杨雨鑫 ，周 欣 ，2，熊淑华 ，何小海 ，卿粼波

(1.四川大学 电子信息学院，四川 成都610065；2.中国信息安全测评中心，北京100085)

0 引言

深度伪造是利用深度学习算法生成伪造人脸图像/视频技术的总称。 这种视觉合成技术根据实现方式的不同，具体细分为DeepFake、Face2Face[1]、FaceSwap[2]等。 该技术可以将图像中已有的面部表情和动作提取出来，合成另一张人脸替代原图脸部区域，最终制造出人眼难以区分的虚假图像/视频。

2019 年，SnapChat 和ZAO 等应用程序实现了用户与电影明星换脸的功能，深度伪造技术快速进入公众视野并引发关注。 与此同时，普通人可以利用开源的深度伪造程序生成逼真的人脸图像/视频，使得众多公众人物陷入遭受深度伪造技术攻击的风险之中。 龙坤[3]等人从国家政治安全、经济安全、社会安全、国民安全方面论述了深度伪造技术带来的潜在危害，美国国防高级研究计划署也在同年针对虚假图像/视频发起检测项目。 因此，针对深度伪造算法生成图像的检测工作变得越来越重要。

目前针对人脸深度伪造技术提出了众多检测方案。 ZHANG Y[4]等讨论了采用机器学习方法进行检测的可行性，使用词袋模型提取图像特征，对比了支持向量机[5](Support Vector Machines，SVM)、随机森林、多层感知器等多种分类器的检测结果。COZZOLINO D[6]等人使用隐写分析领域提出的局部特征描述符[7]，训练线性支持向量机分类器完成图像篡改检测任务， 此方法在第一届IEEE 图像取证挑战赛中夺得冠军。 虽然机器学习方法具有良好的特征可解释性以及说服力，但是不断演进的深度伪造图像对传统检测方法提出了挑战。……