论文提出基于电网频率一致性的视频取证框架并修正生成内容检测逻辑

该论文针对生成式模型合成的视频难以区分的问题，开发了一种利用电网频率（ENF）信号的取证框架，通过统一的双通道检测器从音频和滚动快门视频中提取ENF，并采用合成注入训练方法解决标注数据稀缺问题。核心发现重构了任务定义：生成视频中同样存在与真实 footage 无法区分的ENF频闪，因此仅凭ENF存在不能证明真实性，认证必须依赖于与独立参考的一致性验证。

在性能表现上，该检测器在保留的真实录音和视频测试中分别以93%和100%的准确率通过了原始基线（分别为53%和15%），声称时间认证的曲线下面积达到1.0。此外，双轴智能体编排器在保持精度的同时，将运行时间减少了54%，解码帧数减少了64%。这些结果展示了在对抗未见过的生成模型时，基于物理信号一致性的方法比依赖生成器伪影的方法更具鲁棒性。

事实层面，该研究证明了ENF信号在生成视频中普遍存在且不可作为唯一真伪判据；推断层面，这意味着未来的深度伪造检测系统必须转向跨模态或跨设备的参考比对机制，而非单一特征检测；猜测层面，若该框架能适配更多类型的物理噪声源，可能成为下一代通用取证标准，但具体落地仍取决于公开代码的复现效果及实际部署成本。