开云篮球｜实时比分与赛事资讯

大约两个世纪前，法国人尼埃普斯把一块涂抹了感光材料的白镴板搁入暗箱，镜头朝向户外。

光线穿过镜头，投射在这块金属板上。经过漫长的曝光过程，窗外的景象留下了些许模糊的明暗痕迹。这幅《窗外的勒格拉景色》通常被视作现存最古老的相机照片。

此后将近两百年，摄影技术历经无数次变革。但其核心从未改变——真实存在的物体反射或发出光线，光穿过镜头，在感光介质上刻下印记。

“照片”一词的来源，正是“光的书写/光的图像”（photo-graph）。这个词本身就蕴含着一层含义：画面中的那一刻，曾经真实地发生过。

然而，在摄影术诞生后的两个世纪里，照片对“真实”的映射其实早已被解构。

如果你看过电影《寂静的朋友》，里面那种人工修饰底片的技术，在19世纪末期就已流行起来。数码时代来临后，Photoshop的事情更无需多言；而到了生成式AI浪潮骤然兴起的今天，一张“看起来真实”的照片与现实之间那种理所当然的联系，早已不复存在。

我们如何证明，一张照片真的源自现实世界？

作为全球使用最广泛的拍照设备制造商，苹果给出了自己的答案——Apple Reference Image（苹果参考图像）。

图｜Apple

将“水印”嵌入传感器

为图片标注来源，并非新鲜事。最直接的方式，是在AI生成的图片上留下可见标识。豆包的水印就是大家熟知的例子。

可见水印也有一个明显的弱点：裁切、修图，甚至只需再交给另一个AI，就能让它从画面中消失。

近年来，谷歌推出的SynthID技术在AI防伪和AI鉴别领域流行起来，包括谷歌自身以及Anthropic、OpenAI等公司都在采用。这是一整套涵盖文本、图像等多种模态的“隐形水印”技术，具体到图片上，也是将肉眼无法辨别的数字水印嵌入图片。

但它仍然存在识别上的局限，比如一般人在看到一张照片或一段文字时，并不了解也不会使用SynthID校验工具来验证真伪。

既然判断一张图片的真假日益困难，与其继续给AI生成的内容打上“假”的标记，另一种思路是：

给真正由相机拍摄的照片，留下“真”的证明。

这也正是Apple Reference Image的核心思路。

当然，给真实照片打上一枚“水印”，并非在照片上盖一个“Shot on iPhone”的水印那么简单。

毕竟，我们凭什么相信盖章之前的照片就是真的？假如一张照片已经完成处理、生成了JPEG，系统才给它附上一份无法伪造的凭证。那么这份凭证最多只能证明，照片在盖章之后未被改动。至于盖章之前，它是否被替换、是否经过篡改，凭证本身无法回答。

要让这份证明真正可信，必须将信任的起点继续前推。一直推到数字摄影最接近现实世界的地方——

传感器。

当光线穿过镜头，抵达相机传感器，并在那里被转换成数字信号时，现实世界便首次以像素数据的形式进入手机。

苹果选择在这里建立信任的起点。

我们称之为“水印”，但实际上它是一份由传感器为捕获数据提供的密码学签名。iPhone 18 Pro和iPhone 18 Pro Max开启参考模式后，主摄传感器会进入专门的安全捕获模式。

传感器捕获原始像素，随即用内部私钥对这些原始数据进行签名。硬件机制还会阻止传感器固件在签名前修改这些数据。

这样，签名保护的便不仅是传感器输出了什么，还包括它输出的图片数据与实际捕获结果之间的关系。

从一张照片，到一条信任链

苹果绝非可信拍摄技术的发明者，此前传统相机厂商已尝试为照片附上可验证的来源凭证。徕卡推出的Leica Content Credentials（徕卡内容凭证）便是一个例子。

图｜徕卡

开启功能后，相机会利用机内的专用安全硬件，为生成的照片文件附上经过密码学签名的凭证。它采用C2PA标准，能够记录照片来源及后续修改。

值得关注的是这个凭证生成的时间节点：是在JPEG照片文件生成时建立的。

从传感器捕获原始像素，到文件生成，图像已经历一系列处理步骤。

如果数据在签名前遭到替换或篡改，最终文件即使获得有效签名，也未必忠实于传感器最初捕获的画面。

这也是苹果试图通过Reference Image进一步回答的问题：如何建立一条从原始捕获到最终成片，都能接受验证的信任链？

首先，系统需确认签名的传感器确实属于这台iPhone。

在生产阶段，传感器会生成专属密钥。私钥留在传感器内部，公钥则用于验证签名。

iPhone的安全隔区（Secure Enclave）也会建立独立的签名身份。苹果通过设备硬件清单，将两者记录为同一台iPhone的部件。

到了验证时，系统既能检查像素的传感器签名，也能核对这颗传感器与安全隔区是否属于同一台出厂设备——只有两者相互吻合，设备身份这一环才能通过验证。

当然，我们也不能完全保证“从传感器进入”就是绝对安全的，苹果并未假设传感器本身永远不会被攻破。

假设攻击者成功破解某颗传感器，获取了其中的私钥，就有可能利用这把密钥，为伪造的图像数据生成有效签名。

因此，Reference Image还设计了一套撤销机制：一旦发现某颗传感器的安全性受到破坏，苹果就可以撤销与之关联的照片认证，让这些照片不再被视为具有可信来源。

换句话说，即使信任链的起点遭到攻破，苹果仍然保留了让相关照片失去有效认证的能力，不会让一把泄露的私钥永久成为伪造照片的通行证。

说实话，这么做的现实意义不大，但苹果就是把照片的设备级加密验真做到了如此彻底。

设备身份确认之后，还需知道照片是什么时候拍的。

普通照片的EXIF会记录拍摄时间，但它通常依赖设备时钟。用户可以手动修改时间，遭到入侵的操作系统也可能提供虚假的时间信息。

图｜Discover Digital Photography

因此，Reference Image还需要一份独立于系统时钟的时间依据。

iPhone会定期从苹果的密码学时间戳服务获取经过签名的时间凭证，全球平均约每15分钟一次；拍摄完成后，还会再请求一份新的时间凭证。

通过两个可信的时间点，将拍摄行为夹在中间。苹果无法证明照片是在具体哪一秒拍下的，但可以证明，它产生于这两个经过验证的时间点之间。

换句话说，Reference Image提供的是一个“相对模糊，但绝对可信”的时间戳。即使拍摄时没有网络，后一份时间凭证也可以在恢复连接后补齐。

至此，传感器捕获的原始像素、相关元数据、传感器与安全隔区的签名、设备硬件清单，以及可信时间信息，会被打包成一份安全数字底片（Secure Digital Negative），以DNG格式保存在iPhone中。

但底片还不是我们最终看到的照片。

RAW到JPEG，还要经过一系列图像处理。如果成片过程遭到篡改，前面建立的可信关系就可能功亏一篑。

因此，这份底片还需要在可信的环境里完成“冲洗”。苹果将这一步交给了私有云计算Private Cloud Compute（PCC）。

当我选择生成Reference Image时，PCC会先核对原始像素、签名、证书、设备身份和时间信息，确认它们能够组成一条完整且相互吻合的证据链。验证通过后，PCC才会处理RAW数据，生成最终的JPEG，下载到用户设备本地。

这套流程真的太“复古”了：它就好比你真的拍了一卷胶片（对应苹果的安全数字底片），然后将胶片送到冲印店（对应苹果的PCC服务器）去完成冲洗。

但我们又凭什么相信，苹果的云端服务是“可信的环境”？

苹果的解决办法，是让云端服务本身也成为可以被验证的对象，而非仅仅依靠苹果的单方面背书。

PCC正式部署的软件版本，会被记录在受到密码学保护的透明日志中，对应的二进制文件也会向外部安全研究人员公开；上传底片之前，iPhone还会确认目标服务器运行的是日志中记录的版本。

换句话说，苹果不仅要证明照片的来源可信，还要让负责验证照片的程序本身，也有据可查。

经过苹果签名服务的最后一道签名，我们得到了一张可以独立验证来源的Reference Image。至此，整条信任链终于闭合。

还有一个有趣的细节，PCC的验证并不止于照片本身，它再次将目光放回这条信任链的源头，也就是传感器。

除了核对密码学签名，PCC还会额外运行一个神经网络，检查图像是否具有苹果相机传感器原始输出应有的物理特征，并生成一份可信度评分。

这些评分会与照片的唯一标识符、传感器ID等信息一起交给苹果的撤销服务，用于持续评估传感器的可信状态。如果某颗传感器持续产生了异常的图像数据，苹果就可以据此发现潜在的安全风险，并在必要时撤销与这颗传感器关联的照片认证。

这样一来，整个验证过程也形成了一个循环：传感器通过密码学签名，为照片提供可信的来源证明；而照片本身，又成为苹果反过来检查传感器是否仍然可信的依据。

不过，当我们试图为照片建立可信的来源时，还有一个容易被忽略的问题。

前面提到，每颗相机传感器都有自己的专属密钥，苹果也能通过设备硬件清单，确认照片来自哪台iPhone。

那么，如果有人拿到多张Reference Image，能否通过其中的传感器身份信息，判断它们是否来自同一台设备，进而追踪摄影者的活动？

对普通用户来说，这或许只是一个隐私问题。不过，对于身处冲突地区的战地记者，或者正在调查敏感事件的摄影者来说，暴露拍摄设备的身份，可能意味着更加直接的人身安全风险。

因此，苹果没有将传感器的内部身份凭证公开在最终图像里。对于外部验证者来说，他们只能看到苹果为最终照片提供的签名，形象地说，只能看见苹果为照片盖上了一枚“经过可信相机捕获”的印章。

一种很“苹果”的产品逻辑

当然，Reference Image也有它的边界。

举个最直接的例子：我们完全可以用iPhone拍摄电脑屏幕上AI生成的假图。即使最终照片通过了全部验证，也只能证明相机确实捕获了屏幕上的画面——并不能证明画面中的事情曾经真实发生过。

换句话说，Reference Image能够为照片的拍摄来源提供可信的证明，却无法保证照片所呈现的内容一定真实。

苹果在官方文档中，也为这项技术划定了一个明确克制的证明范围：

一颗可信的iPhone相机传感器，在某个经过验证的时间范围内捕获了这些光学数据，而这些数据随后经过了可验证的处理。

这也意味着，在AI时代，我们还是无法简单地证明“画面里所讲的故事是真实的”；但至少，苹果的方案能够让一张照片多了一份关于自身来历的真实记录。

面对越来越难以辨别来源的AI图片，不同公司正在尝试不同的解法。

一家生成式AI公司，最自然的做法是在自己生成的内容上留下标记。Google DeepMind的SynthID，在AI生成的图片中嵌入人眼难以察觉、但可以被专门工具识别的数字水印。

一家传统相机厂商，则更容易从拍摄设备本身出发。前面提到的徕卡M11-P，就是通过机内安全硬件，为相机生成照片内容凭证。

这些方案的切入点不同，不过它们都从自己能够控制的环节开始，为图片建立可信的来源记录。

现在我们再回过头来看Apple Reference Image，就能发现这是一项非常“苹果式”的功能产品。

为了让一张照片拥有可信的来源，苹果让传感器负责证明原始像素的捕获，让安全隔区和设备硬件清单确认设备身份，再通过可信时间戳确定拍摄发生的时间范围，最后交由Private Cloud Compute验证并生成最终的照片。

这套流程里，每一步都需要不同环节的配合。苹果能够将它们串联起来，一个重要的前提是：从相机硬件、操作系统到云端服务，这些环节都在苹果自己的强大掌控之中。

这让我想起苹果当年做灵动岛的方式。

屏幕上的挖孔原本只是一个硬件结构，苹果让系统动画、通知和应用状态围绕它重新组织，最后将其变成了可以交互的界面。

灵动岛的成立，依赖于硬件设计、系统交互和应用能力之间的协同。苹果将这些原本属于不同技术层级的能力，放在同一套产品逻辑里考虑，最终形成了一项完整的功能。

Reference Image与灵动岛虽是两种完全不同的功能，但它们背后有着相似的产品思路。

在灵动岛上，目标是让屏幕上的硬件结构成为自然的交互界面；在Reference Image上，目标则是让一张照片从被捕获的那一刻起，就拥有可以验证的来源记录。

它或许只是苹果应对AI时代的一次尝试。但从一个具体的问题出发，再用整个产品体系的能力去解决它，这样的解决方案，仔细想想好像确实Only Apple Can Do。

如果你对Apple Reference Image背后的技术细节感兴趣，也可以阅读苹果官方发布的参考文章：

https://security.apple.com/blog/apple-reference-image/

作者｜方俊鸣

编辑｜杜晨

本文来自微信公众号 “爱范儿”（ID：ifanr），作者：发现明日产品的，36氪经授权发布。