生成与检测各类虚假图像和音频内容：现代深度学习技术与工具综述
密码学与安全
2025-01-14 v1 机器学习
摘要
本文综述了深度伪造生成和检测的最新进展，重点关注基于最新科学进展的现代深度学习技术和工具。深度伪造的兴起，利用变分自编码器（VAE）、生成对抗网络（GAN）、扩散模型及其他生成模型等技术，对隐私、安全和民主构成了重大威胁。这种虚假媒体可以欺骗个人、诋毁真实人物和组织、助长敲诈勒索，甚至威胁法律、政治和社会系统的完整性。因此，寻找适当的解决方案来应对该技术可能带来的威胁至关重要。我们探讨了各种深度伪造方法，包括换脸、语音转换、重演和唇同步，强调了它们在良性及恶意场景中的应用。本综述批判性地审视了深度伪造生成与检测之间持续的“军备竞赛”，分析了识别被操纵内容的挑战。通过审视当前方法并强调未来研究方向，本文有助于理解这一快速发展的领域以及迫切需要稳健检测策略来应对这一强大技术滥用的关键问题。虽然主要关注音频、图像和视频领域，但本研究使读者能够轻松掌握深度伪造生成和检测的最新进展。
引用
@article{arxiv.2501.06227,
title = {Generating and Detecting Various Types of Fake Image and Audio Content: A Review of Modern Deep Learning Technologies and Tools},
author = {Arash Dehghani and Hossein Saberi},
journal= {arXiv preprint arXiv:2501.06227},
year = {2025}
}