自被动式深度伪造检测方法在识别高质量合成图像方面遭遇挑战以来，基于鲁棒水印的主动式深度伪造检测技术便受到广泛关注。然而，尽管现有方法展现出合理的检测性能，却普遍缺乏对伪造区域的定位能力以及检测结果的可解释性。此外，水印本身鲁棒性不稳定的问题也会显著影响检测效果。为此，本文提出一种新型分形水印机制，用于主动式深度伪造检测与定位，命名为 FractalForensics。得益于分形结构的特性，我们设计了一种参数驱动的水印生成流程，能够生成基于分形的水印，并对所选参数实施单向加密。随后，我们提出一种半脆弱水印框架，用于水印的嵌入与恢复，该框架在黑盒设置下对常规图像处理操作具有鲁棒性，而面对深度伪造篡改时则表现出脆弱性。此外，我们引入一种“逐块嵌入”策略，将水印矩阵的元素隐式嵌入至对应位置的图像块中，从而实现对深度伪造操作区域的精确定位。大量实验结果表明，所提方法在应对常见图像处理操作及深度伪造篡改时，均展现出良好的鲁棒性与脆弱性平衡，显著优于当前最先进的半脆弱水印算法以及被动式深度伪造检测方法。更重要的是，通过高亮显示被篡改区域，本方法为主动式深度伪造检测结果提供了清晰的可解释性。