通过检测GAN的DCT异常对抗深度伪造
计算机视觉与模式识别
2021-08-12 v4
摘要
为妥善应对深度伪造（Deepfake）现象，亟需设计新的深度伪造检测算法；这一强大人工智能技术的滥用给每位相关人员的私人生活带来严重后果。最先进方法充斥着使用深度神经网络检测伪造多媒体内容的方案，但不幸的是这些算法既缺乏泛化性也缺乏可解释性。然而，生成对抗网络（GAN）引擎在创建深度伪造时留下的痕迹可通过分析特定频率检测。为此，本文提出一种新流程，能够检测所谓 GAN 特定频率（GSF），其代表了不同生成架构的独特指纹。通过采用离散余弦变换（DCT），检测到了异常频率。由 AC 系数分布推断的 \BETA 统计量是识别 GAN 引擎生成数据的关键。还进行了鲁棒性测试，以证明该技术在使用 JPEG 压缩、镜像、旋转、缩放、添加随机尺寸矩形等图像攻击下的有效性。实验表明该方法具有创新性，超越最先进水平，并在可解释性方面给出诸多见解。
引用
@article{arxiv.2101.09781,
title = {Fighting deepfakes by detecting GAN DCT anomalies},
author = {Oliver Giudice and Luca Guarnera and Sebastiano Battiato},
journal= {arXiv preprint arXiv:2101.09781},
year = {2021}
}