该论文关注一个长期被安全与隐私研究忽视的交叉问题：音视频深伪（deepfake）的检测效果如何取决于人的感知能力，尤其是聋人与重听群体（d/Deaf and hard-of-hearing, DHH）。作者指出，音视频深伪大幅降低了欺诈、冒充与虚假信息的成本，但一次深伪攻击能否成功，最终仍取决于人类接收者能否识破；而识破往往需要同时整合听觉与视觉线索，这对不同听力能力的用户天然不对等。为此，研究团队开展了一项线下、混合方法的人因研究，共招募 80 名参与者，分为四组：31 名听力正常者（HP）、15 名重听者（HoH）、17 名聋人、17 名人工耳蜗（CI）使用者。每位参与者需对 30 个短视频/音频片段判断真伪，片段中的篡改类型覆盖文本转语音（TTS）、语音转换（voice conversion）、唇形同步（lip-sync）与换脸（face-swap），既有纯音频篡改、纯视觉篡改，也有视听联合篡改。 核心量化结果有三点。第一，整体准确率上 DHH 群体显著低于听力正常者（76.4% vs. 88.0%，p<.001），且差距的主要来源不是漏检，而是误报——DHH 参与者更倾向把真实片段判为被篡改（假阳性率 29.7% vs. 11.2%）。第二，差距强烈依赖于被篡改的通道：在纯音频篡改条件下，HoH 参与者与 HP 几乎持平（90.0% vs. 90.3%），CI 使用者为 79.4%，而聋人参与者仅 41.2%，说明听觉线索缺失会直接导致该通道检测能力塌陷。第三，当片段包含视听联合篡改时，各组准确率反而收敛到 84%–87% 区间，但仍随具体篡改方法（TTS、语音转换、换脸、唇形同步）而变化，暗示视觉线索在一定程度上补偿了听觉缺口，补偿程度则因操纵方式而异。 论文的主要贡献在于：首次系统性地刻画深伪对不同听力能力人群的差异化影响，量化了误报层面的不对称风险，并据此提出安全防御与检测工具应当具备可访问性与可定制性，而不是默认所有用户都具有完整的视听感知能力。适合人群包括：深伪检测与内容真实性方向的研究者、从事可用安全（usable security）与人因安全的安全工程师、以及负责无障碍与信任安全产品的设计与合规人员。