UCLA研究人员开发出一种利用光来快速、准确识别深度伪造视频的新型光学神经处理器。传统数字系统通常按顺序分析视频，而这项技术能够在单次光学传输中同时分析15个或更多视频流。相关研究以“可扩展、节能的多路复用深度伪造视频检测光学神经架构”为题，发表于eLight。
该系统中的轻量级数字编码器，会将视频的空间、光谱和时间特征转换为紧凑信息。这些信息随后在可编程空间光调制器中被转换为相位图案。接着，光学波前通过基于自由空间的无源光学解码器，配对的光学探测器则直接为每个视频生成真实性评分。这样一来，部分需要大量数字计算的解码过程便通过光的衍射来完成。
在可见光实验中，该处理器在每次光学传输中同时分析了15个Celeb-DF视频。平均准确率为97.79%，灵敏度为99.86%，特异度为95.72%。与灵敏度结果相对应，假阴性率约为0.14%。当容量提升至18个视频时，准确率仍保持在96.13%的水平。在更具挑战性的深度伪造操作中，向无源光学解码器加入两个经过优化的衍射层，使准确率提高了约6.8%。这些无源结构无需额外电力即可进行光学计算。
研究人员还使用Google的VEO-3模型生成的视频进行了测试，其中包括此前从未见过的视频。在有限微调的情况下，准确率达到94.80%，灵敏度为97.61%。该处理器还表现出对黑盒对抗攻击的抵抗能力，并针对白盒攻击提供了硬件防护。在存在图像噪声、模糊、JPEG压缩以及实验性对准误差的情况下，系统仍能继续运行。
UCLA团队设计该系统的初衷，并不是让它取代先进的数字检测器，而是将其作为扫描海量视频的第一道防线。可疑内容随后可以交由更详细的数字模型进行分析。据介绍，这一方法可用于内容审核、媒体验证、监控和以安全为重点的人工智能应用。Parnian Ghapandar Kashani、Dr. Shiqi Chen和Professor Aydogan Ozcan参与了这项研究。
背景
Nearly并不是FikirPilot档案中的新名字：在过去90天内，我们发布了4篇提及这一名字的新闻；最近一篇发布于2026年9月29日。