无需观察即可检测伪造视频

Nov, 2023

Detecting Deepfakes Without Seeing Any

Tal Reiss, Bar Cavia, Yedid Hoshen

TL;DR深度伪造攻击和事实核查是主要研究领域。FACTOR 是一种无需训练、只依赖现成特征、易于实现且在关键攻击场景中表现出色的方法，以区分真实媒体和深度伪造媒体。

Abstract

deepfake attacks, malicious manipulation of media containing people, are a serious concern for society. Conventional deepfake detection methods train supervised classifiers to distinguish real media from previously encountered deepfakes. Such techniques can only detect deepfakes simila

deepfake attacks fact checking fake media zero-day attack types factor

发现论文，激发创造

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

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

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

媒体取证和 DeepFakes：概述

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

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。