| 人脸深度伪造主动防御技术综述 |
| |
| 引用本文： | 瞿左珉,殷琪林,盛紫琦,吴俊彦,张博林,余尚戎,卢伟. 人脸深度伪造主动防御技术综述[J]. 中国图象图形学报, 2024, 29(2): 318-342 |
| |
| 作者姓名： | 瞿左珉 殷琪林 盛紫琦 吴俊彦 张博林 余尚戎 卢伟 |
| |
| 作者单位： | 中山大学计算机学院, 广州 510006;广东省信息安全技术重点实验室, 广州 510006;教育部机器智能与先进计算重点实验室, 广州 510006 |
| |
| 基金项目： | 国家自然科学基金项目（U2001202，62072480）；媒体融合与传播国家重点实验室（中国传媒大学）开放课题（SKLMCC2022KF0**） |
| |
| 摘 要： | 深度生成模型的飞速发展推动了人脸深度伪造技术的进步，以Deepfake为代表的深度伪造模型也得到了十分广泛的应用。深度伪造技术可以对人脸图像或视频进行有目的的操纵，一方面，这种技术广泛应用于电影特效、娱乐场景中，丰富了人们的娱乐生活，促进了互联网多媒体的传播；另一方面，深度伪造也应用于一些可能造成不良影响的场景，给公民的名誉权、肖像权造成了危害，同时也给国家安全和社会稳定带来了极大的威胁，因此对深度伪造防御技术的研究日益迫切。现有的防御技术主要分为被动检测和主动防御，而被动检测的方式无法消除伪造人脸在广泛传播中造成的影响，难以做到“事前防御”，因此主动防御的思想得到了研究人员的广泛关注。然而，目前学术界有关深度伪造防御的综述主要关注基于检测的被动式防御方法，几乎没有以深度伪造主动防御技术为重点的综述。基于此，本文对当前学术界提出的人脸深度伪造主动防御技术进行梳理、总结和讨论。首先阐述了深度伪造主动防御的提出背景和主要思想，并对现有的人脸深度伪造主动防御算法进行汇总和归类，然后对各类主动防御算法的技术原理、性能、优缺点等进行了系统性的总结，同时介绍了研究常用的数据集和评估方法，最后对深度...
|
| 关 键 词： | 人脸深度伪造 人脸深度伪造防御 主动防御 对抗攻击 生成对抗网络(GAN) 深度学习 |
| 收稿时间： | 2023-03-24 |
| 修稿时间： | 2023-08-03 |
Overview of Deepfake proactive defense techniques |
| |
| Qu Zuomin,Yin Qilin,Sheng Ziqi,Wu Junyan,Zhang Bolin,Yu Shangrong,Lu Wei. Overview of Deepfake proactive defense techniques[J]. Journal of Image and Graphics, 2024, 29(2): 318-342 |
| |
| Authors: | Qu Zuomin Yin Qilin Sheng Ziqi Wu Junyan Zhang Bolin Yu Shangrong Lu Wei |
| |
| Affiliation: | School of Computer Science and Engineering, Sun Yat-sen University, Guangzhou 510006, China;Guangdong Province Key Laboratory of Information Security Technology, Guangzhou 510006, China;Ministry of Education Key Laboratory of Machine Intelligence and Advanced Computing, Guangzhou 510006, China |
| |
| Abstract: | |
| |
| Keywords: | Deepfake forgery Deepfake defense proactive defense adversarial attack generative adversarial network(GAN) deep learning |
|
| 点击此处可从《中国图象图形学报》浏览原始摘要信息 |
|
点击此处可从《中国图象图形学报》下载免费的PDF全文 |
