多模态被动深度伪造检测综合 Surveys
计算机视觉与模式识别
2025-04-08 v2 密码学与安全
摘要
近年来，深度伪造(Deepfakes) 被用于恶意目的，如个人冒充、虚假信息传播和艺术家风格模仿，引发伦理和安全方面的疑虑。本 survey 提供了被动深度伪造检测在多个模态（包括图像、视频、音频和多模态）上的全面综述和比较，以探索它们之间的模态关系。除检测准确度外，我们扩展了分析范围，涵盖实际部署中至关重要的性能维度：跨新生成技术的泛化能力、针对对抗操控和后处理技术的鲁棒性、在识别生成来源方面的归因精度，以及在实际操作条件下的韧性。此外，我们分析了现有数据集、基准和评估指标的优势与局限性。最后，我们提出了未来研究方向，以解决该领域中这些未探索和新兴问题。本 survey 为研究人员和实践者提供了全面的资源，以了解该领域的当前格局、方法论方法以及有前景的未来方向。
引用
@article{arxiv.2411.17911,
title = {Passive Deepfake Detection Across Multi-modalities: A Comprehensive Survey},
author = {Hong-Hanh Nguyen-Le and Van-Tuan Tran and Dinh-Thuc Nguyen and Nhien-An Le-Khac},
journal= {arXiv preprint arXiv:2411.17911},
year = {2025}
}
备注
35 pages