基于GAN模型的AI深度伪造与在线支付欺诈检测
机器学习
2026-01-01 v3 密码学与安全
计算机视觉与模式识别
摘要
本研究探索了利用生成对抗网络（GAN）来检测 AI 深度伪造和在线支付欺诈活动的可能性。随着深度伪造技术的日益普及，这种技术可以操纵图像和视频中的面部特征，导致在线交易欺诈的潜在风险不断上升。传统的安全系统难以识别这些高级形式的欺诈。本研究提出一种新颖的 GAN 基于模型，通过识别支付图像中细微的操纵来增强在线支付安全。该模型在由真实世界在线支付图像和使用高级 GAN 架构（如 StyleGAN 和 DeepFake）生成的深度伪造图像构成的数据集上进行训练。结果表明，所提出的模型能够准确区分合法交易和深度伪造图像，检测率超过 95%。该方法显著提高了支付系统抵御 AI 驱动欺诈的鲁棒性。本文为数字安全领域的不断发展提供了见解，提供了关于如何在金融服务中应用 GANs 进行欺诈检测的洞见。
引用
@article{arxiv.2501.07033,
title = {Detection of AI Deepfake and Fraud in Online Payments Using GAN-Based Models},
author = {Zong Ke and Shicheng Zhou and Yining Zhou and Chia Hong Chang and Rong Zhang},
journal= {arXiv preprint arXiv:2501.07033},
year = {2026}
}
备注
The paper will be published and indexed by IEEE at 2025 8th International Conference on Advanced Algorithms and Control Engineering (ICAACE 2025)