法医学在悬疑剧中备受关注，性别鉴定尤为关键。传统方法受主观因素影响，而澳大利亚和印度尼西亚的研究团队通过深度学习提高了性别鉴定的准确性，分类准确率达到97%，远超人类的82%。该研究展示了深度学习在法医人类学中的潜力，推动了性别鉴定的客观化与自动化。

本文回顾了AI生成文本法医学系统的研究，重点讨论检测、归因和表征。研究提出了一种结合传统TF-IDF与机器学习模型的新方法，提升了区分人工与AI生成文本的准确性。同时，探讨了自然语言生成技术对安全性和隐私的威胁，强调了提高深度伪造文本检测工具的必要性，为应对AI生成内容的挑战提供了基础。

稳定扩散（SD）模型因其高质量输出受到关注，但也带来了社交媒体安全隐患。为解决水印嵌入的成本问题，提出了一种无需训练的即插即用水印框架，能够有效嵌入水印并保持图像质量。此外，研究探讨了图像清洗的法医学影响，并提出了两阶段检测流程以区分不同类型图像。新技术提升了水印的隐蔽性和鲁棒性，确保生成图像的版权保护。