迎接新的虚假信息科学
本文介绍了目前应对社交媒体上的虚假信息和制造内容的技术概述，探讨了虚假信息的不同形式以及传播相关因素，并展示了通过教育、研究和合作来减轻虚假信息影响的方法，同时提出了未来的应对策略。
Jul, 2020
本文介绍了社交媒体上信息失调的类型，讨论了检测和追溯造假信息的重要性与挑战，提供了一种弱监督的方法来检测信息失调以及旨在为研究人员和从业人员了解问题和挑战提供方便的入门点。
Jan, 2020
本综述分析了视觉媒体完整性验证的方法，着重于探讨深度伪造现象和现代数据驱动的法医分析方法，以揭示现有取证工具的限制、相关问题、挑战和未来研究方向。
Jan, 2020
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。
Feb, 2021
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
本研究旨在解决加拿大组织存在越来越多的网络攻击风险这一问题，提出了一种机器学习算法来检测 Deepfakes 现象，从而在开发和部署阶段使我们的 AI 系统更具有健壮性和安全性，加强对由国家赞助的黑客团队发起的深造假行动的及时发现以及在深度研究识别的 Deepfakes 负载时进行深入的法医分析。
Nov, 2022
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
本文讨论了 AI 算法生成的高质量伪造视频和音频（deep fakes）对于作为事件确定证据的视频和音频的挑战，强调了其中的一些挑战并探讨了相关研究机会。
Mar, 2020