子课题 08 · 下篇

典型案例、研究前沿与防御框架

基于Arup视频通话诈骗案、法国romance scam、KnowBe4雇佣欺诈等真实事件深度剖析,结合实时检测技术前沿与企业级"技术+流程+人员"三位一体防御框架,为公共互联网反网络钓鱼工作组提供可落地的防御策略指南。

深度伪造钓鱼实证深度分析

以下案例均来自经公开报道、监管机构通报或企业披露的真实事件。每一案例均包含攻击链重构、深度伪造技术拆解、防御失效根因分析与可复用的经验教训。

真实案例 2024年2月 · 中国香港

香港Arup公司深度伪造视频通话诈骗案——迄今最大单笔深度伪造损失

2024年2月,国际工程咨询公司Arup香港分公司一名财务职员收到一封据称来自公司英国CFO的邮件,要求协助处理一项"机密收购交易"。随后,攻击者发起了一场包含多名"高管"(包括CFO及多名财务同事)的视频会议。会议中,所有参会者的面容与声音均通过深度伪造技术实时生成。在视频通话的"面对面"确认下,该职员分15笔向5个香港银行账户转账总计约2亿港元(约2,500万美元)。

侦察阶段:攻击者通过公开渠道(LinkedIn、公司官网、新闻报道)收集Arup高管的面部照片、语音样本(如公开演讲视频)及组织架构信息,为深度伪造提供训练数据。
初始接触:伪造CFO邮件发送至目标财务职员,使用与真实CFO高度相似的邮箱地址(可能通过域名抢注或邮箱账户入侵实现),邮件内容涉及高度敏感的"机密收购"。
深度伪造视频会议:攻击者使用实时换脸与语音克隆技术,在视频会议中同时模拟CFO及多名"同事"。视频通话的"多人在场"场景大幅降低了目标的心理防线——职员认为"多人确认=安全"。
资金转移:在视频通话的实时"授权"下,职员在数周内完成15笔转账。攻击者利用时间压力("交易窗口即将关闭")与权威服从心理,抑制了目标的质疑冲动。
发现与响应:事后职员向公司总部核实,发现"CFO"从未发起该交易。Arup于2024年5月公开披露此事件,确认损失约2亿港元,并强调"攻击者使用了深度伪造技术模拟多名高管的声音与面容"。
实时换脸语音克隆BEC多模态协同权威服从

防御失效根因分析:(1)企业缺乏针对深度伪造视频通话的验证协议——即使"面对面"视频确认也不再可靠;(2)财务流程中缺少"带外验证"(out-of-band verification)环节,即通过独立通信渠道(如已知的电话号码)二次确认转账指令;(3)员工安全意识培训未覆盖深度伪造威胁,对视频通话的真实性存在根本性认知盲区。iProov 2025研究显示,iProov 2025研究显示仅0.1%的参与者能准确识别全部深度伪造内容,识别伪造视频的正确率比图像低36%,"眼见为实"的传统安全假设已彻底失效。

来源:Arup公司官方声明(2024年5月)/ 香港警方通报 / 国际媒体广泛报道(BBC、Reuters、WSJ)
真实案例 2023–2024年 · 法国

AI生成"布拉德·皮特"romance scam——长周期情感操控与深度伪造视频通话

一名法国女子在Facebook上收到自称"布拉德·皮特"的私信,攻击者使用AI生成的图像与视频建立虚假身份。在长达数月的交往中,攻击者通过AI生成的视频通话(使用深度伪造换脸技术)维持"恋爱关系",逐步建立情感信任。期间,攻击者以"癌症治疗"、"电影项目资金冻结"等理由多次索要资金,最终骗取约83万欧元(按当时汇率约合90万美元,多家媒体以"约85万美元"口径报道)。

身份构建:攻击者使用Stable Diffusion等工具生成与布拉德·皮特高度相似的静态图像,在社交媒体平台建立虚假账号。图像质量足以通过普通用户的视觉审查。
情感培育:通过持续数月的文字聊天,攻击者利用AI辅助生成高度个性化的情感表达,精准回应目标的心理需求。此阶段不涉及资金索要,专注于建立深度信任。
视频通话"验证":当目标产生怀疑时,攻击者发起"视频通话"——实际为使用AI生成的视频内容。目标在视频中"看到"了"布拉德·皮特"的面容与唇部运动,疑虑被彻底消除。
渐进式索财:攻击者以医疗紧急状况、法律纠纷、投资机会等借口分多次索要资金,单次金额从数千到数万美元不等,避免触发大额转账审查。
静态图像伪造视频换脸Romance Scam长周期操控渐进式索财

防御启示:该案例揭示了深度伪造在romance scam中的新型应用模式——从传统的"文字+静态照片"升级为"动态视频通话"。攻击者利用名人效应降低目标的初始警惕性,再通过长周期情感投资建立深度信任。防御关键不在于"识别伪造"(人类识别率极低),而在于建立"不可伪造的验证通道"——如要求对方在视频中执行特定动作(如转头、侧脸、遮挡部分面部),或切换至已知的可信通信渠道进行验证。

来源:法国警方通报 / 国际媒体广泛报道 / Resemble AI威胁情报引用
真实案例 2024年7月 · 美国佛罗里达州

KnowBe4雇佣欺诈案——朝鲜黑客使用深度伪造身份通过安全公司面试

2024年7月23日,全球知名安全意识培训公司KnowBe4披露了一起令人震惊的雇佣欺诈事件。一名应聘远程IT支持岗位的朝鲜IT工作者,使用一名真实但被盗用的美国公民身份(姓名、工作经历均真实存在于政府数据库),附上一张经AI增强处理的库存照片作为证件照,通过了完整的招聘流程——包括四轮视频面试、背景调查与参考核查——成功入职。值得注意的是,该候选人并未在视频面试中使用实时换脸:其容貌与AI增强照片一致,而面试官团队未被配备视频真伪鉴别工具。入职后,该"员工"在配发的公司Mac笔记本上立即执行恶意脚本,所幸KnowBe4的EDR系统触发告警,安全运营中心在约25分钟内完成设备隔离,未造成任何数据泄露或财务损失。

身份盗用:候选人使用一名真实美国公民的完整身份信息(该身份在政府数据库中真实存在),其简历与经历细节与被盗身份高度吻合——这使自动化背景调查系统顺利通过,也暴露了"身份真实≠本人真实"的验证盲区。
AI增强照片欺骗:候选人提交的照片为库存照片经AI增强生成,五官特征稳定一致,通过了要求持证件照的远程身份核验。在多轮视频面试中,其真实容貌与AI增强照片相符——面试官团队未配备任何深度伪造鉴别工具,流程尽数通过。这印证了一个关键教训:深度伪造威胁的防御重点不仅是"识别伪造",更在于对"从未线下见面的远程身份"建立独立验证链。
参考核查与背调通过:由于身份信息本身真实,背景调查与参考核查均返回"通过"。美国司法部的相关起诉文件显示,此类朝鲜IT工作者欺诈通常由位于美国境内的"笔记本电脑农场"接应,专人代收设备并维持美国时区在线,进一步强化了"美国本地员工"的假象。
入职与攻击:2024年7月15日(入职首日),该"员工"在收到的公司笔记本上执行恶意PowerShell脚本、操纵会话历史文件并试图加载信息窃取程序。当日21:55(美东时间),KnowBe4的EDR(端点检测与响应)系统触发告警;约25分钟后(22:20),SOC团队完成设备隔离。公司随后发布十项招聘流程强化措施,并于2024年10月19日更新披露完整复盘。
身份伪造实时换脸供应链渗透内部威胁朝鲜APT

深层警示:KnowBe4在事后声明中指出:"如果这能发生在我们身上,那它几乎能发生在任何人身上。"("If it can happen to us, it can happen to almost anyone.")这一案例的极端意义在于:攻击目标本身就是网络安全行业的顶尖安全意识培训公司——如果连KnowBe4的招聘流程都能被深度伪造突破,传统企业的防御体系面临的脆弱性更为严峻。该案例同时揭示了深度伪造与供应链攻击的交汇——通过渗透员工身份进入企业内部网络,是深度伪造钓鱼从"资金诈骗"向"网络入侵"升级的关键转折点。

来源:KnowBe4官方博客《Lessons Learned From a North Korean IT Worker Impostor》(2024年7月23日披露,10月19日更新)/ 美国司法部对朝鲜IT工作者欺诈的多起起诉文件 / Mandiant威胁情报
真实案例 2024年1月 · 美国新罕布什尔州

AI语音机器人干预总统初选——深度伪造的政治钓鱼与选举安全威胁

2024年1月,美国新罕布什尔州民主党初选期间,数千名选民接到一通AI生成的语音电话。电话中,一个声音高度模仿美国总统拜登的声纹特征,劝说选民"不要在周二投票",声称"你的投票在11月才重要"。该电话使用虚假来电显示(caller ID spoofing),伪装成前总统助理的个人手机号码。事件引发FCC紧急调查:FCC执法局于2024年5月23日对幕后政治顾问Steve Kramer提出6,000万美元拟议罚款(Notice of Apparent Liability,FCC-24-59),并于2024年9月26日表决、9月30日发布最终罚款令(Forfeiture Order,FCC-24-104)——这是FCC针对AI语音伪造开出的最高额罚单;为呼叫提供传输服务的Lingo Telecom则达成了100万美元民事和解。

AI语音克隆政治钓鱼选举安全Caller ID伪造社会工程

防御启示:此案例标志着深度伪造钓鱼从商业欺诈向政治操纵的扩展。攻击者仅需公开演讲中的数秒音频样本(拜登总统的公开讲话视频abundant可得),即可生成足以欺骗选民的语音克隆。FCC的600万美元罚款虽具威慑意义,但无法挽回已造成的选举信任损害。该事件与后续多起深度伪造事件共同推动了美国相关立法进程。《TAKE IT DOWN Act》于2025年5月19日签署成为法律,要求在线平台在收到通知后48小时内下架非共识深度伪造的真人亲密影像(平台的48小时移除义务自颁布起即生效);截至2026年,美国已有47个州制定了深度伪造相关专项立法(Ballotpedia与多州立法追踪机构统计)。

后续进展:2025年6月13日,新罕布什尔州陪审团就Kramer面临的州刑事指控(选民压制重罪与冒充候选人轻罪)判决其全部无罪;但FCC的6,000万美元行政罚款并不受刑事判决影响,Kramer公开表示拒绝缴纳。2025年11月,联邦法院在"美国妇女选民联盟"提起的民事诉讼中判令Kramer向三名受影响的选民支付共计22,500美元赔偿。该案清晰展示了行政、刑事、民事三条执法路径对同一深度伪造事件的不同裁决结果——技术认定的"欺诈性来电显示与AI语音"成立,但刑事层面的主观意图证明门槛更高。

来源:FCC官方文件(FCC-24-59拟议罚款令 / FCC-24-104最终罚款令)/ 新罕布什尔州总检察长办公室 / 美国妇女选民联盟(LWV)诉讼文件
真实案例 2023年4月 · 中国福建福州(包头警方发布)

AI换脸视频通话诈骗430万元——全国首例AI换脸诈骗案(福州公司·包头警方通报)

福建省福州市某科技公司法定代表人郭先生接到"好友"的微信视频通话。该"好友"称自己的朋友在外地投标,需要430万元保证金,且需公对公账户过账,想借用郭先生公司的账户走一下账。随后"好友"向郭先生索要银行卡号,声称钱已打到其账户,并将银行转账底单的截图通过微信发给郭先生。基于对"好友"的信任及视频通话中的"亲眼确认",郭先生未再电话核实,将430万元转入对方指定账户。事后才发现被骗。该案发生于2023年4月20日,由包头市公安局电信网络犯罪侦查局处置,并于2023年5月8日通过"平安包头"发布,被媒体广泛称为"全国首例AI换脸诈骗案"。

信息收集:诈骗分子通过社交媒体等渠道收集郭先生"好友"的面部照片、语音样本及社交关系链。
AI换脸生成:利用收集到的素材,诈骗分子使用AI换脸工具生成实时视频通话内容,面部特征、表情神态与真实"好友"高度相似。
视频通话施压:诈骗分子在视频通话中营造紧急氛围,利用"好友"的熟人信任与投标紧迫性,快速完成大额转账指令。
事后发现:转账完成后,郭先生核实发现被骗。该案由包头市公安局电信网络犯罪侦查局处置并发布,成为打击AI换脸诈骗的标志性案例。
AI换脸视频通话冒充熟人熟人信任中国案例

防御启示:此案例是中国本土深度伪造钓鱼的标志性案件——利用熟人信任与视频通话的"亲眼确认"实施精准诈骗。防御关键在于建立"带外验证"机制:任何大额转账指令必须通过独立于当前通信渠道的可信渠道(如预先登记的手机号码)进行二次确认。国家反诈中心已将AI换脸诈骗列为重点防范类型。

来源:"平安包头"微信公众号2023年5月8日发布 / 新华网、央视网等媒体报道

深度伪造钓鱼防御技术发展趋势

检测技术正从离线分析向实时检测、从被动响应向主动防御、从单模态分析向多模态融合演进。以下四个方向代表了当前学术界与产业界的前沿探索。

实时流式检测与边缘计算部署

传统深度伪造检测基于完整文件分析,无法满足视频会议、语音通话等实时场景的防御需求。前沿研究聚焦于三个技术路径:

  • 边缘轻量级模型:将检测模型压缩至可在终端设备(智能手机、会议终端)上运行的规模。AASIST-L仅85K参数,已展示轻量化的可行性。后续研究探索神经架构搜索(NAS)自动设计适合边缘部署的检测网络。
  • 流式分段分析:对音视频流进行分段实时分析,无需等待完整内容即可输出置信度分数。关键技术挑战在于:早期片段可能缺乏足够判别信息,需在"响应延迟"与"检测精度"之间权衡。
  • 主动挑战机制:在关键通话节点插入随机挑战——如要求对方转头、侧脸、遮挡部分面部、朗读随机生成的文本或回答随机问题。该机制验证内容的"实时生成性",有效防御预录制重放攻击。C2PA内容凭证标准持续演进,实时音视频流的来源验证为该标准的重要发展方向。

对抗鲁棒性与生成器指纹溯源

ASVspoof 5揭示的对抗攻击脆弱性表明,检测模型在对抗样本面前不堪一击。前沿防御策略包括:

  • 对抗训练:在训练过程中注入对抗性扰动,提升模型对微小扰动的鲁棒性。ASVspoof 5的对抗攻击集合为对抗训练提供了标准化测试床。
  • 生成器指纹溯源:不同生成模型(如不同版本的StyleGAN、不同TTS系统)在输出内容中留下独特的"指纹"——如特定频率的artifacts、特定的噪声模式。通过训练生成器识别模型,可溯源伪造内容的原始生成工具,为威胁归因提供技术支撑。
  • 集成防御:单一检测器易被针对性绕过。集成多种异构检测器(频域分析+时域分析+语义分析),通过投票或堆叠机制提升整体鲁棒性。可靠性综述强调,集成方法是提升检测系统可靠性的关键路径。

LLM增强检测与语义逻辑验证

大语言模型(LLM)的崛起为深度伪造检测带来了新的可能性——不仅可用于生成伪造内容,亦可用于检测伪造内容中的语义异常:

  • 对话逻辑一致性分析:LLM可分析多轮对话中的事实一致性、时间线合理性与角色行为一致性。AI生成的对话常在局部流畅但全局存在逻辑漏洞(如前后矛盾的时间线、不一致的人物关系)。
  • 跨模态语义对齐:利用多模态大模型(如GPT-4V、Gemini)同时分析视频画面、音频内容与对话文本,检测三者之间的语义不一致。例如,视频中人物表情为"愤怒"而语音情感为"平静",或对话内容与视觉场景不匹配。
  • 元数据与上下文推理:LLM可整合内容的来源信息、传播路径、发布者历史行为等上下文数据,进行超越像素/波形层面的综合研判。这种方法对检测经过多轮转发的深度伪造内容尤为有效。

法规标准与行业协同治理

技术检测无法单独解决深度伪造钓鱼问题,法规标准与行业协同治理是构建系统性防御的关键支柱:

  • 美国TAKE IT DOWN Act:2025年5月19日签署生效,要求平台在收到通知后48小时内下架非共识深度伪造内容(特别是色情内容),并建立快速响应机制。截至2026年,美国47个州已制定深度伪造专项立法。
  • 欧盟AI Act:要求AI生成及操纵内容(包括深度伪造)必须显著标识,深度伪造相关内容被纳入"透明度义务"监管框架。罚款按风险分级:对"不可接受风险"类AI行为最高可处3,500万欧元或全球年营业额的7%,透明度义务类违规最高可处1,500万欧元或全球年营业额的3%。该法案于2024年8月1日生效,分阶段实施,多数义务于2026—2027年全面适用。
  • 中国深度合成管理规定:2023年1月施行的《互联网信息服务深度合成管理规定》要求深度合成服务提供者对生成内容进行显著标识,并建立审核机制;2023年8月施行的《生成式人工智能服务管理暂行办法》进一步要求服务提供者承担内容标识与安全评估义务。国家网信办持续加大对违规平台的执法力度。
  • C2PA生态扩展:Adobe、Microsoft、Google、Meta等主要平台与内容创作工具已逐步支持C2PA内容凭证,部分相机厂商开始在硬件层嵌入内容来源信息。

2026年多源数据交叉验证:语音钓鱼已成主流入侵向量

截至2026年发布的多份权威报告形成了罕见的方向性共识——语音钓鱼已从"辅助性社会工程手段"升级为独立的初始入侵向量:Mandiant《M-Trends 2026》(基于2025年50万小时以上事件响应调查)确认语音钓鱼是2025年第二大初始感染向量(占比11%),在云环境入侵中更以23%的占比超越邮件钓鱼与凭据窃取位居首位;CrowdStrike《2025威胁狩猎报告》显示2025年上半年的语音钓鱼活动量已超过2024年全年总和,并归因于至少三个犯罪集团(CURLY SPIDER、CHATTY SPIDER、PLUMP SPIDER)的规模化运作——攻击者假冒IT支持人员拨打电话,诱导受害者建立远程协助会话,整个入侵链条最短可在4分钟内完成;FBI IC3《2024年互联网犯罪报告》的年度数据表明,钓鱼/欺骗类犯罪以193,407起投诉居所有类别之首,BEC单类损失即达27.7亿美元。这些数据共同指向一个防御结论:深度伪造钓鱼的治理重心正从"检测伪造内容"转向"重构高价值操作的身份验证流程"。

数据来源:Mandiant M-Trends 2026 / CrowdStrike 2025 Threat Hunting Report / FBI IC3 2024 Internet Crime Report

企业级深度伪造钓鱼防御体系

基于公共互联网反网络钓鱼工作组的实践经验与CNNIC行业研判,本专题提出"技术检测+流程规范+人员意识"三位一体的企业级深度伪造钓鱼防御框架。该框架覆盖"预防—检测—响应—恢复"全生命周期。

第一层 · 技术检测层
语音伪造检测(AASIST/RawNet2) 视频伪造检测(时序一致性+3D几何) 多模态不一致性检测(AV-HuBERT) 实时流式分析(边缘部署) C2PA来源验证 数字水印检测
第二层 · 流程规范层
带外验证(Out-of-Band Verification) 大额转账双人复核+独立确认 视频会议主动挑战机制 供应商/员工身份多源核验 异常行为告警与自动拦截 IOC共享与快速关停流程 遵循FinCEN深度伪造欺诈监测警报
第三层 · 人员意识层
深度伪造威胁认知培训 模拟深度伪造钓鱼演练 "零信任沟通"文化建立 安全事件报告激励机制 高管层安全意识强化 持续更新的威胁情报通报

核心原则:技术检测无法达到100%准确率(ASVspoof 5已证明对抗攻击可使EER显著攀升),流程规范无法覆盖所有边缘场景,人员意识受认知偏差限制。三层的真正价值在于"冗余"——当一层失效时,其他层提供后备保护。Arup案的教训在于:三层全部缺失——无技术检测、无带外验证流程、无深度伪造安全意识。

带外验证:最后一道防线

带外验证(Out-of-Band Verification, OOBV)是应对深度伪造钓鱼最有效的单一流程控制措施,其核心思想是:任何高价值操作指令必须通过独立于当前通信渠道的可信渠道进行二次确认。

  • 实施要点:(1)建立"已知电话号码簿"——预先登记所有关键人员(CFO、CEO、财务总监)的已知可信电话号码,任何涉及资金转移的语音/视频指令必须通过该号码回拨确认;(2)引入"冷却期"——大额转账设置强制24小时延迟,期间通过独立渠道二次确认;(3)使用共享密钥——预先约定只有双方知道的验证短语或问题,攻击者无法通过公开信息获取。
  • 局限性:带外验证增加了操作摩擦,可能影响业务效率。需通过风险分级实施差异化控制——低价值操作可简化验证,高价值操作严格执行OOBV。

模拟演练:从认知到行为

基于迪妙安全学院在CNNIC及公共互联网反网络钓鱼工作组的实践经验,深度伪造安全意识培训必须超越"知识传递",进入"行为改变"层面。

  • 沉浸式模拟:使用真实深度伪造工具生成定制化模拟攻击(如克隆公司CEO声音拨打"紧急转账"电话),在安全可控环境中测试员工响应。演练后提供即时反馈与正确处置示范。
  • 认知校准:iProov研究显示超过60%的人对自身识别能力过度自信。培训需通过"亲身体验失败"(让员工尝试识别高质量深度伪造并告知实际完美识别率仅0.1%)来校准过度自信,建立"默认不信任"的安全心态。
  • 高管专项:高管是深度伪造钓鱼(特别是BEC与鲸钓)的首要目标。需为C-suite定制专项培训,涵盖深度伪造视频会议识别、带外验证协议、应急响应流程等内容。

下篇参考文献与案例来源

以下案例均基于官方披露、监管机构文件或权威媒体公开报道;链接截至2026年9月均可正常访问。

一、案例原始来源

  1. Arup公司官方声明(2024年5月)及香港警方通报;CNN报道:Arup revealed as victim of $25 million deepfake scam (2024年5月16日). 官方链接
  2. KnowBe4官方博客. Lessons Learned From a North Korean IT Worker Impostor (2024年7月23日,2024年10月19日更新). blog.knowbe4.com
  3. FCC. FCC Proposes $6 Million Fine for Illegal Robocalls that Used Generative AI Technology (FCC-24-59, 2024年5月23日). 官方链接
  4. FCC. FCC Adopts $6 Million Fine Against Political Consultant Steve Kramer for Illegal Robocalls (FCC-24-104, 2024年9月). 官方链接
  5. 新罕布什尔州总检察长办公室案件通报及州法院刑事审判记录(2025年6月13日无罪判决). doj.nh.gov
  6. 法国警方通报及国际媒体对"AI布拉德·皮特"诈骗案(被骗约83万欧元)的公开报道. BFMTV等法国主流媒体
  7. "平安包头"微信公众号通报(2023年5月8日)及新华社、央视网对福州430万元AI换脸案的报道. news.cn

二、威胁数据与行业报告

  1. iProov. Deepfake Blindspot Study (2025年2月12日). 官方链接
  2. iProov. Threat Intelligence Report 2025(虚拟摄像头攻击+2,665%、换脸尝试+300%). iproov.com
  3. IRONSCALES. Fall 2025 Threat Report(99%安全负责人自信 vs 8.4%组织模拟得分超80%). ironscales.com
  4. Signicat. Fraud attempts with deepfakes have increased by 2137% over the last three years (2025年2月). 官方链接
  5. Pindrop. The 2025 Voice Intelligence & Security Report. 官方链接
  6. Mandiant (Google Cloud). M-Trends 2026. 官方链接
  7. CrowdStrike. 2025 Global Threat Report / 2025 Threat Hunting Report. 官方链接
  8. FBI IC3. 2024 Internet Crime Report. 官方PDF
  9. KnowBe4. 2025 Phishing Threat Trends Report. knowbe4.com
  10. Deloitte Center for Financial Services. 深度伪造银行欺诈风险预测(2023年123亿美元→2027年400亿美元). 官方链接

三、法规与标准

  1. 美国国会. Tools to Address Known Exploitation by Immobilizing Technological Deepfakes on Websites and Networks Act (TAKE IT DOWN Act), S.146, 119th Congress (2025年5月19日签署). 官方链接
  2. 欧盟委员会. Artificial Intelligence Act — Regulatory Framework. 官方链接
  3. 国家互联网信息办公室. 《互联网信息服务深度合成管理规定》(2023年1月10日施行). cac.gov.cn
  4. 国家互联网信息办公室等七部门. 《生成式人工智能服务管理暂行办法》(2023年8月15日施行). cac.gov.cn
  5. FCC. Declaratory Ruling on AI-Generated Voice in Robocalls (2024年2月8日). fcc.gov
  6. FinCEN. FIN-2024-Alert007: Fraud Schemes Involving Deepfake Media Targeting Financial Institutions (2024年11月). fincen.gov
  7. C2PA. Technical Specification. c2pa.org

探索其他子课题