耿鹏志，唐云祁，樊红兴，张时润，朱新同

1.中国人民公安大学 侦查学院，北京100038

2.中国科学院 自动化研究所 智能感知与计算研究中心，北京100190

3.湖南工业大学 计算机学院，湖南 株洲412007

近年来，生成式对抗网络[1]（Generative Adversarial Networks，GANs）在计算机视觉领域发展迅速。以该技术为依托的深度伪造（Deepfake）技术在全世界范围内掀起了一股伪造热潮。如人脸替换、人脸属性编辑以及人脸表情操控等，伪造技术的恶意应用在社会安全等领域造成了巨大的风险。人脸信息作为生物特征信息最为敏感的一环，如果该技术被不法分子所利用，一方面会导致虚假新闻等信息的泛滥，另一方面，生物特征信息的泄露会导致个人隐私、名誉以及财产等受到侵害，严重者甚至危害国家安全。因此，针对深度伪造视频的检测，对于促进网络空间的健康发展以及政治和经济社会的稳定具有极其重要的意义。目前各学术团队已经就深度伪造检测展开了深入研究，其中Facebook公司斥巨资主办的Deepfake检测挑战赛（Deepfake Detection Challenge，DFDC），极大地促进了深度伪造取证领域的发展。同时，各国也在立法层面上采取措施来限制Deepfake为代表的造假技术，如中国于2019年印发的《网络音视频信息服务管理规定》[2]明确规定不得使用人工技术制作、传播虚假新闻信息，由美国两党议员提出的《2019年深度伪造报告法案》[3]也建议政府制定相应的规则与法律，并提高鉴别真伪的技术能力。

目前已经出现了许多经典的检测方法，主要分为基于视频检测和基于图像检测两大类。……