Teams 开放第三方深伪告警：检测交给外部，自己负责亮红灯

微软正在给 Teams 增加一层面向合成音视频攻击的安全接口。

据 10 月 25 日披露的信息，Microsoft Teams 将允许获得认证的第三方工具扫描会议中的音频和视频，并在发现疑似深度伪造内容时向参会者展示警告。该功能计划从 2026 年 11 月中旬开始，逐步覆盖 Teams Windows 桌面版、Mac 版和网页版。

这项更新最容易被误读成“Teams 内置了深伪检测模型”，但实际情况并非如此。Teams 在这套机制中承担的是接入、权限控制和告警展示，真正判断音视频是否经过合成或操纵的是外部检测服务商。

深度伪造检测是指通过分析人脸运动、声音特征、编码痕迹和跨模态一致性，判断一段音频或视频是否由生成式 AI 合成或经过算法篡改。它要解决的不是普通会议降噪问题，而是“屏幕里的这个人，到底是不是本人”这一身份与内容真实性问题。

Graph API 成为检测服务与 Teams 之间的信号通道

微软已经在 Graph 测试版文档中列出了名为 reportSyntheticMedia 的操作，用于接收第三方检测系统提交的合成媒体判断结果。

reportSyntheticMedia 是 Microsoft Graph 中面向合成媒体风险上报的测试版能力。它允许经过认证并获准加入通话的检测机器人，针对特定参会者提交风险信号，由 Teams 将这些信号转换成会议内的可见告警。

这套流程大致分为五步：

1. **组织管理员部署并启用经过认证的第三方检测方案。**普通会议应用不能自行获得同等能力。
2. **检测机器人申请加入 Teams 通话。**机器人需要先被允许进入会议，才能接触用于分析的媒体信号。
3. **管理员授予 Calls.ReportSyntheticMedia.All 权限。**这是一个高敏感度的应用权限，意味着授权对象可以对通话中的合成媒体风险进行上报。
4. **第三方服务分析会议音频和视频。**检测算法可能结合说话人的声纹、口型同步、面部纹理、帧间变化和媒体编码特征作出判断。
5. **Teams 接收结果并展示警告。**上报信息包含被标记的参会者、范围为 0.0 至 1.0 的置信度评分，以及低、中、高三个风险等级。

Teams 不会因为收到一个分数就自动证明某人使用了深伪技术。**置信度是检测系统对自身判断强度的量化表达，不等同于司法意义上的证据，也不能简单理解为“造假概率”。**不同供应商的模型、阈值、训练数据和校准方法可能不同，同样的 0.8 分未必代表同样的风险水平。

| 环节 | 责任主体 | 主要职责 | 已披露的关键信息 | |---|---|---|---| | 会议媒体接入 | Teams 与组织管理员 | 控制机器人能否加入通话 | 机器人必须先获准进入会议 | | 音视频分析 | 第三方认证提供商 | 判断媒体是否疑似合成或篡改 | 微软不负责运行核心检测算法 | | 风险上报 | 第三方机器人、Microsoft Graph | 提交参会者与检测结果 | 使用 reportSyntheticMedia 测试版能力 | | 权限管理 | Microsoft 365 管理员 | 审批高权限应用访问 | 需要 Calls.ReportSyntheticMedia.All | | 告警呈现 | Teams 客户端 | 向用户展示警告和相关操作 | 支持低、中、高等级及 0.0—1.0 评分 | | 数据合规 | 采购该服务的组织 | 审核数据处理、保留与跨境安排 | 微软要求启用前审查供应商条款 |

微软没有亲自做检测，反而是更现实的产品选择

微软选择开放第三方检测接入，而不是推出一个覆盖所有会议的统一模型，核心原因是深伪检测还没有稳定到可以被当作单一真相来源。

音视频深伪检测本质上是一场持续对抗。检测模型会寻找生成痕迹，但生成模型也在不断消除这些痕迹；视频经过会议软件重新压缩、网络丢包、虚拟背景和低照度处理后，原有特征还可能被破坏。一个在实验室数据集上表现不错的模型，进入真实企业会议后未必能保持相同准确率。

第三方架构的直接好处是企业可以按风险场景选择供应商。金融机构可能更看重实时声纹与重放攻击检测，跨国公司可能要求数据在指定区域内处理，政府和医疗组织则可能优先考虑本地化部署、日志审计和严格的数据保留策略。Teams 提供统一入口后，这些供应商不必分别设计一套会议内告警界面。

第三方架构的明显代价是责任边界更加复杂。微软负责把风险信号送到用户面前，却不负责该信号是否准确；检测厂商负责算法，却未必掌握参会者真实身份；组织管理员完成授权后，还要承担媒体数据被外部系统处理所带来的合规责任。

这意味着该功能更像会议版的入侵检测系统，而不是会议版的“测谎仪”。它可以提示异常，却不能独立完成身份认证。

0.0 到 1.0 的分数，不应被直接做成自动封禁开关

微软公开的上报结构同时包含连续置信度和低、中、高三个等级，这种设计兼顾了机器处理与人类理解。

连续分数适合进入安全运营平台，用于排序、聚合和关联分析；离散等级则适合会议现场，让参会者迅速理解风险。问题在于，微软目前披露的信息没有给出统一的分数阈值，也没有说明不同服务商是否必须采用同一套校准标准。

企业不应把高风险告警直接等同于踢出会议或锁定账号。实时会议里存在大量可能影响判断的因素，包括廉价摄像头、弱网络、变声设备、同声传译、屏幕录制回放、虚拟摄像头、语音辅助工具和无障碍软件。自动化处置过重，可能让误报从一个模型问题变成真正的业务中断。

更合理的做法是把不同等级对应到分层验证流程：

| 风险等级 | 建议处置 | 不建议的做法 | |---|---|---| | 低 | 记录事件，观察后续信号 | 仅凭一次低风险提示打断会议 | | 中 | 要求参会者进行口头确认，核对上下文与身份 | 直接认定对方使用深伪工具 | | 高 | 暂停敏感决策，改用已验证渠道二次确认，通知安全团队 | 自动转账、自动封号或把告警当成最终证据 |

高风险会议还应采用“带外验证”。带外验证是指不依赖当前可疑音视频通道，通过企业通讯录回拨、已验证设备确认、线下口令或审批系统完成第二次身份核验。即使攻击者能够实时伪造高管的视频和声音，也很难同时控制企业身份系统、受管设备和审批链。

Teams 解决的是“看见告警”，不是“保证真人”

这次更新的价值不在于微软推出了一个更强的检测模型，而在于 Teams 首次把第三方合成媒体判断变成会议平台内的标准安全事件。

过去，深伪检测产品即使发现异常，也经常只能在自己的控制台里显示结果。会议主持人看不到，参会者无法及时调整决策，安全团队往往只能事后追查。Graph 接口把检测结果送回会议现场，相当于在摄像头画面旁边装上了统一的“烟雾报警器”。

统一告警平面也能降低企业集成成本。第三方厂商只需要按照 Graph 规定的方式提交参会者、评分和风险等级，Teams 负责跨 Windows、Mac 和 Web 客户端呈现结果。对安全产品而言，这比开发和维护多个客户端插件更可控。

然而，告警标准化不等于检测能力标准化。不同厂商对换脸、人脸重演、语音克隆、录音回放和实时变声的覆盖范围可能完全不同，企业采购时不能只看“支持 Teams”这一项，而要确认其具体威胁模型。

| 安全机制 | 解决的问题 | 能否识别深伪 | 主要局限 | |---|---|---:|---| | 账号登录与多因素认证 | 登录者是否控制合法账号 | 否 | 合法账号也可能被盗或由他人操控 | | 会议大厅与参会权限 | 谁可以进入会议 | 否 | 无法保证镜头和声音来自账号本人 | | 第三方合成媒体检测 | 音视频是否疑似由 AI 合成或操纵 | 可以提供风险判断 | 存在误报、漏报和模型差异 | | 带外身份验证 | 关键操作是否得到本人二次确认 | 间接有效 | 增加流程成本，难以覆盖所有普通会议 | | 人工观察 | 内容与行为是否符合上下文 | 部分有效 | 容易受到权威压力和逼真内容影响 |

真正敏感的部分不是告警，而是第三方能够分析会议媒体

微软在合规说明中特别提醒，外部服务提供商可能分析会议中的音频和视频信号，管理员必须在启用前审查其服务条款和数据处理方式。

这不是一句可以略过的模板化免责声明。会议媒体可能包含商业秘密、客户信息、财务数据、医疗信息和员工生物特征，而声音与面部图像本身在部分司法辖区也可能属于敏感个人信息。只要检测任务由第三方完成，企业就必须弄清楚媒体以何种形式离开 Teams 的信任边界。

管理员至少需要向供应商确认以下问题：

• **数据传输范围：**服务接收完整音视频流，还是只接收经过特征提取后的信号？
• **数据保留时间：**原始媒体、特征向量、告警日志和模型输入分别保存多久？
• **模型训练用途：**客户会议内容是否会被用于改进或训练检测模型？
• **处理地区：**音视频在哪些国家或地区处理，是否涉及跨境传输？
• **分包商清单：**供应商是否调用其他云服务或模型提供商完成分析？
• **删除与审计：**组织能否主动删除记录，并获得可核验的访问日志？
• **事件响应：**第三方检测平台发生泄露时，通知时间和责任边界是什么？

权限治理同样不能只停留在“管理员点一次同意”。Calls.ReportSyntheticMedia.All 属于组织级高敏感权限，企业应限制可使用该权限的应用数量，定期复核服务主体、证书、授权范围和实际调用记录，并在供应商合同终止后及时撤销权限。

11 月中旬开始推送，但短期内不会人人可用

微软计划从 2026 年 11 月中旬起向 Teams 桌面版、Mac 版和网页版逐步推出该功能，逐步推送意味着不同租户和客户端看到更新的时间可能并不一致。

实际可用性还取决于三个前提：组织是否采购了符合要求的第三方方案、该方案是否完成微软认证，以及管理员是否批准机器人加入通话并授予所需权限。它不会像背景虚化一样更新客户端后自动出现，也不是默认扫描所有 Teams 会议的原生功能。

当前披露信息仍缺少几项企业采购最关心的细节，包括首批认证供应商名单、支持的语言和地区、附加许可要求、检测延迟，以及告警是否能够进入 Microsoft 365 的统一审计或安全运营工作流。由于 reportSyntheticMedia 目前出现在 Graph 测试版文档中，接口行为和字段也可能在正式版前发生调整。

检测延迟尤其值得关注。深伪告警如果在可疑发言结束数分钟后才出现，只适合事后取证；如果能在数秒内出现，才可能阻止伪造高管要求转账、修改付款账户或索取凭证。微软和第三方供应商后续需要给出端到端延迟，而不只是模型离线跑分。

企业现在应该先做流程设计，而不是等一个开关

企业应在功能推送前建立合成媒体告警的处置规则，否则会议里突然出现一个红色警告，只会制造恐慌和争议。

第一步是确定高风险会议范围。财务审批、并购讨论、账号恢复、生产系统变更和敏感数据访问会议应优先启用，普通内部同步会则未必值得承担持续媒体分析的成本与隐私压力。

第二步是建立人工复核和带外验证机制。组织需要明确由主持人、安全团队还是业务负责人决定暂停会议，也要规定高风险告警出现后通过什么渠道验证身份。

第三步是评估误报和漏报。试点阶段应记录检测结果、网络环境、设备类型和人工判断，分别计算误报率与漏报率，而不是只看供应商给出的单一准确率。

第四步是提前告知参会者。只要第三方系统会分析音频或视频，企业就应根据所在地法规、劳动关系和合同要求，设计会议通知、员工政策和外部参会者告知机制。

第五步是把告警接入现有安全流程。合成媒体事件应与账号异常登录、设备风险、会议邀请来源和敏感操作记录关联起来，单独查看一段视频通常不足以形成可靠判断。

这不是深伪终结者，但它填上了会议安全最缺的一块

Teams 此次更新的最大意义，是把“第三方发现异常”变成“会议参与者当场看到异常”，而不是证明微软已经解决了深伪检测。

这种平台化思路比强推一个原生模型更务实。微软避免为所有检测结果背书，专业厂商获得了标准入口，企业也可以根据行业合规和威胁类型选择方案。代价是采购、权限、隐私和误报责任都会变得更加分散。

从产品判断看，reportSyntheticMedia 更像一项安全基础设施，而不是面向普通用户的炫技功能。它真正有用的场景不是识别娱乐视频，而是在高管冒充、实时语音克隆和远程社会工程攻击发生时，为参会者争取几秒到几十秒的怀疑时间。

企业也不应把这层告警当成最后一道防线。账号身份、受管设备、会议权限、带外确认和双人审批仍然比单一检测模型更可靠；深伪检测最适合扮演额外传感器，而不是最终裁判。

参考来源

• IT之家：微软 Teams 将允许第三方工具扫描会议内容，识别深度伪造 — 汇总了功能推出时间、第三方检测机制、Graph 测试版能力、权限要求与合规提示。