深度揭秘 AI 身份伪造全流程：从信息生成到证件制作，全程无保留

文章来源｜MS08067 AI安全攻防小组

作者：高博

当你还在觉得 “身份伪造” 离自己很远时，生成式 AI 早已把这条黑色产业链磨得锋利 — 只需个人信息、身份证照片、手机号这 “三要素”，AI 就能在几小时内造出一个有完整履历、真实证件、专属面容的 “假你”，不仅能骗过网络平台实名认证，更会对个人财产、声誉造成致命威胁。今天这篇内容，就带你直击 AI 身份伪造的全流程，看清背后的技术套路。

回首过去，人工智能的演进速度已超出多数技术预测的框架。首批生成式大模型发布时，尚因逻辑断裂与事实幻觉被舆论视为“高级玩具”。短短两年，攻防态势已悄然逆转：当公众仍在短视频平台为炫目的合成影像捧腹时，深度伪造技术已在监管盲区形成灰色产业链，对个人声誉、金融秩序等关键领域造成严重的现实威胁。

更严重的风险在于，人类知觉系统的更新周期远落后于算法迭代。先进的AI欺骗技术让人们几乎无法仅凭直觉完成“真实/伪造”的二元判断，这严重威胁着社会安全。

AI 生成伪造身份信息

当我们通过AI进行身份信息的伪造时，首先要进行思考，在互联网时代，什么能证明“我”是“我”？要满足最低限度的身份伪造，其实只需要三样东西，个人信息（姓名，籍贯，年龄，居住地址等）、身份证照片，手机号。这也是网络安全从业者常说的“三要素”。具备三要素的我们，在互联网上就具备了基本的“生存”能力，而后续的面容，语音，甚至语言习惯，都要在此基础上完成。

本节的内容当中，将通过AI完善三要素信息，实现“造人”的第一步。手机号这里不再赘述，通过接码平台或者港澳地区的电话卡即可实现，重点讨论其他两项内容。

首先直接通过AI来生成个人信息：

此时AI生成了一个看似合理的身份信息，但细细推敲，学校，住址，工作单位，都存在一定程度上的不和谐，这是信息过少导致的，所以在进行个人信息生成时，要对提示词内容进行优化，确保其真实有效。

因为生成的个人信息要被使用到身份证当中，所以要注意以下细节：

1. 身份证号的正确性

身份证号的18位数字生成规则由GB 11643-1999制定，可简单理解为4段，共17位本体码 + 1 位校验码：

地址码（第 1-6 位），按 GB/T 2260 取本人首次落户的县（市、区）行政区划代码，终身不变；出生日期码，（第 7-14 位）年月日各 4、2、2 位，不足补 0，格式 YYYYMMDD；顺序码（第 15-17 位），同一地址码区域内、同年同月同日出生人员的流水号；第 17 位，奇数→男，偶数→女；校验码（第 18 位），用 ISO 7064 MOD 11-2 算法对前 17 位计算：

① 把第 i 位数字乘以权重 W[i]（W=7 9 10 5 8 4 2 1 6 3 7 9 10 5 8 4 2）

② 求和得 S

③ 计算 R = S mod 11

④ 按余数查表得校验码：

余 0 1 2 3 4 5 6 7 8 9 10

码 1 0 X 9 8 7 6 5 4 3 2

若结果为 10 则写成罗马数字 “X” 。

为避免AI生成的身份证号有误，可以通过一些在线工具对身份证号进行验证，比如“https://laogongju.com/id-number-verification/”，输入身份证号即可对其有效性进行验证。

2. 个人信息真实性

在进行个人信息的塑造时，要虚实结合，给出一定的线索或提示，让AI在此基础上对个人信息进行编写，这样才能输出真实可靠的数据。

下面是一个示例：

此时AI的生成结果就比较令人满意：

至此，初步得到“林丹”的个人信息，下一步，为他制作出他的个人证件。个人证件将用于“林丹”的实名认证过程，为此，我们需要准备一张林丹的个人照片，和一个身份证的底版。

所谓底版即身份证的模板，需明确身份证的底纹、照片规格及文字信息位置，文字大小等，需要用到一个开源项目：

“https://github.com/zhangjieke/idcard_generator”

这个项目能根据我们提供的个人信息和照片来生成对应的身份证照片。但由于我国是一个多民族国家（在生成时，应尽量避免自治区。少数民族，其身份证文字很可能并非均由汉字组成）。

信息输入完成后，进行照片的生成，这一步有多种办法，比较推荐的是“https://www.insmind.com/zh-cn/”这个网站。通过在对话中设定好专业的提示词，即可生成对应的照片信息。

当然，也可以在本地部署模型来进行图片的生成，比如通过“https://www.modelscope.cn/models”这类的网站获取相应的模型，我拉取了一个普通的stable-diffusion模型，部署在本地后，通过torch和diffusers库来完成文生图的步骤。代码如下：

 #!/usr/bin/env python3
from diffusers import StableDiffusionPipeline
import torch
device = "cuda" if torch.cuda.is_available() else "cpu"
print(f"[*] 使用设备: {device}")
print("[*] 加载本地模型...")
pipe = StableDiffusionPipeline.from_pretrained(
    "./stable-diffusion-v1-5",  # ① 本地目录
    torch_dtype=torch.float16,
    local_files_only=True    # ② 强制离线
).to(device)
prompt = (" handsome young Asian man around 25, short neat black hair, clean white shirt, soft smile, gentle eyes, flawless smooth skin, even warm lighting, ID-photo style bust-up, pure white background, high-resolution, sharp focus, natural look")
print("[*] 生成人脸中...")
with torch.no_grad():
    image = pipe(prompt, num_inference_steps=50).images[0]
image.save("generated_face.jpg")
print("[+] 人脸已生成: generated_face.jpg")

示例如下：

本张照片中，我的提示词是“real-life Chinese ID photo, 22-year-old Asian male, natural short black hair with subtle flyaways, 85 mm DSLR, f2.8, soft studio LED loop light from 45° left, faint chin shadow on white seamless backdrop, matte black suit + bright white shirt, slight 5-o-clock shadow, visible yet fine skin pores, shallow depth of field, calm expression, barely-there closed-lip smile, shot on Canon 5D, high-resolution 24 MP, sRGB, natural skin tone, sharp focus on eyes, photographic noise, cinematic color grading”

此处需要注意，由于当前主流的文生图模型的训练语料里，英文描述远多于中文描述，导致它对英文提示词的「语义－视觉」对齐更精准。在进行文生图时，可先用中文对图片需求进行描述，翻译为英文后再进行生成。

图片生成后，进行简单的处理，将其规格调整为358像素（宽）×441像素 （高），并扣除人物背景。最后通过图片生成器来实现身份证的制作。

至此，林丹，这位1998年出生的南京小伙，便长出了骨血。之后，我们将赋予他灵魂，让他在这个世界留下声音和影像。

AI 技术的快速迭代，让身份伪造的门槛越来越低，从 AI 生成虚实结合的个人信息，到合规计算身份证号、文生图制作人脸照，再到借助开源工具生成完整证件，当前 AI 身份伪造的全流程已形成成熟的技术路径。互联网时代，信息安全没有 “小事”，多一份防范意识，就少一份身份被盗用的风险。