偵測詐騙而非深偽：媒體取證為何需社會理論
arXiv - Computers and SocietyJessee Ho, Shweta Khushu, Shaina Raza
提出將深偽偵測從單純媒體真偽分類轉向以語言與社會互動為基礎的偽裝偵測框架。
AI 幫你先抓重點
AI 重點 1
將偵測焦點從媒體真偽轉向溝通互動，可更有效捕捉互動式深偽。
滑鼠懸停看 AI 判斷理由
此觀點突破傳統分類模型的局限，強調語境與人際互動是偽裝的關鍵，能提升偵測在實際通訊環境中的適用性與準確度。
AI 重點 2
「泛化幻覺」揭示即使高準確率的模型在新生成器上也會失效，提醒研究者需持續更新偵測策略。
滑鼠懸停看 AI 判斷理由
此洞察警示偵測系統無法僅依賴過往數據，必須結合社會理論與動態更新機制，才能維持長期效能。
核心研究發現
- 1
深偽偵測依賴的五項假設隨生成模型進步而逐漸失效，形成所謂的「泛化幻覺」。
- 2
作者將語言哲學與社會心理學三大框架（語言行為理論、格里斯合作原則、Cialdini影響原則）結合，提出在語句、對話與聽者回應三層面分析偽裝的統一框架。
- 3
研究指出，互動式深偽（如視頻/語音通話中的冒充）所帶來的危害不在於媒體訊號本身，而在於欺騙行為本身，故偵測方法需聚焦於溝通互動。
對教育工作者的啟發
教育工作者可將語言行為理論與格里斯合作原則納入數位媒體素養課程，設計模擬對話與角色扮演，讓學生學會辨識語句背後的意圖與說服技巧。課程可結合Cialdini的影響原則，教導學生識別常見的說服手段（如權威、稀缺、社會認同）。此外，教師可利用此框架開發互動式評量工具，評估學生在真實對話中辨識偽裝的能力，並透過即時回饋促進元認知與自我調節。此舉不僅提升學生的媒體批判力，也為未來面對深偽與其他虛假訊息的社會挑戰提供實務準備。
原始文獻資訊
- 英文標題：
- Detecting Deception, Not Deepfakes: Why Media Forensics Needs Social Theories
- 作者：
- Jessee Ho, Shweta Khushu, Shaina Raza
- 來源：
- arXiv - Computers and Society
- AI 摘要模型：
- openai/gpt-oss-20b
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。