比如步幅的周期性过于均匀、重心转移的曲线过于平滑，这些都是肉眼难以察觉但算法一抓一个准的漏洞。
周济把视频中绵羊行走、奔跑、低头吃草的几段关键片段截取出来，输入分析系统。
这一次，等了二十五分钟。
结果出来的时候，周济正端着第二杯茶准备喝，扫了一眼屏幕上跳出来的数据，手顿住了。
生物运动一致性评分：99.89%。
他的第一反应是系统的算法参数设得太宽松了。
他调低了容错率，重新跑了一遍。
又等了二十五分钟，屏幕上跳出来的结果没有丝毫变化，依然是99.89%。
周济放下茶杯，坐直了身体。
第三模块是微观影像分析。
这个模块的技术含量最高。
它能通过分析影像中最小颗粒度的噪点分布、压缩痕迹和像素相关性，判断视频是否经过后期合成或修改。
任何被编辑过的视频，都会在像素层面留下肉眼永远无法察觉的微小破绽，比如某个区域的噪点密度与周边不一致，或是压缩算法的痕迹在拼接处出现断裂。
他把视频文件切分成两千多个分析区块，逐一输入系统。
这个分析过程需要至少四十分钟。
四十三分钟之后，屏幕上的结果让周济的额头开始冒汗了。
微观影像分析结论：未检测到合成或修改痕迹。
影像完整性置信度：99.94%。
他把三个结果并列摆在屏幕上，盯着看了足足三分钟，然后拿起光脑，给另外两个同事发了条消息：【你们那边的结果呢？过来碰一下。】
三人小组在分析室里碰了头。
负责生物动态模拟算法方向的研究员姓方，是个四十出头的干瘦男人，脸色不大好看。
他把自己的分析数据投到共享屏幕上：“我跑了三组不同的生物力学模型，包括咕咕鸡的标准运动数据库，通用雉科动物步态预测模型，还有一个我自己编写的针对反刍动物行为的专门算法。三组模型给出的结果高度一致——”
他顿了顿，似乎连自己都觉得接下来的话难以启齿。
“视频中动物的运动特征，与真实活体生物的行为数据曲线完全吻合。没有任何算法模拟的痕迹。”
第三个研究员姓吴，负责的是终极验证手段。
频谱特征分析。