Deepfake (DF)是一种伪造的图像或视频,其目的是传播错误信息,并利用先进的技术,包括深度学习和经过训练的算法的人工智能,为隐私黑客和掩盖真相提供便利。

这种多媒体操纵,如改变面部表情或言语,可以用于各种目的,传播错误信息或利用。这种多媒体操纵,如改变面部表情或言语,可以用于各种目的,传播错误信息或利用。随着生成对抗网络(GANs)在深度学习模型中的发展,生成对抗网络(DF)已经成为社交媒体中必不可少的一部分。为了检测伪造的视频和图像,已经开发了许多方法,这些方法都是针对特定的领域,在新的攻击/威胁的情况下过时。

编码器深度伪检测

因此,需要开发一种新的方法来应对新的攻击。本文介绍的方法可以检测使用深度学习模型(如长短期记忆和卷积神经网络的变体)计算生成的各种类型的图像和视频的欺骗。该工作的第一阶段在训练时使用带有图长短时记忆(SAE-GLSTM)方法的稀疏自编码器从伪造视频/图像中提取特征帧。该工作的第一阶段在训练时使用带有图长短时记忆(SAE-GLSTM)方法的稀疏自编码器从伪造视频/图像中提取特征帧。利用FFHQ数据库、100K-Faces、Celeb-DF (V2)和WildDeepfake对提出的DF检测模型进行了测试。