【steganalysis】Enhancing practicality and efficiency of deepfake detection

基于隐写分析的深度伪造检测效率提升
最新推荐文章于 2025-11-23 19:13:18 发布
最新推荐文章于 2025-11-23 19:13:18 发布
阅读量152 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： 论文阅读笔记DeepFake 文章标签： 人工智能 计算机视觉 深度学习 神经网络
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/sinat_39223177/article/details/147920495

文章目录

Enhancing practicality and efficiency of deepfake detection

会议/期刊：Scientific Reports 2024
作者：
在这里插入图片描述

背景

当前用于自动检测和分类生成内容的解决方案需要大量的计算资源，这使得它们对于普通非专家个人来说不切实际，特别是来自边缘计算应用程序。【计算资源消耗大】

points

加速视频数据深度伪造检测的推理速度

【计算机病毒和防病毒软件之间的对抗】
防病毒软件通常只能在低资源平台上运行，如智能手机和笔记本电脑。

我们的目标是研究类似的反深度伪造技术，这些技术可以自动解析和检测具有相同可访问性和适应性的操纵数据。

研究了潜在的设计选择，可以提高deepfake检测方法的计算效率和实用性，同时尽量减少对整体准确性的影响。【提升效率 减少准确性降低】

引入了一种

了解本专栏 订阅专栏 解锁全文 超级会员免费看
Multi-attentional Deepfake Detection论文阅读笔记
weixin_45180140的博客
03-26 5002
Multi-attentional Deepfake Detection Abstract 以往的区分人脸造假的方法就是用一个网络先提取特征，然后再进行二分类（real/fake），作者提出利用Attention尽心细粒度分类； 主要过程如下： 多个空间注意力头，使网络注意到不同的局部信息 纹理特征增强块，用于放大浅层特征中的子纹理瑕疵 在注意图的指导下，聚集低层次的纹理特征和高层次的语义特征 此外，为了解决这个网络的学习困难，我们进一步引入了一种新的区域独立性损失和一种注意力引导的数据挖掘策略。 1.
AI中Deepfake的部分研究前沿与文献综述
吊车尾小队
01-16 3147
综上所述，在检测高视觉质量Deepfake视频时面临三大挑战，即1)如何放大高视觉质量Deepfake视频中的篡改痕迹以获得更好的性能，2)如何提高跨数据集检测的鲁棒性并提高检测效率，3)如何提供可解释的理论分析。以上介绍的三种算法从某种程度上可以归类Deepfake的研究方法，从常识性的角度或者标新立异的方法，基于传统深度学习神经网络的方法和与实际图像处理相结合的方法。为了更好地隔离被操纵的人脸，我们推导了一个新的代价函数，与常规分类不同，它压缩了自然人脸的可变性，并在特征空间中推开了不现实的人脸样本。
A deep learning approach to detection of splicing and copy-move forgeries in images
liguandong
09-01 1312
这篇文章的代码我跑过，本身还是有效果的，其中它里面数据预训练的分patch操作也在后续中被引进，但说实话，这种简单的网络设计其实跑不过不做任何设计的分类模型，比如res2net。篡改检测常用的基本都是自然场景数据集，比如CASIA1/2，中科院出的数据集，还有BHSig60,COVERAGE,NC16等，这些数据集的篡改手段包括了resize，压缩啊这些操作，其实和常规的文档类的数据集的ps还是有差别的，我们常说自然场景和文档篡改的差别挺大的，文档主要还是以ps这种操作为主。网络结构很普通，没什么好说的。
【学习】Deep Learning for Deepfakes Creation and Detection
Reddoge_的博客
01-03 5953
论文题目：Deep Learning for Deepfakes Creation and Detection 翻译：基于深度学习的Deepfake创建与检测 作者： Thanh Thi Nguyen*1, Cuong M. Nguyen2, Dung Tien Nguyen1, Duc Thanh Nguyen1 and Saeid Nahavandi3 1School of Informati...
SRNet：“Deep Residual Network for Steganalysis of Digital Images”
kqqqqqqq的博客
11-01 5125
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 欢迎使用Markdown编辑器 你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar
SRNet：Deep Residual Network for Steganalysis of Digital Images
guagun9013的博客
06-19 3659
SrNet： V.选择通道的srnet 【选择通道作为第二个通道用于srnet中，有一定性能提升效果】 ·当探测一个已知的内容适应隐写算法时，会用到选择通道，在选择通道中，像素和dct系数会变为已知的隐写图像 ·虽然用隐写图像的选择通道不可避免地和原图像用的选择通道不同，但选择通道对嵌入的改变不敏感 ·因此，至少对于用富媒体模型的分类器来说，用一个不精确的选择通道（因为负载大小未知）也比不用来的好 ·在tang提出的t-srm模型中，四维的噪声残差srm共生矩阵是由一个像素的子集计算得来。在maxsrm中，
Structural Design of Convolutional Neural Networks for Steganalysis 阅读笔记
u013379032的博客
07-17 1555
摘要 最近的研究表明,卷积神经网络(cnn)的体系结构为计算机视觉可能不是最适合图像隐写式密码解密。在这封信中,我们报告一个CNN架构,考虑隐写式密码解密的知识。在详细的体系结构中,我们取绝对值的元素特征图第一次卷积层产生的促进和改善后续的统计建模层;为了防止过度拟合,我们限制数据值的范围与双曲正切的饱和区域(双曲正切)在早期阶段的网络和减少建模的力量在深层使用1×1的隆起。虽然只从一种噪声残留...
Structural Design of Convolutional Neural Networks for Steganalysis
qq_21104157的博客
04-10 1209
论文摘要 研究表明，卷积神经网络可能不适合于图像隐写分析。Xunet考虑了传统隐写分析的领域知识设计了 一种新的卷积神经网络的结构，在网络中采用第一层卷积中所产生的特征值的绝对值，来方便与改进后续层的统计建模(什么意思不太懂)。在网络的前几层使用TanH激活函数，后几层采用1×11\times11×1的卷积核来防止过拟合。 其具体的网络结构如下图所示： 对网络的多个层的功能进行具体的解释是困难的...
A Universal Audio Steganalysis Scheme Basedon Multiscale Spectrograms and DeepResNet
qq_53637816的博客
09-17 912
本文提出了一种名为 MultiSpecNet 的通用隐写分析方案，用于检测基于多个嵌入域（高级音频编码（AAC）和 MPEG-1 音频层 III（MP3））的隐写术，这是目前最流行的两种压缩音频标准。基本思想是通过隐写方案对任一域的修改都会改变解码后音频信号的时频关系。所提出的方法采用频谱图作为输入特征来提取更丰富的信息。DeepResNet用于学习区分特征表示，多尺度谱图用于丰富特征多样性。实验结果表明，所提出的方案能够有效地检测基于 AAC 和 MP3 嵌入域的不同隐写方案。
lsb.zip_LSB_The Project_analysis of LSB_steganalysis_steganograp
07-15
The project title is modulo based lsb steganography.... but the modulo based lsb steganography strongly resist agains the steganalysis like histogram and statistical analysis...........
黄仁勋GTC开场：「AI-XR Scientist」来了！
2501_94005722的博客
11-20 1309
丛乐 (Le Cong)，斯坦福大学医学院病理学系和遗传学系教授。他被公认为是 CRISPR 基因编辑领域的奠基人之一。早在哈佛大学攻读博士学位期间，丛乐在导师张锋（Feng Zhang）和乔治・丘奇（George Church）的指导下，作为第一作者在 Science, Cell, Nature 杂志上发表了数篇标志性论文，首次证实 CRISPR/Cas9 系统可以在哺乳动物和人类细胞中实现基因编辑，为这一革命性技术的后续应用奠定了基石。
传统NLP算法
记录成长‌，知识沉淀，连接同行‌
11-19 734
传统NLP算法与当前大模型的对比分析 传统NLP算法主要基于规则和统计模型（如HMM、CRF、SVM），依赖人工特征工程和领域知识，适合特定任务但泛化能力有限。其优势在于可解释性强、计算资源需求低。典型应用包括分词、命名实体识别和文本分类等。 现代大模型（如Transformer架构LLM）采用预训练-微调范式，通过海量数据自动学习语言表示，具备强大的生成能力和跨任务迁移性。它们能处理复杂任务如对话生成和多语言翻译，但需巨额计算资源。 二者存在技术演进关系：大模型继承了传统NLP的核心思想，但通过深度学习实
基于华为开发者空间实现花卉识别
优快云高校俱乐部官方博客
11-21 1466
基于华为开发者空间实现花卉识别
人工智能在医疗行业的革命性应用：从诊断到个性化治疗
2501_94114442的博客
11-21 459
人工智能（AI）技术近年来已经渗透到各个行业，其中，医疗行业无疑是受益最大之一。从疾病的早期诊断到个性化治疗方案的制定，AI正在加速医学领域的变革。通过机器学习、深度学习、自然语言处理等技术，AI不仅能够处理和分析大量的医疗数据，还能够帮助医生做出更加精准的决策，提升患者的治疗效果，并优化整个医疗体系的运作效率。本文将探讨人工智能在医疗行业的应用，分析其在不同医疗领域的具体作用，并展望AI如何进一步推动医疗健康行业的发展。
【NullSwap】NullSwap: Proactive Identity Cloaking Against Deepfake
最新发布
人生不是轨道，是旷野。希望每天都有好心情。
11-23 138
由于生成模型的进步，被动检测高质量Deepfake图像的性能瓶颈，主动扰动提供了一种有前途的方法，通过将信号插入良性图像来禁用Deepfake操作。【生成模型的发展，使得生成高质量伪图越来越难被检测】然而，现有的主动扰动方法在以下几个方面仍然不能令人满意：【当前主动扰动存在的问题】1）由于直接元素添加而导致的视觉退化;2）对交换操纵的有效性有限;3）不可避免地依赖于白盒和灰盒设置，以在训练期间涉及生成模型。我们分析了深度伪造swap技术的本质，并论证了保护源身份而非目标图像的必要性。
创客匠人 2025 高峰论谈（11.22-25）：AI 智能体重构创始人 IP 打造与知识变现的管理逻辑
ckjrxx的博客
11-20 627
这一 “数据化定位逻辑”，将在。创客匠人峰会筹备阶段强调，AI 智能体的核心意义是 “解放人”—— 将创始人从机械性工作中解放，专注知识体系迭代、用户信任构建等核心价值创造，让知识变现从 “个人生意” 升级为 “企业级业务”。创始人 IP 定位的核心是 “找到市场需求与核心能力的交集”，传统模式本质是 “个体直觉管理”，而 AI 智能体通过数据化管理思维，将定位转化为可量化、可追溯的流程。这些问题本质是企业管理中 “个体能力” 与 “系统效率” 的失衡，而 AI 智能体的出现，正从管理底层重构这一逻辑。
强化学习人形机器人奖励函数分析
ModestCoder_的博客
11-23 574
PPO (Proximal Policy Optimization) 是一种 Actor-Critic 架构算法。奖励函数是整个学习过程的指挥棒。学习预测未来的累积回报（Return）。用于处理物理限制的软约束，形式通常为单边损失（Hinge Loss）。，作为 Cost/Penalty 使用，用于约束能量和保持稳定。以下是代码中各个奖励项的数学表达及其物理含义分析。形式，旨在最大化机器人对指令的跟随精度。这种设计是现代机器人控制领域的标准范式。形式，在总奖励计算中通常会被赋予。
宇树G1-D：人形机器人下一步方向！
Charlie_Mo的博客
11-21 954
宇树科技推出G1-D人形机器人工作站全栈解决方案，实现从硬件平台向"硬件+数据+AI"生态平台升级。该方案以G1-D为核心载体，为AI模型开发提供强力支撑，可应用于制造业等场景，提升生产精度和效率。在AI技术快速发展的背景下，掌握基于G1-D的AI开发技能将增强就业竞争力。这一创新方案为行业搭建AI训练基础设施，推动技术进步，展现未来发展潜力。
5G与人工智能：相辅相成推动未来智能化世界
2501_94108919的博客
11-21 922
近年来，5G和人工智能（AI）被视为数字时代的两大核心技术，它们不仅各自推动了技术进步，还在相互结合的过程中，带来了革命性的变革。例如，在智能制造中，AI可以基于5G传输的生产数据，实时调整生产线，优化生产效率，减少停机时间。比如，通过5G网络连接的智能穿戴设备可以实时监测患者的生命体征，并通过AI分析数据，为医生提供决策支持，甚至进行远程手术指导。5G网络的普及需要大量的基站和基础设施建设，而AI的应用则要求更高的计算能力和更低的延迟，这对硬件的要求非常高。
使用TensorFlow实现音频隐写分析技术
- **deep-learning (深度学习)**：一种机器学习方法，它使用具有多个处理层的神经网络模型。 - **tensorflow (张量流)**：一个开源的软件库，用于数据流编程，特别适用于大规模数值计算。 - **mp3 (MP3)**：一种音频...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值