问题
银行、App 和各类平台在与用户通话、收发消息、完成交易时，缺少可靠手段确认屏幕/听筒另一端是真人，还是深度伪造或机器人。信号将其描述为 pain 5 的难题：“So we think one of the most important problems of the next decade is rebuilding the trust layer of the internet: knowing there's a verified human on the other end of a call, a message, a transaction.” 目前没有不牺牲用户隐私的成熟验证方案，客户只能依赖脆弱的传统验证或干脆容忍欺诈风险。
目标用户
有通话、消息或交易验证需求的银行、金融 App、电商平台和社交平台的风险/反欺诈团队。企业级买家，付费能力强但决策链长；整体是随深伪欺诈增长而扩大的全球性市场，尚无公认的隐私友好的标准方案。
解决方案
AI 的角色核心：用生成式模型理解合成媒体的特征分布，做对抗式检测与主动挑战。
- 实时合成语音检测：分析通话音频流，识别克隆语音、TTS 痕迹，低延迟返回置信度
- 被动行为信号验证：利用对话节奏、交互行为等不依赖生物特征的信号判断人机，减少隐私收集
- 主动挑战机制：对高风险会话动态插入只有真人能自然回应的交互挑战
- API + 回放检测：支持实时流和事后录音/文件检测两种接入方式
- 隐私优先架构：输出“是/否真人”的判定而非身份信息，契合信号中“不让人放弃隐私”的诉求
为什么是现在
信号明确指出深伪和机器人已让“确认对方是真人”成为未来十年最重要的互联网基础设施问题之一——生成式模型让语音/视频伪造的成本和真实度快速提升，传统的短信验证码、人脸比对等手段正在失效，而隐私友好的替代方案尚未形成标准，是进入窗口期。
MVP 范围
做：先只做单一模态——实时语音通话中的深伪/合成语音检测，以 API 形式返回“真人/疑似合成”的置信度；提供事后回放检测作为补充。不做：不做全模态（视频、消息）验证，不做 KYC/身份认证替代，不做“重建互联网信任层”式的宏大平台，也不做用户端产品。
风险
技术风险：深伪生成与检测是攻防军备竞赛，模型需要持续更新，误报/漏报直接影响客户信任。数据风险：高质量对抗样本稀缺，冷启动困难。合规风险：涉及声纹、行为等生物特征数据，跨司法辖区（尤其金融客户）合规门槛高；信号明确要求“不让用户放弃隐私”，方案设计稍有不慎即踩线。买方风险：银行与大型平台的采购周期长、POC 严苛。巨头风险：平台方倾向自研或采用标准化方案，小团队可能被挤压为可替换的检测组件。
信号证据
这张卡片依据的原始讨论。摘录保持原文，点“原文”查看上下文。
YC Requests for Startups10月2日投资方向
“So we think one of the most important problems of the next decade is rebuilding the trust layer of the internet: knowing there's a verified human on the other end of a call, a message, a transaction.”
There's no reliable way to verify that the person on the other end of a call, message, or transaction is a real human rather than a deepfake or bot.原文