訴訟
荷蘭法院命令Telegram交出上傳者IP與註冊資訊，追查到一名德國男子。律師在德國提起刑事告訴與民事訴訟，主張該行為違反德國刑法與隱私法。最終該男子被判處緩刑並賠償小婷精神損害，影片被永久移除。

關鍵教訓：

• 平台檢舉是第一步，但不等於終點。
• 跨國案件需要「多法域並行」：平台所在地、上傳者所在地、受害者所在地。
• 證據保全在每一步都不可或缺。
• 費用與時間成本高，但緊急禁制令可在數日內取得初步效果。

常見問答（FAQ）

問1：AI假影片一定要有我的臉才算侵權嗎？只有聲音或背影呢？
答：不一定需要完整臉部。只要足以辨識是你，例如聲音、胎記、刺青、常用語句、特定場景等，都可能構成個資侵害、隱私侵權或誹謗。但辨識度是法律判斷關鍵，越多人能認出是你，越有利。

問2：平台不刪影片，我可以告平台嗎？
答：在多數國家，平台對用戶內容有一定免責保護（如美國第230條、歐盟DSA的豁免），但若平台收到通知後不處理，或本身參與創作、推薦放大，可能需負責。建議先以法律請求正式通知平台，再評估是否提告。

問3：檢舉需要付錢嗎？
答：透過平台官方檢舉管道通常免費。但若委託律師發函、公證、翻譯、訴訟則需費用。有些非營利組織（如數位人權組織）可提供協助。

問4：我人在台灣，上傳者在國外，台灣法院有管轄權嗎？
答：視案件而定。若行為結果發生在台灣，或被告在台灣有財產，台灣法院可能主張管轄權。但判決在國外執行困難，仍需目標國法院配合。

問5：AI假影片涉及選舉或公眾人物，平台會主動處理嗎？
答：平台對選舉相關深偽有較嚴格政策，但常涉及公共利益與言論自由平衡。若是一般私人，可主張隱私與冒充；若是公眾人物，需證明實際惡意或違反平台政策。

問6：如何證明影片是AI生成的？
答：可透過數位鑑識分析，例如臉部邊緣不自然、光影矛盾、眨眼頻率異常、語音頻譜不一致等。但現代技術越來越難用肉眼辨別，專家報告與AI檢測工具可作為佐證。

問7：我可以要求平台提供上傳者資料嗎？
答：平台通常不會直接提供，除非收到法院命令、檢察官函或符合特定法律程序。律師可協助申請。

問8：Telegram、Discord這類平台檢舉效果差怎麼辦？
答：這些平台隱私保護強，但非完全不配合法律請求。可透過當地法院取得命令，或向執法單位報案，由官方管道交涉。

問9：深偽色情在台灣有刑責嗎？
答：台灣2023年修正的性影像相關法律，對未經同意合成、散布性影像有刑責。若被害人成年，可提起告訴；若未成年，更重。但跨境執行仍須司法互助。

問10：預防AI假影片有什麼方法？
答：減少高解析度正面照片公開、注意社交平台隱私設定、開啟雙重驗證、定期搜索自己名字與影像、使用數位浮水印服務、對可疑來電或影片保持警覺。

問11：AI生成內容標籤有法律效力嗎？
答：平台要求創作者標註AI生成內容，但這不代表內容合法。標籤是透明度措施，不是免責條款。如果你發現未標註的深偽內容，可作為違反平台政策的檢舉理由。

問12：如何評估訴訟成本是否划算？
答：先釐清目標：若只是下架，平台檢舉可能足夠；若要求償或懲罰，才考慮訴訟。跨國訴訟費用可能數萬至數十萬美元，需評估能否從被告處獲得賠償，以及是否有法律援助或保險。

問13：可以申請緊急禁制令嗎？
答：在某些法域可以。例如美國加州法院可核發臨時禁制令（TRO），要求平台在24小時內下架。台灣法院也可核發定暫時狀態假處分，但程序較慢。律師可協助評估。

問14：若影片已被刪除，還能提告嗎？
答：可以。只要你有證據保全（截圖、錄屏、哈希值），即使平台已刪除，仍可提起民事或刑事告訴。但證據保全必須在刪除前完成，否則難度大增。

問15：國際律師諮詢一定要到國外嗎？
答：不一定。許多國際律師事務所提供視訊諮詢，也可由台灣律師協同處理。但訴訟時可能需要當地律師出庭。

結語與行動清單

AI假影片不是科幻情節，而是正在發生的跨境數位暴力。面對它，最危險的反應是「等它自己消失」，最有效的反應是「有步驟、有策略地行動」。平台檢舉是第一步，法律途徑是後盾，國際律師是橋梁。

如果你或身邊的人遇到類似情況，請記住以下行動清單：

1. 立即保存證據：截圖、錄屏、連結、哈希值。
2. 停止傳播：不要轉傳、不要與上傳者爭論。
3. 向平台檢舉：選擇最直接的政策理由，附上身份證明與說明。
4. 評估法律需求：若平台不處理或傷害擴大，諮詢國際律師。
5. 報警與司法互助：涉及刑事犯罪時，向當地警方報案，並請檢察官啟動跨境合作。
6. 持續監控與心理支持：數位傷害可能造成心理創傷，尋求專業協助。

法律與技術都在追趕，但受害者的權利不應被忽視。希望這份指南能讓你在混亂中找回一點掌控感。

---

作者簡介

陳律行，跨境數位法律顧問，曾任國際人權組織數位安全研究員，現為某國際法律事務所亞太區顧問。長期協助個人與企業處理跨境數位侵權、深偽內容移除、平台檢舉與跨國訴訟。關注數位人權、隱私保護與AI治理。本文僅為知識分享，不構成法律意見，個案請諮詢專業律師。

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。