一种基于双流网络的Deepfakes检测技术

摘要：

随着深度学习技术的飞速发展,以Deepfakes为代表的深度伪造技术开始充斥在互联网上的各个角落.Deepfakes借助于生成对抗网络和自动编码器技术,能够轻松替换人脸以及篡改人的表情信息.此类Deepfakes假视频可以制作虚假色情影片、谣言,传播假新闻,甚至影响政治选举,带来的社会影响极其恶劣.然而,针对此类伪造视频的检测技术还远远落后于生成技术,已有的工作都存在一定的局限性,并不能较好地对Deepfakes视频进行检测.本文首先对现有生成和检测工作进行综述,并分析了现有工作的缺陷,然后提出了基于EfficientNet的双流网络检测框架.通过在大规模开源数据集FaceForensics++测试,我们的检测技术可以在检测Deepfakes类假视频上平均准确率达到99％以上,并一定程度提高模型对抗压缩的能力.

关键词：深度学习、深度伪造、检测、双流网络

所属期刊栏目：5

分类号：TP309.2(计算技术、计算机技术)

资助基金：本课题得到阿里实人认证项目资助

在线出版日期：2020-06-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：84-91