深度伪造照片工具日益易用且流行，图像认证工具能验证数字图像确由物理相机产生，但须耐受有益变换。相机认证用签名证明来源；有损压缩、模糊或遮盖会令签名失效。已有零知识（ZK）方案证明图像编辑历史，却无法经受 JPEG 等有损编码。为此提出零知识 JPEG（ZK-JPEG）密码学工具，证明图像由秘密承诺输入正确压缩而来。

生成深度伪造照片的工具日益普及且更易用。图像认证工具通过验证数字图像确实由实体相机拍摄来挫败这些欺骗行为，但难点在于这类工具必须能承受合理的图像变换。相机溯源利用数字签名证明图像来自某台相机；有损压缩会通过细微改动缩小图像体积，模糊或遮挡区域能保护图像主体，但这些改动会使签名失效。已有研究用零知识（ZK）证明已发布图像的编辑历史，却无法承受 JPEG 这类有损编码。我们提出 ZK-JPEG，一种用于 JPEG 压缩的密码学工具，能证明图像是从保密且已承诺的输入正确压缩而来，该工具还能将大量图像变换集成到 JPEG 压缩中，以极小代价完成验证。系统快速、灵活，可由现成零知识工具实例化，我们使用 PicoZK 将 Python 图像编辑代码转换为线点零知识（LPZK）证明系统的 ZK 电路。

讨论整体偏向质疑：多数人认为这种来源证明要么挡不住造假，要么会滑向无法界定的哲学问题，少数人则看好它与硬件签名链路结合后的价值。分歧主轴在于，技术究竟能锚定「真实」，还是只是把造假成本重新推高。

认为可验证的变换族反而留出了造假空间

• 关键在于这套工具能验证的变换范围有多大，如果足以把真图 A 变成任意假图 B，那所谓「通过验证」就不能等同于「未经篡改」，仍要人工判断每个变换是否合理（较多人） > 看起来答案就是「能」，所以你必须仔细检查变换本身是否像正常的（@Retr0id）

认为判定「可接受改动」会滑成哲学问题

• 一旦开始列举格式、压缩、色彩校正、尺寸、媒介等允许的改动，就会一路滑向人类感知阈值、无关细节、图像「精神」、意图与价值观，最终没有终点（高赞）
• 反直觉之处在于：AI 时代并不是要把照片恢复到某个可靠状态，因为 AI 之前照片同样不可靠，只是蓄意篡改更难而已（较多人） > 我们是想让 AI 时代的图像像 AI 之前那样可靠吗？可它们在 AI 之前也不可靠，只是故意做假更难。（@jamienk）

认为只有接上硬件签名才有完整链条

• 把这套方案与苹果、安卓、索尼、徕卡等相机的签名照片打通，就能覆盖从拍摄到发布的完整来源（少数人）

认为照片真实性本身已不再是公众关注焦点

• 想不出近期有哪个现实场景里照片的真伪至关重要，验证能力在变强，照片的证明价值却在下降（少数人）

认为模拟鸿沟会让验证标记被刷，只是军备竞赛

• 打印 AI 图片，再用昂贵相机对着打印品拍一张，就能拿到「真实」照片；随后就是更多传感器、更贵的相机、微缩虚拟制片棚，方案只是把竞赛伪装成解决方案（较多人）

认为这里根本不需要零知识证明

• 原图发布 JPEG 压缩版之后，不存在什么实质内容被暴露出来，去掉 ZK 可以更简单、更高效（较多人）

有价值的补充

• ZK-JPEG 会揭示透明或半透明图层本身，但图层不透明部分之下的一切保持保密；AI 生成的图层同样会被公开，这降低了使用生成式 AI 的不诚实程度，却与训练数据的来源问题无关。
• 硬件签名捕捉链与图像变换证明属于两个层面：前者锚定拍摄时刻，后者只约束此后允许的编辑，两者不重叠也无法互相替代。