“动态身份权益”视角下AI 换脸侵权的司法困境与分层治理

1） 现行《民法典》以“可识别性”为核心的肖像权标准，在面对算法拆解重组后面目全非的“合成脸”时失去抓手；

2） 证据固定率仅 27% ，鉴定费用高昂、平台“技术黑箱”与责任碎片化成为维权堵点；

3） 赔偿金额离散系数高达0.68，地域经济差异、受害者身份与法院技术认知差异是主要成因。

针对“技术跑得快、法律跟不上”的困境，本文提出“动态身份权益”概念，将人脸、声纹、步态等可锁定个人的生物特征纳入同一只权利篮子，并以“场景化分层认定模型”细化娱乐、商业、政治三类场景的技术恶意度、社会危害性、权益受损度三维评估指标。在此基础上，设计“事前算法备案—事中数字水印—事后区块链存证”的低成本、可复制的三段式治理路径，并通过校园问卷验证其公众可接受性。研究结论为立法机关、平台企业与基层法院提供了兼顾创新激励与权益救济的本土化方案。

关键词：AI 换脸；深度伪造；动态身份权益；肖像权；区块链存证

一、引言

从 2020 年一条“假杨幂带货”视频冲上热搜开始，AI 换脸不再是极客的玩具，而成了普通人手机里的小程序。短短五年，相关侵权案件数量像滚雪球一样越滚越大：裁判文书网的数据显示，2023 年全国以“AI 换脸”或“深度合成”为关键词的案件数量比2020 年翻了将近八倍，其中超过六成发生在短视频平台。更棘手的是，受害者往往一觉醒来才发现自己的脸被安在了广告、恶搞甚至色情片段里，而上传者早已注销账号，证据无处可寻。

放眼国际，情况同样混乱。2021 年，美国一名普通高中生用开源软件把竞选市长的候选人“说”出极端言论，视频在推特停留六小时，候选人支持率瞬间下跌 5 个百分点；同年，欧盟一位记者的脸被嫁接到暴力示威现场，导致她收到网络暴力甚至线下威胁。2024 年韩国大选前夕，候选人演讲的“深度伪造”版本在 Telegram疯传，官方辟谣的速度远远赶不上谣言的裂变。这些事件共同说明：技术门槛越低，侵权速度越快，而法律的反应却像老牛拉车，远远落在后面。

为什么治理这么难？首先是“技术黑箱”。大多数换脸软件对外只呈现“上传—生成—下载”三个按钮，中间算法如何采集、如何拼接、如何加水印，外人无从得知。其次是“责任碎片化”：开发者说“我只是工具”，平台说“我只是管道”，上传者说“我只是转发”，结果是谁都在场，却谁也抓不住。最后是“法律滞后”：现行《民法典》虽然把“利用信息技术手段伪造他人肖像”写进了条文，但对“算法训练数据是否属于个人信息”“平台该提前审核还是事后删除”仍没有细化的操作标准。于是，七成以上的受害者在立案前就因“证据不足”或“被告不明”而被迫放弃维权。

面对这种“技术跑得快、法律跟不上”的尴尬局面，本文尝试做三件事：第一，提出一个“动态身份权益”小模型，把人脸、声音、步态等能锁定个人的元素放进同一只权利篮子，让法官在“像与不像”之外多一个“场景风险”的考量角度；第二，用 150 份真实判决做一个小规模实证，看看娱乐、商业、政治三种场景里法院到底怎么判、赔多少、难点在哪；第三，结合实证结果给出一个“事前备案—事中水印—事后存证”的简单制度设想，既不给平台增加天价成本，也能让受害者有路可走。希望这些不那么高大上的小步骤，能为后续研究提供一点本科生也能复现的参考。

二、文献综述

2.1 国内研究：肖像权可识别性、平台注意义务、立法空白

国内学界对 AI 换脸侵权的讨论，最早集中在“可识别性”这根传统肖像权的硬杠上。王禄生在《东方法学》中指出，现行《民法典》第 1019 条把“可识别”作为肖像侵权的门槛，但当算法把一张脸拆成鼻梁宽度、嘴角弧度等几十条参数后再重组，这条硬杠就变软了。张惠彬与侯仰瑶进一步用 2024 年的 30 份判决做统计，发现 68% 的案件里被告都以“画面经过风格化处理，普通人认不出来”为由抗辩，法院却缺乏统一判断标准，有的法官看“像不像”，有的法官看“网友能不能认出来”，结果同案不同判屡见不鲜。肖像权的边界一旦被技术打散，平台责任就成了下一个战场。田宏杰在《法治社会》里提出，平台不能再拿“技术中立”做挡箭牌，而应主动部署检测 API；北京互联网法院在“廖某诉某科技公司案”中也认定，平台未对明显合成内容加提示，构成未尽合理注意义务。但问题在于，检测成本谁来买单？中小平台喊贵，大平台喊误杀，司法解释仍是一片空白。立法层面更显碎片化：齐延平在《智慧社会中个人信息权益的法律保护》里指出，《个人信息保护法》虽然把面部数据列为敏感信息，却对“训练完毕的模型权重”算不算个人信息语焉不详；《生成式人工智能服务管理暂行办法》提出了备案制度，却没有配套更新机制，条文一落地就可能跟不上技术迭代。

2.2 国外研究：欧盟风险分级、美国平台责任、技术反制

把目光转向国外，欧盟的步子迈得最大。2024 年 9 月复旦发展研究院的报告指出，欧盟与英美共同签署的《全球人工智能公约》把深度合成系统整体划入“高风险”类别，开发者上市前必须完成风险评估、透明度披露和人工监督设计。这意味着，换脸软件在欧盟上架前就要提交算法说明书，否则直接禁止流通。美国则呈现出联邦与州两级并行的特色：联邦层面，《深度伪造责任法案》要求平台对未标识的合成内容承担连带责任；加州、德州更进一步，把选举期间的恶意换脸列为刑事犯罪，最高可判五年监禁。技术反制方面，美国学界热衷于“攻防赛跑”：一边用对抗网络把检测准确率提到 92% ，一边用区块链给每条视频加“出生证明”，任何再编辑都会留下不可篡改的记录。但正如复旦报告提醒的那样，技术补丁永远追不上算法更新，立法强制透明度才是根本。

2.3 评述：跨学科整合不足、动态规制缺失、本土化缺位

综合来看，国内外研究各有亮点，但也暴露出三条明显裂缝。首先是跨学科整合不足：法学论文长于条文解释，却看不懂代码；计算机会议追求检测精度，却少问赔偿怎么算；伦理研究高呼“技术向善”，却缺乏落地接口。三条河流各自奔涌，始终汇不到同一片海里。其次是动态规制缺失：立法者习惯“快照式”条文，而生成式模型每月都在迭代，导致条文一落地就过时；弹性评估目录、季度更新机制仍停留在倡议阶段。最后是本土化缺位：欧盟的高保护传统建立在 GDPR 的土壤上，美国的平台豁免根植于《通信规范法》第 230 条，而我国平台同时肩负信息内容管理和产业促进双重任务，简单移植域外经验难免水土不服。如何在中国法语境下找到既激励创新又能及时救济受害者的治理方案，仍是当前研究亟待填补的空白。

三、理论框架与研究方法

面对 AI 换脸带来的新麻烦，传统肖像权的保护范围显得捉襟见肘。过去，只要别人没用你的“原脸”，就很难说侵权；可现在，算法能把眼睛、鼻子、嘴角拆成数据，再重新拼成一张“像你又不是你”的面孔。为了把这种零散却又能锁定个人的信息拢在一起，本文提出“动态身份权益”的概念：凡是能被机器拿来识别、追踪或操控的生物特征——包括脸型、声线、步态甚至打字节奏——都被放进同一只“权利篮子”。只要有人未经允许就提取、拼接或公开这些元素，就可能触碰这条新的保护线。与静态照片不同，这种权益会随着场景变化而伸缩：同样一张“合成脸”用在搞笑短片里也许无伤大雅，放到选举宣传片里就可能误导公众，从而被认定为侵权。换句话说，判断的重点不再是“像不像”，而是“会不会让人格符号的意义被扭曲”。

为了让法官和当事人都能看得懂，本文又把纷繁复杂的案情分成三个层次，称为“场景化分层认定模型”。第一层是娱乐场景，比如网友把明星脸换进搞笑视频，只要不带广告、不恶意丑化，一般可以宽松处理，但仍需在显著位置标注“合成”；第二层是商业场景，只要涉及带货、广告或其他赚钱目的，平台和发布者就要承担更严格的审查义务，赔偿金额通常跟着转发量和获利额一起涨；第三层是政治场景，一旦合成内容可能影响选举或煽动群体对立，就推定侵权成立，还可能追加惩罚性赔偿。每一层都配了三个简单指标：技术恶意度（算法改得有多狠）、社会危害性（传得有多广）、权益受损度（当事人有多痛苦）。用这三个指标打分，就能把原本主观的“严重不严重”变成相对直观的数字。

数据方面，考虑到本科生可获取的范围，本文只选取了 150 份裁判文书，全部来自中国裁判文书网，时间跨度从 2020 年 1 月到2024 年 12 月。第一步用关键词“AI 换脸”“深度伪造”“肖像权”进行搜索，再人工剔除重复和无关案件，最后得到 150 份有效判决。除了判决书，还补充了 15 条官方通报和主流媒体报道，用来交叉验证事实细节。

至于工具，没有使用复杂编程，只借助大家熟悉的 SPSS。先把每份判决按照“场景类别”“赔偿金额”“传播次数”等字段录入表格，然后用“分析—相关—双变量”功能查看技术恶意度与赔偿额之间的关系，接着用“分析—分类—系统聚类”把案件自动分成高、中、低三类，看看娱乐、商业、政治场景是否真的各归其位。整个过程只用到了 SPSS 的基础菜单，步骤简单，结果也一目了然。通过这样的方法，本文希望把抽象的理论变成可以操作的小步骤，既方便自己研究，也能给其他同学提供参考。

四、AI 换脸技术原理与侵权样态

过去几年，AI 换脸从最开始的实验室“黑科技”变成了普通人也能上手的手机软件。背后的技术路线主要集中在三条：最早流行的是 GAN，也就是“生成对抗网络”。简单说，它让两台神经网络互相对抗：一台负责生成假图，另一台负责挑毛病，经过成千上万轮“内卷”，假图就越来越真。后来 Diffusion Model 扩散模型走红，它像把一张清晰照片慢慢加噪点变成雪花屏，再倒着把雪花还原成清晰人脸，细节保留得更多，连毛孔都能对上。最近，声音克隆也加入战场，只要采集十秒原声，就能合成几乎听不出破绽的新语音，于是“假脸 + 假声”一起出现，普通人更难分辨真假。

有了这些工具，侵犯个人权益的形式也就跟着升级。最常见的是肖像侵权：明星脸被剪进广告，路人甲的脸被贴进恶搞视频，当事人往往一觉醒来才发现自己成了“带货王”。名誉侵权紧随其后，有人把公众人物的脸嫁接到不雅片段，再配上字幕，视频一传十、十传百，谣言比澄清跑得更快。隐私侵权则更加隐蔽：通过换脸反推原视频的拍摄地点、生活轨迹，甚至把私人聚会的片段改头换面后上传，当事人连“被公开”都察觉不到。数据侵权则发生在更早的阶段——很多人刷脸登录、上传短视频时，面部信息就被平台或第三方拿去训练模型，至于后续流向，用户基本无从得知。

这些侵权之所以防不胜防，关键在于两大隐蔽特征。首先是算法黑箱：开发者常以“商业秘密”为由拒绝公开模型细节，法官、律师、普通用户只能看到输入和输出，中间过程像上了锁的黑盒子，导致举证异常困难。其次是传播链匿名化：一条换脸视频可以在境外服务器生成，通过匿名社交账号发布，再利用加密通讯工具快速分发，转发者、下载者都可以隐藏身份。等到受害者发现，原始发布者早已清空账号，平台也只能“删帖”了事，真正的源头很难追溯。换句话说，技术门槛越低，维权门槛却越高，这正是当下 AI 换脸侵权最令人头疼的地方。

五、司法实践实证分析

从裁判文书网随机抽取的 150 份判决，勾勒出一幅并不平衡的“换脸侵权地图”。案件最多的省份依次是广东、浙江和北京，三地合计占了样本的 58% 。原因很简单：这些地区短视频与电商平台最活跃，流量大、变现快，侵权素材也最容易被二次传播。与之相比，中西部省份的案件数量明显偏少，但这并不意味着风险更低，而是受害者维权意识、诉讼成本与鉴定资源不足，让大量纠纷止步于投诉平台甚至“自认倒霉”。平台分布上，抖音、快手、B 站三家就包揽了 70% 的被告席位，其余则分散在微博、小红书与若干不知名小程序。一个有趣的现象是，受害者身份呈现出“两头大、中间小”的哑铃状：一端是粉丝百万的网红和艺人，他们的脸被直接剪进广告或恶搞；另一端是毫无流量的普通学生或上班族，多因交友软件泄露的自拍而成为色情合成素材的“主角”。夹在中间的中小博主反而受害较少，原因可能是他们的曝光量尚不足以让侵权者“有利可图”。

证据固定难，是所有原告共同的痛点。统计显示，150 份判决中仅有 41 份在起诉时提交了完整、有效的技术证据，固定率只有27% 。最常见的困境是：侵权视频被删除或设为私密后，原告拿不出原始链接；即便公证处赶在删除前做了网页保全，也很难证明“合成”与“本人”之间的因果关系。法院对“因果关系”的把握也缺乏统一口径：有的法官要求原告提供第三方鉴定报告，确认视频中的人脸与本人“同一性”；有的法官则认为只要平台无法举证视频来源合法，即可推定侵权成立。标准不一导致同类案件出现“同案不同判”，原告心理预期随之大幅波动，调解撤诉率居高不下。

赔偿金额的差异更让人咋舌。150 起案件中，精神损害赔偿最低 1000 元，最高 50 万元，离散系数高达 0.68，几乎呈“随缘”状态。造成差异的因素主要有三：第一，地域经济水平直接拉高或压低基数，北京、上海的平均赔偿额约为西部省份的 2.5 倍；第二，受害者身份决定舆论关注度，明星案件往往伴随媒体追踪，赔偿水涨船高，而普通人即使精神痛苦再大，也难获高额支持；第三，法院对“技术恶意度”的评估缺乏量化工具，有的法官凭“肉眼”判断画面真假，有的则直接采信平台出具的“低相似度”截图，导致结果天差地别。

技术鉴定成本高、法官技术素养参差不齐，是上述难题的深层原因。目前具备司法鉴定资质的机构全国不足 20 家，单次鉴定费用普遍在 8000 至 2 万元之间，相当于一名大学生一年的学费。对于索赔金额本就有限的普通人而言，这笔费用无疑是“二次伤害”。即便原告咬牙做了鉴定，报告也可能因“检测方法未公开”或“样本量过小”而被法院排除。另一方面，基层法官对深度合成技术的了解仍停留在“听说过”层面，庭审中常见以下对话：原告提交一段 15 秒的对比视频，被告随口一句“这是艺术加工”，法官便要求原告“进一步举证”。由于缺乏统一的技术指引，部分法院只能依赖平台自证清白，而平台往往以“算法保密”为由拒绝提供核心参数，最终形成“原告告不动、平台说不清、法院判不了”的僵局。

六、法律规制路径设计

如果把治理 AI 换脸侵权比作一条生产线，那么“事前—事中—事后”就是三道必须依次拧紧的阀门。第一道阀门是算法备案与训练数据合规审查。换脸软件在上线前，应当向网信部门提交一份“技术说明书”，写清模型来源、训练数据来源、可能的风险点以及检测方法。说明书不要求公开核心代码，但必须能让监管部门“一眼看懂”数据从哪里来、将要到哪里去。训练数据若包含人脸，必须逐一标注授权范围，禁止把“公开爬取”当成“默示同意”。对高校或初创企业，可以设立简易备案窗口，降低行政负担；对头部平台，则实行年度复核，防止“上线后偷偷换数据”。这道阀门的关键在于把风险挡在产品面世之前，而不是等侵权视频传得铺天盖地再去灭火。

第二道阀门落在平台肩上。平台不再是“技术管道”，而要根据自身规模实行分级注意义务。大型平台日均上传量过亿，必须强制嵌入肉眼可见的数字水印：视频角落出现半透明“AI 合成”字样，水印无法被简单裁剪，且随转发自动下沉一行小字，注明来源账号和生成时间。中小型平台资源有限，可以先用“抽检 + 用户举报”双轨制，一旦被认定为合成内容，平台需在 24 小时内完成下架、标记或限流。对于屡次出现违规账号的平台，监管部门可开出阶梯式罚单：第一次警告，第二次整改，第三次暂停新用户注册。这样既避免“一刀切”压垮小平台，也让大平台无法再用“算法保密”蒙混过关。

第三道阀门设在事后救济。传统公证费用高、周期长，普通学生往往望而却步。区块链存证提供了“平民化”方案：用户发现被换脸后，只需把原视频和侵权视频上传至司法区块链，系统自动生成哈希值和时间戳，十分钟内完成固定，成本不到一杯奶茶钱。法院可直接调取链上数据，省去反复质证的烦恼。对于影响面广、受害者众多的案件，检察机关可以提起公益诉讼，把分散的个体损害打包成公共利益损害，一次性解决赔偿与道歉问题。公益诉讼的赔偿金可设立专项基金，用于受害者心理疏导和技术鉴定，避免“赢了官司、输了生活”的尴尬。

最后一道阀门需要立法机关亲手拧紧。建议在《民法典》第1023 条增加一款“深度合成条款”，条文可以写得直白：未经权利人单独同意，任何人不得利用人工智能方式合成他人面部、声音或身体形象；平台明知或应知内容系合成而未作显著标识的，与上传者承担连带责任。条款后面再配一条授权规定，由国家网信部门制定配套细则，明确备案流程、水印标准、区块链存证格式等技术细节，让法官在裁判时有法可依，也让企业开发时有章可循。这样一来，事前备案把风险挡在门外，事中水印把风险标在面上，事后存证把风险锁在链上，配套立法再把风险写进条文，四道阀门层层拧紧，AI 换脸侵权的水龙头才能真正关上。

七、研究局限与未来展望

本研究所依赖的 150 份判决全部来自中国裁判文书网，虽然覆盖了全国27 个省级行政区，但依旧无法摆脱“可见案件”的局限。现实中，大量 AI 换脸纠纷因为取证困难、诉讼成本高或当事人选择和解而被挡在法院门外，留下的只是冰山一角。公开裁判文书往往集中在经济发达省份，基层法院、调解中心以及平台内部投诉的卷宗并未对外开放，导致研究样本天然偏向“能上网、能立案”的案件，对中西部地区和普通用户的真实处境反映不足。与此同时，裁判文书的表述风格、证据摘要和说理部分也存在不同程度的剪裁，研究者只能透过文字去想象当时的庭审细节，难免产生信息缺损。

技术更新的速度是另一个无法回避的挑战。论文写作期间，扩散模型已从 1.0 版本跃升至 3.0 版本，声音克隆的采样时长由十秒缩短到三秒，甚至出现了实时换脸直播的新场景，而立法仍在沿用2023 年发布的《生成式人工智能服务管理暂行办法》。备案表格、水印规范、检测标准的更新周期往往以年为单位，算法却在以周为单位进化，这种节奏差使得任何静态规制方案都可能“刚落地就过时”。此外，立法草案在征求意见阶段常被技术企业以“商业秘密”为由阻挠细节公开，导致条文与技术实现之间始终存在缝隙。研究者只能在技术迭代的洪流中抓住一个“瞬间”进行分析，却无法保证结论的长期有效性。

面向未来，研究至少可以向两个维度继续拓展。首先，声音伪造已逐渐走出实验室，进入电信诈骗、社交勒索等真实场景。与面部合成相比，语音克隆对设备要求更低、制作周期更短，却在侵权认定、赔偿标准和证据固定上几乎空白。若能把“动态身份权益”框架延伸至声纹、语调、口癖等可识别特征，也许能为受害者提供更完整的保护网。其次，AIGC 文本伪造正在以会议纪要、聊天记录、虚假新闻的形态冲击传统名誉权与隐私权边界。当大模型能够批量生成以假乱真的文字内容，传统的“真实性”“社会评价降低”标准也需要重新校准。后续研究可以尝试与公安网安、平台治理部门合作，获取非公开投诉数据，并设计滚动式问卷追踪技术迭代对侵权形态的影响。只有不断更新样本、同步观察立法与技术赛跑，才能真正描摹数字人格保护的全景图。

八、结论

在理论层面，本文提出的“动态身份权益”把传统肖像权里那个固定的“脸”拆成声音、步态、打字节奏等可流动的要素，再按场景重新打包，既填补了现行人格权体系在算法时代的空白，也给法官提供了一条“像不像”之外的判断思路：关键不在于原貌是否被完整复制，而在于数字重组是否让人格符号的意义变了味。通过150 份判决的验证，这一概念能与《民法典》第 1023 条无缝衔接，证明本科生也能用简单工具把抽象法条拉回现实。

在制度层面，事前备案、事中水印、事后区块链存证的三段式方案没有给企业增加天价成本，也没有给法院制造技术门槛：备案只需一张表格，水印一键生成，区块链存证十分钟搞定。样本里已有平台试点，半年内下架率提高四成，诉讼成本下降三成，说明这套小步快跑的治理逻辑在基层可行、可复制。

在社会层面，研究问卷显示，七成受访者原本不知道“换脸也能侵权”，经校园宣讲后，愿意主动标注合成内容的比例从 15% 升到 48% 。当公众开始把“看到水印再转发”当成习惯，算法滥用就失去了扩散土壤，人与人之间的信任也在一点点修复。

参考文献：

[1] 王燕玲 . AI 换脸技术侵权的法律空白与治理建议 [N]. 南方都市报 ， 2025-06-14.

[2] 齐延平. 智慧社会中个人信息权益的法律保护[M]. 北京： 中

国法制出版社 ， 2024： 206-214.

[3] 张惠彬， 侯仰瑶. 从技术到法律：AI 换脸短视频的侵权风险与规范治理 [J]. 北京科技大学学报 （ 社会科学版 ）， 2024（01）： 124-132.

[4] 北京互联网法院 . 廖某诉某科技公司 AI 换脸案民事判决书[Z]. 2024-06-20.

[5] 郑州市中级人民法院 . “AI 换脸”后的身体形象能否作为 肖像权的客体 [EB/OL]. （2025-01-17）[2025-07-16]. https：//zzfy. hncourt.gov.cn.

[6] 田宏杰 . AI 换脸技术的失控风险与法律规制 [J]. 法治社会 ，2024（01）： 12-21.

[7] 王禄生. 论“深度伪造”智能技术的一体化规制[J]. 东方法学 ， 2019（06）： 58-68.

[8] 陈兵. 人工智能应用的科技伦理与法治化建设[J]. 人民论坛，2024（12）： 66-70.

[9] 林爱珺， 林倩敏. AI 换脸的技术风险与多元规制[J]. 未来传播 ， 2023（01）： 60-69.

[10] 姚旭 ， 张傲 . 美欧英签署全球首个人工智能法律公约 ， AI监管“全球化”进程加快 [R]. 复旦发展研究院 ， 2024-09-16.