深度伪造与检测技术综述
作者:
作者单位:

作者简介:

李旭嵘(1992-),男,博士,主要研究领域为人工智能安全,对抗学习.
纪守领(1986-),男,博士,研究员,博士生导师,CCF专业会员,主要研究领域为人工智能与安全,数据驱动安全,IoT安全,软件与系统安全,大数据分析.
吴春明(1967-),男,博士,教授,博士生导师,CCF专业会员,主要研究领域为网络体系结构,可重构网络与虚拟化,软件定义网络,网络空间内生安全.
刘振广(1988-),男,博士,研究员,CCF专业会员,主要研究领域为视频图像处理,多媒体,区块链.
邓水光(1979-),男,博士,教授,博士生导师,CCF高级会员,主要研究领域为服务计算,边缘计算.
程鹏(1982-),男,博士,教授,博士生导师,CCF专业会员,主要研究领域为控制系统安全,物联网,数据安全.
杨珉(1979-),男,博士,教授,博士生导师,CCF高级会员,主要研究领域为智能系统安全.
孔祥维(1963-),女,博士,教授,博士生导师,CCF高级会员,主要研究领域为人工智能安全和可解释,非结构数据分析,跨媒体检索和哈希,数据驱动的决策.

通讯作者:

纪守领,Email:sji@zju.edu.cn

基金项目:

国家重点研发计划(2018YFB0804102,2020YFB1804705);浙江省自然科学基金(LR19F020003);浙江省重点研发计划(2019C01055,2020C01021);国家自然科学基金(61772466,U1936215,U1836202);前沿科技创新专项(2019QY(Y)0205)


Survey on Deepfakes and Detection Techniques
Author:
Affiliation:

Fund Project:

National Key Research and Development Program of China (2018YFB0804102, 2020YFB1804705); Zhejiang Provincial Natural Science Foundation (LR19F020003); Zhejiang Provincial Key Research and Development Program (2019C01055, 2020C01021); National Natural Science Foundation of China (61772466, U1936215, U1836202); Frontier Science and Technology Innovation Project (2019QY(Y)0205)

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
    摘要:

    深度学习在计算机视觉领域取得了重大成功,超越了众多传统的方法.然而近年来,深度学习技术被滥用在假视频的制作上,使得以Deepfakes为代表的伪造视频在网络上泛滥成灾.这种深度伪造技术通过篡改或替换原始视频的人脸信息,并合成虚假的语音来制作色情电影、虚假新闻、政治谣言等.为了消除此类伪造技术带来的负面影响,众多学者对假视频的鉴别进行了深入的研究,并提出一系列的检测方法来帮助机构或社区去识别此类伪造视频.尽管如此,目前的检测技术仍然存在依赖特定分布数据、特定压缩率等诸多的局限性,远远落后于假视频的生成技术.并且不同学者解决问题的角度不同,使用的数据集和评价指标均不统一.迄今为止,学术界对深度伪造与检测技术仍缺乏统一的认识,深度伪造和检测技术研究的体系架构尚不明确.回顾了深度伪造与检测技术的发展,并对现有研究工作进行了系统的总结和科学的归类.最后讨论了深度伪造技术蔓延带来的社会风险,分析了检测技术的诸多局限性,并探讨了检测技术面临的挑战和潜在研究方向,旨在为后续学者进一步推动深度伪造检测技术的发展和部署提供指导.

    Abstract:

    Deep learning has achieved great success in the field of computer vision, surpassing many traditional methods. However, in recent years, deep learning technology has been abused in the production of fake videos, making fake videos represented by Deepfakes flooding on the Internet. This technique produces pornographic movies, fake news, political rumors by tampering or replacing the face information of the original videos and synthesizes fake speech. In order to eliminate the negative effects brought by such forgery technologies, many researchers have conducted in-depth research on the identification of fake videos and proposed a series of detection methods to help institutions or communities to identify such fake videos. Nevertheless, the current detection technology still has many limitations such as specific distribution data, specific compression ratio, and so on, far behind the generation technology of fake video. In addition, different researchers handle the problem from different angles. The data sets and evaluation indicators used are not uniform. So far, the academic community still lacks a unified understanding of deep forgery and detection technology. The architecture of deep forgery and detection technology research is not clear. In this review, the development of deep forgery and detection technologies are reviewed. Besides, existing research works are systematically summarize and scientifically classified. Finally, the social risks posed by the spread of Deepfakes technology are discussed, the limitations of detection technology are analyzed, and the challenges and potential research directions of detection technology are discussed, aiming to provide guidance for follow-up researchers to further promote the development and deployment of Deepfakes detection technology.

    参考文献
    相似文献
    引证文献
引用本文

李旭嵘,纪守领,吴春明,刘振广,邓水光,程鹏,杨珉,孔祥维.深度伪造与检测技术综述.软件学报,2021,32(2):496-518

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
历史
  • 收稿日期:2020-05-07
  • 最后修改日期:2020-06-22
  • 录用日期:
  • 在线发布日期: 2020-09-10
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京市海淀区中关村南四街4号,邮政编码:100190
电话:010-62562563 传真:010-62562533 Email:jos@iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号