ForensicZoom：让多模态LLM按需放大图像核验伪造证据

可靠的人脸伪造检测对在线身份验证安全至关重要：漏检会损害安全，过多误报会干扰正常用户。专用取证检测器表现较强，但可解释性有限；多模态LLM具有语义理解与可解释推理能力，在伪造检测中却仍明显较弱。我们认为，关键局限在于视觉证据获取：细微取证痕迹在标准分辨率下可能表现不足，所有案例都采用更高分辨率则计算效率低。因此，我们提出ForensicZoom，一个工业级MLLM自适应视觉检查框架。它先为通用MLLM加入取证感知视觉表示，并将语言模型与这些特征对齐。核心NEED_ZOOM机制使模型在初始证据不足时，自主请求可疑区域放大视图，将固定单轮分类转为自适应多轮取证推理。放大行为通过奖励塑形学习，在检测准确率和不必要视觉检查之间平衡，把额外计算集中于困难案例。最后的归因优化阶段改善自然语言取证报告，同时保留检测表现。在大规模工业身份核验数据上，ForensicZoom在0.1%误报率下达到超过97%的真阳性率，明显优于专用检测器和现有MLLM方法，并产生可操作的取证归因。这些结果展示准确、可解释且可扩展的MLLM人脸伪造检测路径。