姚昆仑，李 鹏

（湘潭大学自动化与电子信息学院，湖南 湘潭 411105）

0 引言

深度伪造指的是使用深度学习方法让理智的观察者错误地将某段伪造的音视频视为个人真实言语或行为的方法，其推动了文娱事业的发展，同时也可能误导舆论，扰乱社会秩序以及威胁人脸识别系统。传统图像取证法检测准确率低，且可通过在伪造影像中加入噪声的方式绕过[1]。基于深度学习的伪造检测技术大致可以分为两类：一类是基于CNN架构和损失函数来直接检测伪造图像，另一类是通过真伪图像频谱中的差异化分析，找出特定的GAN指纹特征 ，最终实现对伪造图像的识别。基于CNN架构和损失函数的方法准确率较高，但计算量大，目前仅在较小的数据集上实验。基于GAN指纹特征的方法则可通过选用无指纹特征的GAN来规避检测，且GAN技术发展迅速，该方法不具备通用性。本文提出的方法属于第一类方法，使用胶囊网络架构取代原网络中CNN架构，在准确率不变的情况下极大减少了实验参数，降低了计算复杂度[2]。

1 胶囊网络介绍

胶囊网络是2017年有“深度学习之父”之称的Hinton等人[1]提出的，用以弥补卷积神经网络不足的新的深度学习方法。胶囊是由多个卷积构成的集合，用来代表一类特征。多个胶囊构成胶囊层，胶囊层之间以动态路由的方式传递信息[3]。

特征出现的概率由胶囊输出的向量的长度表示，因此，输出向量需要使用非线性压缩函数将向量的长度压缩至0到1之间，以满足数学逻辑。……