深度伪造检测中的个体公平性重构

生成式AI模型显著提升了合成媒体的逼真度，但其通过高级DeepFakes的滥用构成重大风险。尽管近期在深度伪造检测方面取得了进展，但公平性仍未得到充分关注，使得深度伪造标记会对特定人群产生偏见。虽然已有研究强调群体水平公平性，但个体公平性（即确保相似个体获得相似预测）在文献中基本未被探讨。本文首次指出，原始的个体公平性原则在深度伪造检测语境下根本性地失效，揭示了此前文献中未被发现的关键性缺口。为缓解此问题，我们提出首个可集成到现有深度伪造检测器中的通用框架，以提升个体公平性和泛化能力。针对领先深度伪造数据集进行的大规模实验表明，我们的方法在保持稳健检测性能的同时显著改善个体公平性，超越了最先进的方法。代码已公开于 https://github.com/Purdue-M2/Individual-Fairness-Deepfake-Detection。