深度伪造及其取证技术综述

• 全文链接
• 请求原文

作   者：

丁峰;  匡仁盛;  周越;  孙珑;  朱小刚;  朱国普; 

作者机构：

哈尔滨工业大学计算机科学与技术学院;  南昌大学软件学院;  南昌大学公共政策与管理学院; 

关键词：

深度造假;  机器学习;  深度学习;  人工智能;  数字反取证;  数字取证; 

期刊名称：

中国图象图形学报

i s s n：

年卷期：

2024 年 002 期

页   码：

295-317

摘   要：

深度学习作为机器学习的一个具有前景的重要分支，在计算机视觉方面取得了重大突破。深度伪造（Deepfake）通常指的是使用深度学习（deep learning）进行涉及人脸和人声的多媒体伪造技术，如果被恶意滥用会给社会带来灾难。深度伪造不仅限于面部的替换，还有修改面部特征、修改表情、唇形同步、姿势变换、完整脸生成、篡改音频到视频以及文本到视频等方式。人类面部在社会、政治、经济等方面的敏感性，使得深度伪造技术威胁着社会和个人的安全。对深度伪造产物进行检测也成为数字取证领域的一个重要研究课题。为了提供对Deepfake检测研究工作的最新概述，本文描述了各种针对解决Deepfake相关问题的处理方法。本文主要参考了谷歌学术检索2018—2022共5年的深度伪造论文，分为不同类别进行分析比较，并且详细介绍了深度伪造数据集的特点以及伪造方法，简述了深度伪造技术及其基本原理，介绍了检测器在深度伪造技术数据集上的性能效果，分别从输入维度、浅层特征和深层特针对深度伪造检测技术进行分类，并对未来发展前景进行展望。