21、EasyDeep：适用于物联网的GAN生成深度伪造图像鲁棒检测方法

EasyDeep：适用于物联网的GAN生成深度伪造图像鲁棒检测方法

1. 引言

近期，好莱坞演员汤姆·克鲁斯的TikTok视频引发了广泛关注，这些视频在2021年3月的浏览量超过了1000万次。然而，这些视频背后运用的是深度伪造技术，并非真实拍摄。深度伪造技术借助深度学习，从大量视频片段或图像中学习人物特征，通过图像到图像的转换合成新的视频。

在社交媒体日益普及的当下，人们习惯随时随地通过手持设备查看社交动态。但与此同时，多媒体伪造现象也愈发严重，伪造的图像和视频在社交媒体上广泛传播，可能导致个人名誉受损、引发政治紧张局势或传播谣言。

为应对这一问题，提出了一种基于机器学习的深度伪造检测系统，该系统可部署在物联网终端设备上，让人们随时随地检查图像的真实性，从而遏制虚假信息和谣言的传播。

2. GAN生成深度伪造图像的挑战

生成对抗网络（GAN）显著提升了生成图像的质量，在合成图像和图像风格转换等方面取得了巨大成功。然而，这些技术也可能被用于不良目的，人们很难用肉眼分辨GAN生成的深度伪造图像和真实图像。这些伪造图像通过社交媒体或新闻渠道传播虚假信息，在社交媒体上伪造他人身份可能带来社会政治影响以及金融和安全风险。因此，有必要深入研究GAN生成的深度伪造图像或视频所带来的威胁。

3. 主要创新点

• 边缘设备检测 ：首次尝试在边缘设备上检测GAN生成的深度伪造图像。
• 轻量级机器学习技术 ：考虑到边缘设备资源有限，提出一种基于纹理分析的轻量级机器学习检测技术，计算负载轻，训练时间短，且能达