排序方式: 共有3条查询结果,搜索用时 6 毫秒
1
1.
深度学习被广泛应用于自然语言处理、计算机视觉和无人驾驶等领域,引领了新一轮的人工智能浪潮。然而,深度学习也被用于构建对国家安全、社会稳定和个人隐私等造成潜在威胁的技术,如近期在世界范围内引起广泛关注的深度伪造技术能够生成逼真的虚假图像及音视频内容。本文介绍了深度伪造的背景及深度伪造内容生成原理,概述和分析了针对不同类型伪造内容(图像、视频、音频等)的检测方法和数据集,最后展望了深度伪造检测和防御未来的研究方向和面临的挑战。 相似文献
2.
3.
近年来,"Deepfake"视频引起了广泛的关注.人们很难区分Deepfake视频.这些篡改的视频将给社会带来巨大的潜在威胁,如被用来制作假新闻等.因此,目前需要找到一种有效识别这些合成视频的方法.针对上述问题,提出了一种基于3D CNNS的深度伪造视频检测模型.该模型注意到Deepfake视频的时域特征和空域特征的不一致,而3D CNNS可以有效捕获Deepfake视频的这一特征.实验结果表明,基于3D CNNS的模型在Deepfake检测挑战数据集和Celeb-DF数据集上具有较高的准确率和较强的鲁棒性,准确率可达96.25%,AUC值可达0.92,同时该模型解决了泛化性差的问题.通过与现有的Deep-fake检测模型进行对比,所提模型在检测准确率和AUC取值方面均优于现有模型,验证了该模型的有效性. 相似文献
1