Ghost Font: 一种反 AI 的视觉传达实验

Ghost Font 利用运动和诱饵来绕过 AI 感知

Ghost Font 是一种实验性的视觉传达方法，它将信息编码进视频而非静态文本中。它利用了这样一个事实：许多当前的多模态 AI 模型将视频分析为一系列静态帧，而人类的眼睛则能感知运动和时间模式。通过将字母渲染为在暂停时会融入背景的移动点，Ghost Font 创建了一种在单张截图中不可见、但在播放过程中对人类观察者清晰可见的信息。

为了进一步增加自动解码的难度，Ghost Font 结合了诱饵信息。如果一个 AI 代理尝试分析这些点的运动，它可能会首先遇到诱饵文本并将其识别为主要信息，从而有效地误导模型。

技术实现与“字体”的区别

虽然被称为“字体”，但 Ghost Font 并不是传统的字体文件（例如 TTF）。相反，它是一个视频生成系统。其核心机制依赖于以下几层混淆手段：

• 时间编码： 字母是由在任何单帧中与背景视觉上完全相同的点组成的。信息仅通过这些点随时间产生的运动而显现。
• 静态伪装： 由于这些点会融入背景，静态截图无法产生可读文本，从而挫败了标准的光学字符识别 (OCR) 工具。
• 诱饵分层： 嵌入了第二层虚假信息，以欺骗能够进行时间分析或本地代码执行的 AI 代理。

这种方法是 2013 年 ZXX 字体等项目的现代演变，ZXX 字体曾利用噪声和伪装来挫败 OCR。然而，尽管 ZXX 对早期的 OCR 有效，但现代 AI 模型现在可以轻松读取 ZXX 文本。Ghost Font 试图通过将挑战从静态图像分析转向时间感知来改变游戏规则。

AI 能力与漏洞分析

尽管设计目标如此明确，社区分析和测试表明，Ghost Font 并不是先进 AI 模型的绝对屏障。研究人员已识别出以下几个技术漏洞：

时间与光流分析

一些用户报告称，先进模型（特别是 GPT 5.6 Sol）可以通过使用时间分析来解码文本。通过应用光流和垂直位移图，AI 可以估算图像运动并生成揭示字母形状的运动图。

帧差分法

该系统容易受到简单的算法攻击。一位用户演示了通过获取两帧连续的图像，应用扰动（移动索引），然后将两帧相减，只需几行代码即可恢复字母的视觉轮廓。

模型幻觉

在某些情况下，模型会完全失败。一份报告指出，ChatGPT 5.5 Pro 在分析 Ghost Font 视频片段时花费了 19 分钟，最后却产生了一个不存在的信息，而另一位用户报告称，当被要求读取截图时，模型返回了一个完全无关的短语（"WHAT HAPPENS IN VEGAS STAYS IN VEGAS"）。

潜在应用与局限性

Ghost Font 的创作者建议，这项技术可以集成到 CAPTCHA 系统中，以取代目前容易被 AI 解决的版本。通过要求通过感知运动来解决挑战，它可以为自动化机器人创建更高的门槛。

然而，当前的原型机存在显著的实际局限性：

• 人类可读性： 用户指出，文本对于人类来说可能难以阅读，有些人将其比作“魔术眼” 3D 图片，并报告了眼睛疲劳。
• AI 军备竞赛： 正如社区成员所指出的，任何基于模式的混淆手段都难免会陷入猫鼠游戏。一旦编码方法被公开，AI 就可以通过特定的脚本或更新的模型架构被训练来解码它。
• 安全性： 该项目承认，为了实现真正的保密性，加密仍然是唯一的切实可行的解决方案，因为 Ghost Font 是一种混淆手段，而非加密手段。