2021 年 10 月，臺灣百萬訂閱 YouTuber 小玉利用深偽技術（deepfake），將逾百位知名女性的臉部圖像合成至色情影片並銷售牟利，事件震驚臺灣社會。對許多臺灣人來說，這是他們第一次猛然驚覺：原來 AI 可以把一個人的五官，完美移植到他從未出現過的場景，而且逼真到難以分辨。
&nbsp;
深偽技術的英文 deepfake，是「deep learning」（深度學習）和「fake」（偽造）的組合詞，更具體來說，是透過人工智慧深度學習演算法，將成千上萬張照片餵給電腦，讓 AI 自我摸索並精準抓取人類五官神韻的技術，合成出某個人的圖像、影片，甚至聲音。過去要製作難辨真偽的換臉影片，需要專業後製團隊與昂貴設備。現在，只要一臺電腦、一套軟體，任何人都能輕易做出高度擬真的換臉影像。
&nbsp;
小玉案讓臺灣社會看見深偽技術對個人名譽、性隱私與人格權的傷害。但是，當同樣的技術進一步滲透到政治、詐騙與社群傳播場域，問題就不只停留在個人受害的層次而已，而是會擴大成整體民主社會的資訊信任危機。
&nbsp;
國立臺灣大學國家發展研究所張兆恬副教授指出，「deepfake 的出現，挑戰了過去『眼見為憑』的經驗法則。」當視覺影像不再等同於客觀事實，大眾將陷入集體的認知焦慮，對所有真實訊息也一併產生懷疑。而世新大學法律學系翁逸泓教授則提醒，deepfake 的虛假影音若只是孤立存在，其殺傷力依然有限；然而，當先進的資訊製造技術遇上了高度成熟的社群傳播體制，不實訊息便能透過平臺的推薦與擴散機制，演變成精準打擊的工具。
&nbsp;
信任危機，從一則影片蔓延到整個制度
相較於文字，圖片及影音在感官上具有極強的直覺說服力，「有圖有真相」幾乎是一種直覺。然而，當生成式 AI 越來越普及，製作成本不斷下降、擬真度持續提升，這套直覺開始出現裂縫。根據微軟的全球網路安全調查顯示，僅有 25% 的受訪者自認有能力分辨深偽影像。
&nbsp;
翁逸泓教授進一步指出，深偽真正危險的地方，不再只是「真假莫辨」，而是信任危機。
&nbsp;
認知武器化與同溫層極化：翁逸泓教授指出，深偽的威脅在於它與社群平臺的共生關係。惡意行為者得以大量蒐集個資、精準剖析人格特質，再透過演算法推播能引發強烈情緒的偽造影像。這導致大眾在真偽難辨時，更傾向閉眼相信自己原本就支持的立場，使社會偏好日益極化，同溫層防線越築越厚。
&nbsp;
從不實訊息到體制不信任：研究顯示，在選舉等重大公共事件中，不實訊息的大量氾濫會引發全面性的懷疑。民眾的集體焦慮最終不會只針對單一影片，而是會向上侵蝕，演變成對選舉制度、司法體系與民主程序本身的系統性不信任。
&nbsp;
引爆「說謊者紅利」：當大眾對所有影音都抱持懷疑時，真正犯錯之人反而獲得了完美的避罪藉口－他們只要一律高喊「那是 AI 變造的假影片」，就能輕鬆逃避現實世界的法律與道德問責，讓原本應作為鐵證的影像徹底失去證明力。
&nbsp;
沿著社會權力裂隙的不對等攻擊：這種事實基礎的瓦解並非均勻分布，而是沿著既有的不平等結構精準割裂。張兆恬副教授指出，在色情深偽的受害者中，女性與性少數族群占了不成比例的多數；女性公眾人物在參與公共討論時，極易遭到「性化」與「私生活化」的污名攻擊，深偽技術因而成為壓制特定群體發聲的禁言工具。
&nbsp;
<div class="py-6">
<div class="jsx-3968805167 flex justify-center -mx-2">
<div class="jsx-3968805167 px-2">
<div class="jsx-3968805167 relative overflow-hidden"><img decoding="async" class="jsx-3968805167" src="https://www.charmingscitech.nat.gov.tw/backend/wp-content/uploads/2026/06/7-4內文圖：670x460-1.jpg" />
<div class="jsx-3968805167 absolute w-full left-0 bottom-0 p-4 text-white text-[13px]" style="background: rgba(0, 0, 0, 0.66); display: block; line-height: normal;">深偽技術可將任何人的臉部特徵合成至影片中，生成幾乎以假亂真 的影像內容。</div>
</div>
</div>
</div>
</div>
&nbsp;
只能用魔法打敗魔法，但技術不是萬靈丹
面對越來越逼真的深偽影像，既然人眼已經靠不住，下一個關鍵思維自然是：我們是否能用技術來偵測技術？答案是肯定的，但是現實卻沒有那麼簡單。
&nbsp;
深偽生成技術從早期的自編碼器、生成對抗網路（generative adversarial network, GAN），到近年的擴散模型（diffusion models）不斷演進。生成工具越進步，偵測工具就必須跟著升級，形成一場持續追趕的攻防戰。目前的技術偵測方向主要有兩大方向：
&nbsp;
防線一：主動式數位綜合鑑識（技術偵測）

目前的防禦重心是透過演算法，捕捉人類難以察覺的細節來找出破綻，像是不自然的眨眼頻率、邊緣膚色異常、血流色差等。更進階的做法則是發展「多模態辨識技術」，同步分析影像、聲音、語意與來源資訊，例如嘴型是否對得上聲音、畫面內容是否符合語意，試圖從多個維度交叉比對，提高識破的準確率。
&nbsp;
然而，這條路並不容易。2020 年，臉書與微軟共同舉辦「換臉偵測大賽」，縱使是奪冠者，其辨識技術準確率也只有 65%。這說明深偽生成技術和偵測技術之間，就像是一場無止盡的軍備競賽。
&nbsp;
防線二：數位浮水印和來源標記

既然事後抓漏如此困難，另一條思維則是推動資訊的「可追溯性」。其做法是在 AI 生成內容的初始階段，便在程式碼中嵌入肉眼看不見的隱性標記，讓人們能夠追溯內容的生成來源。美國加州在 2024 年通過《AI 透明度法》（CAITA），並在 2025 年進一步修法擴大範圍，正是引導此概念落地的具體展現，要求大型社群平臺必須具備偵測並揭露影音來源資訊的法定義務。
&nbsp;
即使如此，兩位學者都提醒不要太樂觀。張兆恬副教授指出，即使社群介面明確標記「此影音由 AI 變造」，也未必能有效削弱內容的影響力。研究指出，只要影片做得夠逼真，旁邊的標示對觀眾的印象幾乎沒有明顯的抑制效果，強烈的影音感官衝擊往往在人類的理性機制介入判斷之前，就已經完成了對大腦的情感俘虜與認知定型。
&nbsp;
翁逸泓教授則從制度面點出更深層的矛盾。he 將現有的標示制度拆解成三種不同邏輯：資訊透明、可追溯性，以及平臺風險管理。他認為，現在很多討論把這三種邏輯混為一談，卻沒有釐清各自真正想解決的問題是什麼。更現實的是，數位浮水印在實務上極易透過技術手段被惡意抹除或破解。當技術標示本身如此脆弱，它是否能成為日後法律課予責任的依據，無疑是下一步必須面對的嚴肅挑戰。
&nbsp;
<div class="py-6">
<div class="jsx-3968805167 flex justify-center -mx-2">
<div class="jsx-3968805167 px-2">
<div class="jsx-3968805167 relative overflow-hidden"><img decoding="async" class="jsx-3968805167" src="https://www.charmingscitech.nat.gov.tw/backend/wp-content/uploads/2026/06/7-5內文圖：670x460-2.jpg" />
<div class="jsx-3968805167 absolute w-full left-0 bottom-0 p-4 text-white text-[13px]" style="background: rgba(0, 0, 0, 0.66); display: block; line-height: normal;">AI 偵測技術透過分析眨眼頻率、臉部邊緣、膚色變化等細節，試圖從人眼難以察覺的破綻中識破深偽影像。</div>
</div>
</div>
</div>
</div>
&nbsp;
從浮水印到平臺責任，法律與制度該怎麼接住風險
正因為光靠視覺標示無法阻擋非理性感官的淪陷，我們才必須將防線從「技術自律」移往「法律問責」，用體制的強制力為失控的資訊流踩下煞車。
&nbsp;
事實上，臺灣並非毫無準備。小玉案發生時，當時的法律只能以個資法、加重誹謗罪與散布猥褻物罪等傳統法條來處理，為了補上破口，臺灣在 2023 年修法新增「妨害性隱私及不實性影像罪」專章，明確將製作、散布他人不實性影像的行為入罪，意圖營利者最高可處 7 年有期徒刑。
&nbsp;
不過從「救濟時效」與「傳播責任鏈」思考，可以勾勒出更深層的體制兩難：現行法律仍偏向事後處理，往往必須等到傷害已經發生、影像已經流通，才啟動追責機制。張兆恬副教授指出：「對大部分的受害人來講，需要的是『當下的阻斷』。」換言之，也就是希望內容不要等到擴散後才處理。不過，一旦走向事前審查，就會碰到言論自由的憲法界線，如何在「保障隱私權」與「避免國家過度審查」之間找到完美的平衡點，是真正的難題。
&nbsp;
翁逸泓教授則提出一個較清楚的責任分配架構。他認為，深偽內容的傷害並非單一行為所造成，而是從製作、上傳、轉傳到平臺演算法放大，由整條傳播鏈累積下來的結果。因此，責任分配也應對應不同環節：惡意製作者與首發者應承擔最直接的法律責任；一般轉傳者的責任則必須謹慎認定；至於平臺，則因掌握演算法與擴散能力，必須承擔最大的「結構性與程序性責任」。
&nbsp;
國際法制的演進，正印證了這場向平臺課責的典範轉移。例如，美國加州於 2025 年生效的 AB621 法案，針對非經同意的性影像深偽，明確賦予檢察官對「未盡管理責任平臺」提起訴訟的權力。這也顯示，在比較法制上，已開始出現把深偽治理從「追究製作者」，推進到「要求平臺協助阻斷流通」的傾向。
&nbsp;
但是，張兆恬副教授也提醒，這條路在臺灣或許並不容易走。臺灣至今仍缺乏健全的數位中介服務法制，相關草案討論多年仍未完成立法。這導致平臺面對深偽內容快速擴散時，欠缺明確的本土法律義務；但是，倘若政府直接要求下架，又極易引發「政治力干預言論」的強烈質疑。在這樣的體制困境下，張兆恬副教授建議，比起爭議劇烈的直接下架，推動浮水印、強制標示與數位來源揭露等對言論自由侵害較小的程序手段，是現階段更適合優先鋪設的法治軌道。
&nbsp;
翁逸泓教授則進一步強調，法律在深偽時代的核心靈魂，應該是「快速救濟」而非僅是「事後嚴懲」。深偽影像一旦擴散，縱使法院最終判決被害人勝訴，造成的損害往往也已難以回復。因此，更有效的制度應包括緊急下架程序、快速申訴管道、搜尋引擎去連結機制，以及各種降低不實影像接觸率（內容可近用性）的應變措施，讓被害人在資訊擴散的第一時間就能受到保護。
&nbsp;
<div class="py-6">
<div class="jsx-3968805167 flex justify-center -mx-2">
<div class="jsx-3968805167 px-2">
<div class="jsx-3968805167 relative overflow-hidden"><img decoding="async" class="jsx-3968805167" src="https://www.charmingscitech.nat.gov.tw/backend/wp-content/uploads/2026/06/7-6內文圖：670x460-3.jpg" />
<div class="jsx-3968805167 absolute w-full left-0 bottom-0 p-4 text-white text-[13px]" style="background: rgba(0, 0, 0, 0.66); display: block; line-height: normal;">深偽影像一旦在網路上擴散，往往難以徹底移除，如何在第一時間保護受害人，是法律制度面臨的最大挑戰。</div>
</div>
</div>
</div>
</div>
&nbsp;
當社會失去共同的真相基礎
技術偵測、法律規範、平臺責任，都是對抗深偽技術必要的工具。但如果把眼光放遠一點，深偽真正挑戰的，其實不只是某一則影片的真偽，而是整個社會還能不能共享一套判斷真假的基礎法則。
&nbsp;
張兆恬副教授深刻指出，「如果社會缺乏共同的認知基礎，公眾討論的根基就會變得薄弱。」民主社會的運作，依賴人們能夠先就某些基本事實達成共識，再進行辯論和決策。當影像的證明力下降，每一則不利影片都可能被說成是深偽，公共討論賴以成立的事實基礎也會開始鬆動。
&nbsp;
翁逸泓教授則表示，在臺灣這個資訊戰威脅長期存在的環境裡，深偽的風險尤其不能輕忽。散布深偽內容的行為者，往往不是為了讓大眾深信某一則不實訊息，而是更大規模地破壞社會成員之間的基本信任關係。當人們開始懷疑所有影像、所有聲音，選舉、司法、媒體、親密關係，所有需要依賴信任才能運作的制度，都會受到波及，「可能導致整個系統性的認知信任崩潰（epistemic collapse）。」
&nbsp;
面對這樣的挑戰，法律該扮演的角色不應只是事後損害賠償或刑事訴訟。翁逸泓教授認為：「法律更深遠的價值，在於重新形塑民主社會面對先進科技時，人與人、平臺與公民的民主和人權關係。」
&nbsp;
「但是，法律終究有難以觸及之處。」張兆恬副教授也提醒，公民不能永遠都依賴國家篩選資訊。除了法律和技術之外，第三方事實查核機制、有公信力的媒體，以及公民本身的多方查證能力，都會變得越來越重要。
&nbsp;
「有圖有真相」這句話已經不再理所當然。深偽技術的出現，不只是一個科技問題，而是對整個社會如何理解、傳遞和捍衛真相的根本性考驗。守住真實，不能只靠更銳利的眼睛，而需要靠技術、制度、平臺與每一位公民共同撐起新的信任防線。
&nbsp;
（客座總編輯｜國立臺灣大學國家發展研究所劉靜怡特聘教授；研究顧問團隊｜國立臺灣大學國家發展研究所張兆恬副教授、世新大學法律學系翁逸泓教授；責任編輯｜王喆宣、洪孟樊）