深偽裸照危機衝擊90所學校

增強重點摘要

• •此類深偽裸照攻擊多利用開源 AI 模型（如 Stable Diffusion）結合特定 LoRA 微調技術，大幅降低了製作門檻與成本。
• •受害者多為未成年女性，攻擊者常透過 Telegram 群組或暗網論壇進行圖像傳播與勒索，導致受害者面臨嚴重的心理創傷與長期數位足跡風險。
• •目前各國法律體系對「非自願性 AI 裸照」的定義與懲處存在顯著落差，導致跨國執法困難，且現有社群媒體平台的檢測機制仍難以有效攔截這類生成式內容。

技術深入

• •攻擊流程通常涉及使用目標人物的少量公開照片（如社群媒體頭像）作為訓練集。
• •利用 Stable Diffusion 等擴散模型，配合針對人體特徵優化的 LoRA（Low-Rank Adaptation）權重檔，進行快速微調以生成逼真的裸露圖像。
• •部分攻擊者使用 DeepFaceLab 等開源工具進行換臉（Face-swapping），將目標人物臉部特徵精確映射至成人影片演員的身體上。
• •為規避 AI 偵測器，攻擊者常在生成後使用濾鏡、雜訊疊加或手動修圖來破壞 AI 生成特徵（Artifacts）。

前景展望基於引用來源的 AI 分析

時間線