51、深度伪造生成与检测及基于相似度的推荐系统

深度伪造生成与检测及基于相似度的推荐系统

1. 深度伪造检测的相关工作

深度伪造技术被用于不道德活动，恶意诋毁他人形象，同时虚假视频传播的虚假信息也让公众深受其害。因此，减少这些虚假视频的传播至关重要。

在相关工作方面，有多种方法被提出用于深度伪造检测：
- 网络架构检测 ：有研究提供了两种网络架构，能有效准确地检测伪造，在实际扩散条件下，对Face2Face视频平均检测率达95%，对深度伪造视频达98%。
- 压缩影响研究 ：有工作关注压缩对最先进的面部图像操纵方法可检测性的影响，并提出标准化基准。
- 分类器比较 ：对比了ML分类器方法XGBoost和DNN方法，发现DNN在精度、召回率和准确性上更优。
- 深度学习改进 ：有尝试改进现有DL方法，在DF - TIMIT数据集上准确率达96.6%，在DFDC数据集上达84.4%。
- 大样本数据集检测 ：一种适用于大样本数据集的方法在CelebDf数据集上准确率达94.21%，但不适用于有假音频的视频。
- 算法比较研究 ：有研究比较了当时的现有算法，以了解DL在深度伪造检测中的效果。
- 基于特征不匹配检测 ：有方法基于不同面部区域方向的不匹配来暴露深度伪造，还有算法在这方面的成功检测率超90.5%。
- 集成学习检测 ：Deep fakeStack深度集成学习技术用