超越性能：Deepfake检测器可靠性研究
计算机视觉与模式识别
2026-01-14 v1 机器学习
摘要
Deepfakes是由人工智能生成的合成媒体，在教育与创意领域具有积极应用，但也会带来欺诈、虚假信息和侵犯隐私等严重的负面影响。尽管检测技术已取得进展，但仍缺乏超越分类性能的全面评估方法。本文提出了一个基于四大支柱的可靠性评估框架：可迁移性、鲁棒性、可解释性和计算效率。对五种最先进方法的分析揭示了显著进展以及关键局限性。
引用
@article{arxiv.2601.08674,
title = {Al\'em do Desempenho: Um Estudo da Confiabilidade de Detectores de Deepfakes},
author = {Lucas Lopes and Rayson Laroca and André Grégio},
journal= {arXiv preprint arXiv:2601.08674},
year = {2026}
}
备注
Accepted for presentation at the Brazilian Symposium on Cybersecurity (SBSeg) 2025, in Portuguese language