Deepfakes 生成和检测：现状、挑战、对策和发展方向

Feb, 2021

Deepfakes 生成和检测：现状、挑战、对策和发展方向

Deepfakes Generation and Detection: State-of-the-art, open challenges, countermeasures, and way forward

Momina Masood, Marriam Nawaz, Khalid Mahmood Malik, Ali Javed, Aun Irtaza

TL;DR本文综述了现有工具和基于机器学习的方法，用于深度伪造（Deepfake）的生成和检测，并讨论了目前的公共数据集和对技术进行性能评估的关键标准，强调了未来研究的方向。

Abstract

Easy access to audio-visual content on social media, combined with the availability of modern tools such as Tensorflow or Keras, open-source trained models, and economical computing infrastructure, and the rapid evolution of deep-learning (DL) methods, especially generative adversarial networ

deepfakes generative adversarial networks machine learning disinformation detection

发现论文，激发创造

利用深度学习方法进行深度伪造检测：综述

本论文旨在探讨不同的方法学以实现具有更高准确度的低成本模型，以检测 Deepfake，并解决数据集的泛化问题。

Apr, 2023

深度学习方法检测深度伪造内容综述

本文通过深度学习方法，系统地回顾了近年来深度伪造内容识别的研究，并报告了对于未解决的深伪造检测问题和不足之处的未来方向。

Feb, 2022

DeepFakes: 一项新的人脸识别威胁？评估和检测

在本文中，我们使用基于 GAN 的开源软件从 VidTIMIT 数据库的视频生成 Deepfake 视频，调整不同的训练和混合参数对生成视频的质量有显著影响，并表明当前的人脸识别系统和现有的检测方法都很容易受到 Deepfake 视频的干扰。

Dec, 2018

深度伪造算法的比较分析

通过综述现有的 deepfake 生成和检测技术，本文分析了基于深度学习的 deepfake 创建方法和检测技术，并讨论了当前的 deepfake 检测方法的局限性和挑战，以及未来的研究方向，强调了对 deepfake 检测技术持续研究和发展的重要性，以应对 deepfake 对社会的负面影响，并确保数字视觉媒体的完整性。

Sep, 2023

审判法院深度伪造检测综述

本文简要介绍了图像处理、深度伪造技术以及用于检测这些技术的方法和数据集。

May, 2022

深度学习用于深伪造图像的生成和检测：综述

该文章调查了深度伪造技术的算法及检测方法，并讨论了相关挑战、研究方向与发展趋势。

Sep, 2019

深度伪造的创造与检测：一项调查

本文旨在探讨生成深度学习算法如何创作和侦测 Deepfakes，并提供对其工作原理的深入了解以及当前领域的趋势和进展、目前防御解决方案的不足之处以及需要进一步研究和关注的领域。

Apr, 2020

使用深度学习检测深度伪造现象

这篇文章旨在综述目前使用深度学习算法来应对社交媒体上深度伪造威胁的深度伪造检测模型，详细讨论了这些模型的优点、局限性和未来发展方向。

Jul, 2022

深度伪造生成与检测：基准和调查

对深度伪造生成和检测的最新发展进行了综合回顾和分析，并讨论了该领域的当前状态，主要集中在深度伪造生成和检测技术框架的发展，以及人脸交换、脸部再现、说话人脸生成和面部属性编辑等主流深度伪造领域的研究，并评估了各领域中的代表性方法和最新的研究成果，最后分析了该领域的挑战与未来研究方向。

Mar, 2024

深度假象图像检测在威胁环境不断演化中的近期进展分析

深度伪造检测与防御研究方向的关键词有：深度伪造、检测、防御、生成模型和对抗攻击。

Apr, 2024