国家标准计划《法庭科学 伪造人像 可解释性检验特征集》由 TC179（全国刑事技术标准化技术委员会）归口，TC179SC5（全国刑事技术标准化技术委员会刑事照相、录像分会）执行 ，主管部门为公安部。

主要起草单位 南京理工大学 、公安部第三研究所 、公安部物证鉴定中心 、最高人民法院司法行政装备管理局司法鉴定辅助办公室 、最高人民检察院检察技术信息研究中心 、国家安全机关司法鉴定办公室 、司法鉴定科学研究院 、北京市公安局网络安全保卫总队 、中国科学院自动化研究所 、北京瑞莱智慧科技有限公司 、北京多维视通技术有限公司 。

近年，基于Deepfakes、FaceSwap、Deepfacelab、FakeAPP等工具为代表的人像伪造技术发展迅速，人像伪造技术合成的人像视频伪装性强、欺骗性高且监管难度大，随着伪造算法的不断更新，其对社会安全稳定的风险挑战越来越大。

在社会生活层面，人像伪造使日常生活所用的合同、契约、证书及相关法律文本的防伪鉴定面临新的困难。

在涉及公民、法人和组织切身利益和财产安全的重要问题上，该技术带来了诸多不确定性的挑战。

在司法层面，伪造人像将可用于伪造证人证言、视听资料、电子数据及鉴定意见等虚假证据，为司法证据的鉴定采用和非法证据排除带来了新的困难，对社会公正和社会稳定带来极大的挑战。

利用人像伪造技术合成的图片、视频正逐步发展成各类违法犯罪的作案工具，危害社会稳定，甚至危害国家政治安全。

鉴于人像伪造技术的重大危害性，各级领导高度重视。

2019年12月4日，中央有关文件中提出，明确由公安部牵头“开展AI视频合成鉴定和取证以及生物特征分析处理等关键技术攻关研究，提升司法鉴定机构对伪造音视频的鉴定鉴别能力，为依法处置有害伪造音视频奠定基础”。

传统的人脸篡改主要通过photoshop等图像视频编辑工具实现，例如复制粘贴、图像修补、边界缝合等。

随着伪造技术的快速发展，一方面，针对人像伪造模型，从基于简单的变分自编码器（Variational Auto-Encoder，VAE）模型，到结合三维人脸和生成式对抗网络（Generative Adversarial Nets，GAN）的换脸模型FSGAN，以及最近提出的外观最优传输模型（Appearance Optimal Transport，AOT）来解决换脸中存在的光照和肤色的差异，导致伪造人脸图像和视频的真实性大幅提升；同时，另一方面，针对人像篡改的伪造软件和手机应用层出不穷，从传统的专业视频编辑软件和代码级的模型调用，到各种一键生成的傻瓜化软件和手机APP，使得人像伪造的门槛越来越低，但是生成效果却越来越逼真。

伪造检测模型也从简单的浅层网络变为越来越复杂的深层网络和黑盒模型集合，导致模型可解释性差。

现阶段如何筛选和结合可解释性鉴定特征实现对伪造人像的图片和视频进行鉴定，缺乏指导性和规范性的标准化文件，法庭科学领域普遍存在伪造人像检验可解释性不强、标准不统一的问题，伪造人像的检验结果难以符合证据的高可靠性、可理解性要求，无法在证明事实、打击犯罪中发挥应有作用。

本标准属于本次申报的法庭科学伪造人像检验系列标准之一，旨在对传统伪造和深度伪造中的可解释特征进行分类、界定、说明，提供可操作可理解的示例，统一、规范特征提取和特征描述需要遵循的要求, 与其他5项标准共同构成伪造人像检验技术标准综合体。

经过前期的充分研究和实践，起草组不仅对传统伪造技术形成的特征进行了总结提炼，而且发现、证实了基于深度网络技术伪造生成的人脸图像和视频中可解释性特征的存在，例如：生理特征、物理特征以及数字特征等，并且基于这些特征一致性的伪造人像检验鉴定技术也已日趋成熟。

例如，利用视频中的人脸和背景信息，从视频中准确的恢复并解耦出人体脉搏信号和环境光线变化信号，从而利用获取的脉搏信号的合理性，以及人脸和环境光线信号变化的一致性等来实现对视频中人脸的真实性检验；利用人像视频重建三维人脸结构，进而根据人像的三维姿态，及表情变化等物理特征的一致性来对视频进行真实性检验；以及针对拼接后不同区域中提取高频噪声特征等数字特征的一致性检验方法等。

综上，本标准针对目前诉讼审判中突出的提高伪造人像鉴定证据可解释性的需求，对伪造人像检验的可解释性特征进行了界定、分类，就特征的呈现形式进行了阐释和说明，并对如何提取、如何描述可解释性特征进行了规范，能够为本系列其他检验方法的应用提供“特征提取”和“特征描述”方面的基本依据，更有助于提高诉讼活动中伪造人像鉴定的证据证明力、可信度和诉讼价值。

本标准给出了法庭科学领域针对伪造人像检验的可解释性检验特征集的分类说明，规定了特征提取和描述的要求。适用于法庭科学领域对疑似伪造人像进行可解释性检验特征提取与描述。 主要技术内容包括对拼接特征、噪声特征、光响应不均匀性特征、光照特征、几何特征、头部姿态特征、眨眼特征、嘴型特征、心率特征的分类、界定、形成原理、示例以及特征提取要求和描述要求等。