设计应用

融合传统特征与神经网络的深度伪造检测算法

作者：杨雨鑫1，周 欣1，2，熊淑华1，何小海1，卿粼波1
发布日期：2021-02-23
来源：信息技术与网络安全

0 引言

         深度伪造是利用深度学习算法生成伪造人脸图像/视频技术的总称。这种视觉合成技术根据实现方式的不同，具体细分为DeepFake、Face2Face[1]、FaceSwap[2]等。该技术可以将图像中已有的面部表情和动作提取出来，合成另一张人脸替代原图脸部区域，最终制造出人眼难以区分的虚假图像/视频。

         2019年，SnapChat和ZAO等应用程序实现了用户与电影明星换脸的功能，深度伪造技术快速进入公众视野并引发关注。与此同时，普通人可以利用开源的深度伪造程序生成逼真的人脸图像/视频，使得众多公众人物陷入遭受深度伪造技术攻击的风险之中。龙坤[3]等人从国家政治安全、经济安全、社会安全、国民安全方面论述了深度伪造技术带来的潜在危害，美国国防高级研究计划署也在同年针对虚假图像/视频发起检测项目。因此，针对深度伪造算法生成图像的检测工作变得越来越重要。



本文详细内容请下载:http://www.chinaaet.com/resource/share/2000003376




作者信息:

杨雨鑫1，周  欣1，2，熊淑华1，何小海1，卿粼波1

(1.四川大学 电子信息学院，四川 成都610065；2.中国信息安全测评中心，北京100085)


此内容为AET网站原创，未经授权禁止转载。
深度伪造 图像鉴伪 特征融合 灰度共生矩阵 卷积神经网络

Copyright © 2005-2024 华北计算机系统工程研究所版权所有 京ICP备10017138号-2

Baidu
map