应对恶意 DeepFake：综述、对抗战场与未来展望

通过深度生成方法创建或操纵人脸外观（称为 DeepFake）已取得显著进展，并推动了大量良性与恶意应用，例如电影中的视觉效果辅助以及通过伪造名人制造虚假信息。这一新技术的邪恶面催生了另一热门研究，即旨在从真实人脸中识别伪造人脸的 DeepFake 检测。随着社区中 DeepFake 相关研究的快速发展，双方形成了对抗战场的关系，相互推动改进并启发新方向，例如规避 DeepFake 检测。然而，由于相关文献的快速增长，近期综述对这一战场及新方向缺乏清晰梳理与关注，限制了对趋势和未来工作的深入理解。为填补此空白，本文对 DeepFake 生成、DeepFake 检测以及规避 DeepFake 检测的研究工作进行了全面概述与详细分析，仔细调研了超过 318 篇研究论文。我们给出了各类 DeepFake 生成方法的分类体系与各类 DeepFake 检测方法的归类，更重要的是，我们展示了双方之间的对抗战场，包含对抗者（DeepFake 生成）与防御者（DeepFake 检测）之间的详细交互。该战场为审视 DeepFake 研究最新格局提供了崭新视角，并能对研究挑战与机遇以及研究趋势和未来方向提供有价值的分析。我们还精心设计了交互式图表（http://www.xujuefei.com/dfsurvey），以允许研究者探索其自身在热门 DeepFake 生成器或检测器上的兴趣点。