AI 图片检测是怎么做的？来源凭证、国标标识与像素复核详解

上传一张图片后，AI 图片检测工具到底看了什么？

很多人以为，系统只是把图片交给一个模型，然后返回“AI 生成可能性 82%”。 这种理解只覆盖了最后一部分。更稳妥的图片鉴别，应该先寻找能够直接说明来源的证据， 再使用模型分析图像特征；不同证据不能混为一谈。

山海印目前采用的流程是：原文件与 SHA-256 指纹 → 可信 C2PA 来源凭证 → GB 45438—2025 文件标识 → 基础鉴别模型 → 必要时的像素复核 → 汇总报告。

这个顺序的原则很简单：能验证直接来源时，优先使用直接证据；没有直接证据时，再进行概率性判断。

图片进入分析流程后，系统首先根据用户实际上传的文件计算 SHA-256 内容指纹。

SHA-256 可以把一个文件转换为固定长度的摘要。文件中哪怕只有一个字节发生变化， 重新计算得到的指纹通常也会不同。因此，报告中的文件指纹用于回答： “这份报告对应的是不是我当时上传的那个文件？”

它不能回答图片是不是 AI 生成，也不能证明画面内容真实、作者是谁或文件何时创建。 它的作用是建立报告与文件之间的对应关系。

对于体积较大的图片，系统可能生成适合模型接口分析的副本，但报告中的 SHA-256 仍以用户上传的原文件为准。 这样做是为了适配分析服务的输入限制，不会把分析副本冒充成原文件。

系统接下来检查图片是否带有基于 C2PA 标准的 Content Credentials，也就是内容凭证。

C2PA 不是普通的备注字段。有效的内容凭证会通过密码学方式与文件绑定，并带有签名、签发者、 所用工具和处理动作等信息。山海印不会只因为文件里出现“C2PA”字样就下结论，而是继续检查：

• 当前文件是否存在可读取的活动凭证；
• 数字签名能否通过验证；
• 签名证书能否连接到受信任的签发链；
• 凭证描述的是相机拍摄、普通编辑，还是算法生成或增强；
• 凭证与当前文件内容是否仍然匹配。

只有当凭证通过验证，并且其中的动作明确指向 AI 生成或算法增强时，系统才把它作为明确的 AI 来源证据。 一张相机拍摄的照片也可能带有有效 C2PA 凭证；“有 C2PA”并不自动等于“由 AI 生成”。

C2PA 能帮助确认来源记录是否完整、是否与文件绑定以及由谁签发，但它不负责判断画面中的事件是否真实。 C2PA 官方也明确说明，内容凭证验证的是来源信息是否有效、可信且未被篡改，不对内容本身作真假判断。

如果没有获得可直接下结论的 C2PA 证据，系统会继续检查文件中是否包含符合 GB 45438—2025《网络安全技术 人工智能生成合成内容标识方法》的 AIGC 元数据。

根据文件所带信息，系统可以读取生成合成内容属性、内容生产者或服务提供者、内容编号等字段：

• Label=1：文件明确声明为人工智能生成合成内容，可作为直接的文件声明展示；
• Label=2 或 Label=3：表示可能或疑似包含生成合成内容，只作为风险线索，继续进入模型分析。

这里必须区分“声明”和“验签”。国标 AIGC 字段是文件中的标识信息；C2PA 内容凭证还可以验证数字签名和信任链。 两者都有价值，但证据性质不同，报告中不应把文件声明写成已经完成密码学验真。

我国《人工智能生成合成内容标识办法》将标识分为显式标识和隐式标识，并要求相关服务在文件元数据中加入 生成合成内容属性、服务提供者名称或编码、内容编号等信息。该办法与 GB 45438—2025 均于 2025 年 9 月 1 日起实施。

大量网络图片不带可信来源凭证，元数据也可能在截图、社交平台压缩、裁剪或重新导出时丢失。 没有发现来源信息，不代表图片一定由人拍摄；它只说明这一层没有提供可用证据。

此时，系统才会让基础鉴别模型分析当前图片。模型关注的是图像中与生成、合成或算法编辑相关的统计特征， 例如局部纹理的连续性、细节分布、边缘与光影关系，以及整体像素模式是否更接近训练中见过的生成内容。

模型返回的分数表示当前图片与相应类别的匹配程度或判断置信度， 不等于工具在所有图片上的总体准确率，也不表示图片有多少百分比由 AI 制作。

新的生成模型、强压缩、低分辨率、截图、局部裁剪、滤镜和后期编辑，都可能改变可观察特征。 真实照片也可能因为降噪、锐化、虚化或计算摄影处理而呈现类似生成图的统计特征。

如果基础鉴别已经得到相对明确的结果，系统不会为了堆叠分数而无条件重复检测。 只有结果落在不明确区间，或者基础分析暂时不可用时，才会启动第二层像素复核。

像素复核相当于从另一套分析视角检查 AI 生成或编辑特征。它的作用不是制造一个 “两个模型都同意，所以百分之百正确”的结论，而是减少把单一模型输出直接当成最终答案的风险。

当两层模型方向一致时，报告可以给出更清楚的风险提示；当结果彼此冲突或输入质量不足时， 更合理的处理是保留不确定性，提示结合原文件、发布来源和人工检查继续核验。

最终结论不是把几项数值做平均。山海印按照证据类型和强度组织结果：

1. 经过签名和信任链验证、且明确记录 AI 生成动作的来源凭证，优先作为直接来源证据；
2. 文件中的国标 AIGC 标识按其声明等级解释，明确声明和疑似标识分别处理；
3. 没有直接证据时，参考基础鉴别与像素复核的模型结果；
4. 证据不足或相互冲突时，保留“需要进一步核验”的空间。

报告随后呈现主要结论、判断依据、请求编号和 SHA-256 文件指纹。 请求编号用于定位本次检测服务，文件指纹用于核对报告对应的原始文件，二者都不是司法鉴定编号。

肉眼检查仍然有用，例如发现异常文字、重复纹理、结构错误或不合理光影。 但现在的生成图片已经不一定存在明显的手指、牙齿或文字错误；真实图片经过强处理后，也可能出现类似异常。

单一模型同样无法覆盖所有生成器、编辑方式和传播过程。NIST 对合成内容透明度技术的梳理也将来源记录、 标识、水印和内容检测视为不同的技术方向，而不是让一种方法包办全部问题。

因此，更实际的方法不是追求一个“万能识图器”，而是建立证据顺序： 先找可以验证的来源，再看文件声明，最后使用模型推断，并明确记录输入文件和分析边界。

即使检测发现较强的 AI 生成信号，也不能自动证明图片配文为假、发布者主观造假或某个具体的人制作了图片。 反过来，没有发现明显信号，也不能保证图片从未经过 AI 处理。

山海印目前不会声称能够识别所有平台的私有数字水印，也不会通过逆向方式冒充平台官方核验工具。 只有实际能够读取或验证的来源信号，才会被写入报告依据。

AI 图片检测报告适合用于初步筛查、风险提示和提供后续核验线索，不能代替司法鉴定、人工审核或最终事实认定。 涉及投诉、新闻核查、交易纠纷或重要决策时，还应保存原文件、下载页面、发布时间、上下文和创作记录， 并由相关人员综合判断。

AI 图片检测的底层逻辑，不是“看起来像不像 AI”，也不是“一个分数决定真假”， 而是从直接来源证据逐步走向概率推断：先固定文件，再验 C2PA，读取国标标识， 必要时调用基础鉴别和像素复核，最后把依据与边界一起写进报告。

如果需要核验一张图片，建议尽量上传未经截图、裁剪或重新导出的原文件。 你可以先阅读如何判断一张图片是不是 AI 生成的， 了解实际检查步骤；也可以查看图片裁剪后为什么更难识别。

使用山海印完成检测后，不要只截取结论或百分比，而应同时查看判断依据、请求编号和 SHA-256 文件指纹； 对于重要内容，再结合来源链路和人工复核继续判断。