英国中小学校园中的性化深度伪造：通过提升人工智能素养理解与预防人工智能生成的基于图像的性虐待

《Behavioral Sciences》：Sexualized Deepfakes in UK Schools: Understanding and Preventing AI-Generated Image-Based Sexual Abuse Through Better AI Literacies Jessica Ringrose, Tanya Horeck and Edith Rodda

　　

研究人员回应学术界针对青少年受深度伪造性虐待影响程度以及学校应如何应对此类问题研究不足的缺陷，本研究探讨了英国中小学校园对人工智能技术及性化深度伪造的认知程度，以及学校对这些新兴伤害的应对方式。研究人员通过对英国八所学校的学生和教师进行访谈，发现教师和学生对人工智能深度伪造技术的工作原理表示不确定。部分教师低估了该技术的使用便捷性，且未形成性化深度伪造应与非自愿裸照同等对待的统一认识，导致学校应对措施存在不一致性和差异性。学生同样缺乏人工智能基础知识，将人工智能等同于ChatGPT等大语言模型；尽管性化深度伪造事件已在其校园环境中发生，学生报告未接受过该主题的明确教育。教育工作者和学生将性化深度伪造与社交媒体网红助长的高涨厌女情绪相联系，部分学生和教师呼吁在更早年龄段加强人工智能、性暴力及 consent（同意）方面的教育。研究人员提出人工智能生成的基于图像的性虐待这一概念，主张这些伤害应被理解为技术促成的基于性别的暴力（Technology-Facilitated Gender-Based Violence, TFGBV）的组成部分。研究人员认为这一框架对于支持对该问题的系统性理解并制定适当的学校应对措施至关重要。研究讨论部分提出了提升人工智能素养的建议，包括批判性接触人工智能伤害并支持受害者的预防性人工智能教育。

## 研究背景与问题缘起

深度伪造指 digitally altered content（数字篡改内容），即为虚假内容，但呈现从他处撷取的真人面部、身体及/或声音。深度伪造是当今24/7数字屏幕文化中青少年面临的更大范围在线伤害生态系统的组成部分。人工智能促成的虐待日益严峻，报告显示深度伪造图像被恶意用于针对教师和其他学生。国际非政府组织和慈善机构记录了青少年中性化深度伪造虐待的上升趋势。美国科技非营利组织Thorn（2025年）发布的利益相关者报告对1200名13至20岁青少年进行调查，发现"十分之一的未成年人表示，他们知道有朋友和同学使用生成式人工智能工具制作其他儿童的合成非自愿亲密图像（或'深度伪造裸照'）"的情况。同样，Save the Children（2025年）在西班牙青少年中的研究发现，五分之一的受访者报告其在18岁以下时曾被制作人工智能生成的裸体图像，但极少有人将这些经历认定为虐待或违法行为。在英国，Internet Matters（2024年）报告将人工智能生成的性图像描述为新兴的"流行病"，其调查发现13%的英国青少年曾在学校遭遇裸体深度伪造，且98%的深度伪造具有性性质（其中99%描绘女孩或女性），然而61%的儿童和45%的家长报告不了解或不理解"深度伪造"一词。Internet Watch Foundation（2025年）的进一步证据表明，提交至英国Report Remove热线的儿童和青少年裸体或性图像确认报告中，19%涉及数字篡改或操纵内容，包括使用人工智能或"裸体化"应用程序。此外，Weale（2025年）基于Teacher Tapp调查的报道发现，约十分之一的英国教师知晓上一学年有学生在其学校制作"深度伪造的色情视频"。

尽管大多数人工智能生成的虐待源于学校控制范围之外，学校已成为这些伤害被识别、解释和管理的主要场所。这意味着学校需要形成充分的理解和应对措施以支持青少年，将教育工作者置于技术风险、儿童保护以及性别-权力关系的交汇点，尽管其培训有限且对这些技术本身无管辖权。

## 研究方法与样本特征

本研究为探索性试点研究，采用质性研究方法。研究人员与英格兰八所中学的10名参与者进行了焦点小组访谈，包括来自六所不同学校的六名教师（通过两次在线焦点小组和一次个别在线访谈收集）以及来自两所独立学校的四名学生（通过一次学生焦点小组收集）。学生参与者为性暴力慈善机构学生咨询小组成员，曾接受过该机构提供的性别问题培训并参与过敏感话题讨论。访谈时长约60分钟，采用半结构化访谈指南，由一名研究人员主导访谈，另一名研究人员记录笔记并进行关键提示。学生访谈中，慈善机构的一名学校 facilitator（协调员）参与访谈并在访谈后进行简短汇报，以符合敏感问题的保障协议。所有会话经参与者明确书面同意后录音。数据分析遵循Braun与Clarke（2006）发展的主题分析框架，包括反复阅读转录稿以熟悉数据、生成初始编码、将编码组织为更广泛的主题，并通过与原始数据的持续比较迭代提炼主题。

## 研究结果：三个核心主题

### 一、师生对人工智能生成的基于图像的虐待认知有限

研究结果显示，学生和教师对人工智能生成的基于图像的虐待认知均存在局限。学生将人工智能主要与大语言模型（Large Language Models, LLMs）如ChatGPT等同，将其作为辅助学业的工具使用，而对人工智能生成有害内容的能力缺乏认知。尽管学生在TikTok等社交媒体平台接触过"虚假视频"，但未能将其与深度伪造虐待建立联系。当被直接问及非自愿性深度伪造时，学生在术语和技术流程方面均表现出不确定性，将深度伪造、泄露图像和"revenge porn"（报复性色情）混为一谈，缺乏区分不同形式基于图像的虐待的概念词汇。

教师方面，各所学校正在机构层面响应人工智能，但性化深度伪造尚未被一致框定为保障或基于性别的暴力问题，而是被纳入关于教育中人工智能使用的更广泛对话。部分教师高估了年轻人的技术能力，对其使用便捷性认识不足。校长Alan认为社会"高估"了年轻人的技术能力，但其描述的多起学生面部被移植到色情图像中并在同伴间传播的案例，恰恰揭示了认知与现实之间的落差。助理校长Patricia指出学生存在感知理解与实际理解之间的脱节，许多学生自信能够"驾驭"人工智能，尽管缺乏更深入知识的证据。这种过度自信可能进一步降低其寻求学校支持或报告有害经历的可能性。

### 二、深度伪造与高涨的厌女情绪语境

across the interviews（ across the interviews），教师和学生均将性化深度伪造置于更广泛的厌女情绪和在线伤害语境中加以理解，而非将其视为孤立的技术事件。多名教师描述了近年来有害性化行为的增加，通常表现为男孩针对女孩和女性的行为。校长Alan将人工智能生成的图像定位为在线行为更广泛转变的一部分，指出"最后三四年里，在线有害行为、有害性行为无疑大幅增加……主要由男孩针对女孩和女性，而且其中一些是非常典型的老式语言，所以技术只是表达古老模式的传导工具"。他同时强调需要与男孩就这些问题进行对话，而非简单妖魔化他们。

教师Caroline明确将深度伪造与厌女情绪关联，称其"紧随针对员工和学生的厌女情绪上升期之后"。助理校长Cindy和联合执行校长Erin同样讨论了学校及社区环境中厌女情绪、种族主义和极右翼内容的上升。Erin特别关注在线色情内容的可及性及其在同伴群体中的传播分享，指出"他们日复一日地看到这些内容时，有时很难提出反叙事"。

学生同样讨论了在线厌女情绪的总体上升趋势及其对社会世界的塑造。学生Amy分享了在线厌女文化影响其家庭的令人不安的故事，称其兄从大学归来后"完全极右"，持有"最邪恶的政治论点"和"超级性别歧视的论点"，将这一转变归因于算法推送的内容。学生Sam则指出，校内男孩更多是将此类内容当作玩笑，"我觉得他们更多觉得说安德鲁·泰特笑话或引用TikTok上的话很有趣，但我不认为他们真的相信这些"。

### 三、学校应对措施不一致及人工智能教育需求

学校对性化深度伪造的应对存在显著差异和不一致。教师描述了涉及人工智能生成性图像的事件，但对此类案件应如何分类或机构处理缺乏明确性。Caroline回忆了一起六年级三名学生制作并分享女学生性化深度伪造视频的案例，指出当时"很难确定哪些学生制作与分享"，且因"各说各话"而难以处理，学校反应"明显是反应性的"。

各校纪律处分方式差异悬殊，揭示了缺乏共识的状态。校长Alan强调调解而非严厉处分，认为需要与学生及家长坐下来沟通，使其理解行为的危害性；而教师Miranda则表示其学校对此类案件"会直接报警"，并认为应予以永久开除。Alan还提到一名女孩因深度伪造图像被广泛传播而休学，最终通过重建信心、获得同伴支持才重返学校，但该案例聚焦于个体 victim（受害者）的恢复，而非将事件框定为人工智能生成的虐待加以政策或课程层面的应对。

教师Caroline表达了对惩罚性方法的担忧，指出其因学生对她言语性骚扰而报告后，学生被停学一周，但作为 staff member（教职员工）的她对这一结果感到不适。她还反思了学校对男孩间虐待行为重视不足的问题：男学生拍摄另一男学生阴茎照片并威胁传播，学校未予实质处理，而当涉及人工智能深度伪造且受害人为女孩时则予以开除，认为其中存在"笑谈"与"虐待"的双重标准。

教师对学校领导层如何探讨这些问题存在分歧感到受限。Caroline指出"在提及人工智能和深度伪造时感到非常受限"，存在教师希望探讨与领导层希望探讨之间的明显张力，领导层担心"提及它，他们就会去使用它"的思维导致 abstinence message（禁欲式信息）主导，使青少年无法获得导航这些技术现象所需的信息和技能。学生自身也认识到这一缺口，Amy呼吁"如果这一代人在这些方面表现如此糟糕，那至少让四岁的孩子从一开始就接受更好的教育"，主张在更小年龄加强 consent（同意）和在线安全教育。

## 讨论与政策意涵

研究讨论部分指出，需要将人工智能生成的虐待置于更广泛的TFGBV框架中加以理解。这种教育应突出数字平台和人工智能工具如何嵌入性别权力的社会文化语境中。青少年必须不仅能够识别人工生成图像，还需理解这些图像如何及为何被生产、流通和消费，以及嵌入这些过程中的性别化和性化等级制度与动态。非自愿性性化深度伪造并非中性的技术现象，而是将现有的性虐待和骚扰模式延伸至数字空间。因此，教育必须强调伦理推理、consent（同意）和伤害认知，而非仅将深度伪造视为技术问题。

研究人员倡导学校社区采取系统性策略应对TFGBV。英国PSHE协会已发布新的深度伪造课程计划，但需通过系统性方法加以采纳和整合。研究强调需要情境化的"whole school"（全校）教育方法，将数字素养与关系和性教育汇聚于学校课程中，确保给予时间和空间。具体而言，研究人员建议：第一，学校应在保障和行为政策中明确将人工智能生成的IBSA分类，确保性化深度伪造与非自愿亲密图像同等严肃对待；第二，人工智能素养必须嵌入现有的RSE和PSHE课程，包括理解法律、识别伤害及寻求支持；第三，学校应优先采用关系性和修复性方法回应深度伪造虐待事件，同时保持对伤害的明确认知；第四，为staff（教职员工）提供更清晰的指导和针对性培训；第五，采取全校方法，整合员工培训、学生教育和家长参与。

## 研究结论

在本研究中，研究人员发现学校中教师和青少年对人工智能生成的非自愿性图像均存在理解不足。就教师而言，对合成非自愿亲密图像如何构成性虐待形式（如"真实"非自愿裸照）的知识和意识缺乏，导致如何回应和支持学生的不一致。就青少年而言，其对人工智能生成的性虐待与基于图像的性虐待之间区别的困惑，表明关于人工智能生成伤害的定义、语言和法律方面存在教育缺失。

研究指出，迫切需要围绕性别/性权力失衡问题（如高涨的厌女情绪）与人工智能生成图像和深度伪造进行更整合的讨论。展望未来，研究人员建议将这些理解纳入更全面的人工智能媒体素养，旨在提升青少年和教师在人工智能日常使用中关于伦理、隐私和consent（同意）问题的技能。教育必须超越个体化的技能本位方法，培养对数字平台和权力不对称的批判性理解，使青少年能够识别不仅是自身遭受的伤害，还包括对他人的责任，成为数字环境中积极行使权利的主体而非仅仅是被动的保护对象。