本文提出校准深度伪造信任分数（CDTS），将深度伪造检测重新定义为一种校准的、自我审计的信任工具。研究发现检测器的判别能力与其信任分数的校准之间存在强耦合：当检测器的判别能力下降时，信任分数的校准也会恶化。该结论在32种配置（合并Pearson r = -0.81）、单个数据集内、通过直接诱导低能力以及第四个未见数据集上得到验证。研究涉及三种架构不同的检测器（两种卷积网络和一种CLIP视觉变换器），相关性分别为-0.88、-0.83和-0.86。此外，研究发现能力可无标签估计，从而无需标签即可监控校准风险；基于能力评估的源批次路由可降低整体AURC并改善低到中覆盖操作区域。同一能力因素还驱动了跨人口统计子组的校准不公平性（不同于准确性不公平性）和解释忠实度。论文主张检测器的可信度由能力作为共享驱动因素组织，信任评分必须考虑能力因素，并提供CDTS包装器作为机制。