存在一個針對盜版成人內容的可運作的下架基礎設施——它抓不到正在取代盜版的東西。MIT 科技評論報導,Takedown Piracy 已對超過 5 億個影片生成指紋,僅從谷歌搜尋就撤下了約 1.3 億。該流水線基於已知來源的指紋匹配工作。同一演員經 AI 修改的副本——抹掉胎記或改變身體比例的小編輯——繞過了指紋識別,因為新檔案不再與原始檔案匹配。現存的基礎設施是一個正在縮小的問題的基礎設施。

該內容類別不是換臉深偽——而是身體型的。演員真實的身體被用作訓練資料,然後以微小改動重新生成。文章引用的研究人員估計,超過 1 萬 TB 的線上成人內容很可能存在於當前的 AI 訓練語料庫中,不過他們將此標記為「合理假設」而非測量數字(沒有主要實驗室在此粒度上發布語料庫過濾稽核)。點名的工具包括「裸化」應用 Crushmate 和 Grok,以及簡訊約會應用 Mynx,騙子在該應用上部署了知名演員的 AI 深偽來詐騙付費用戶。Spicey AI——現已倒閉——曾嘗試以相反方式形式化該問題:演員簽訂合約將其 AI 形似性的所有權讓渡。

法律層正在形成但參差不齊。聯邦《Take It Down Act》將非自願親密圖像的發布定罪,這是以前不存在的牙齒。被引用的演員律師標記了雙用風險:同一法規可能在虛假下架通知下被武器化用於反對自願的表演內容。當託管方在俄羅斯、塞席爾或荷蘭運營時,DMCA 鏈條完全崩潰。對於今天出貨的圖像和影片生成平台,這在兩個層面上很重要:預訓練語料庫幾乎肯定包含被抓取的成人內容,除非進行了有意的過濾通道(且很少有實驗室記錄過一個),而下游檢測問題——識別生成的輸出是真人的身體深偽——並未由現有指紋工具解決。

如果你出貨圖像或影片生成,實際含義是你不能依賴現有的下架生態系統來抓獲從你的模型衍生的輸出。文章引用的「embodied harms」研究將身體變形障礙和自我審查與臉部深偽的創傷類別分別歸類——機制不同,緩解方法不同。法律框架將繼續移動;技術檢測缺口不會自行關閉。