SoK：统一框架下深度伪造检测器的系统化与基准测试
计算机视觉与模式识别
2025-03-04 v4 密码学与安全
机器学习
摘要
由于其易于创建和传播，深度伪造 (Deepfakes) 已迅速成为对社会的严重威胁，引发了检测技术的加速发展。然而，许多现有的检测器依赖实验室生成的数据集进行验证，这可能无法使它们为应对新颖的、现实世界的深度伪造做好准备。本文广泛回顾和分析了最先进的深度伪造检测器，并根据几个关键标准对其进行评估。这些标准将检测器分为 4 个高级组和 13 个细粒度子组，与我们提出的统一概念框架保持一致。这种分类提供了关于影响检测器效能因素的实用见解。我们在全面的攻击场景（包括黑盒、白盒和灰盒设置）中评估了 16 种领先检测器的泛化能力。我们的系统化分析和实验提供了对深度伪造检测器及其泛化能力的更深入理解，为未来的研究和开发更主动的深度伪造防御措施铺平了道路。
引用
@article{arxiv.2401.04364,
title = {SoK: Systematization and Benchmarking of Deepfake Detectors in a Unified Framework},
author = {Binh M. Le and Jiwon Kim and Simon S. Woo and Kristen Moore and Alsharif Abuadbba and Shahroz Tariq},
journal= {arXiv preprint arXiv:2401.04364},
year = {2025}
}
备注
20 pages, 6 figures, 7 table, Accepted at IEEE European Symposium on security and privacy 2025 (EuroS&P '25)