计算机应用

作者：张亚, 金鑫, 江倩, 李昕洁, 董云云, 姚绍文

单位：1. 云南大学 软件学院, 昆明 650504;2. 教育部跨境网络空间安全工程研究中心(云南大学), 昆明 650504;3. 阳明交通大学 科技管理研究所, 台湾 新竹 300093

关键词：Deepfake检测,深度伪造图像,自动编码器,生成对抗网络,注意力机制

基金：国家自然科学基金资助项目（62002313，61863036）；中国博士后科学基金资助项目（2020T130564，2019M653507）；云南省重点研发领域计划项目（202001BB050076）；云南省软件工程重点实验室开放基金资助项目（2020SE408）；云南省博士后科研基金资助项目；云南大学第12届研究生科研创新项目（2020230，2020231）。

基于深度学习的图像伪造方法生成的图像肉眼难辨，一旦该技术被滥用于制作虚假图像和视频，可能会对国家政治、经济、文化造成严重的负面影响，也可能会对社会生活和个人隐私构成威胁。针对上述问题，提出了一种基于自动编码器的深度伪造Deepfake图像检测方法。首先，借助高斯滤波对图像进行预处理，提取高频信息作为模型输入；然后，利用自动编码器对图像进行特征提取，并在编码器中添加注意力机制模块以获取更好的分类效果；最后，通过消融实验证明，采用所提的预处理方法和添加注意力机制模块有助于伪造图像检测。实验结果表明，与ResNet50、Xception以及InceptionV3相比，所提方法在数据集样本量较小且包含的场景丰富时，可以有效检测多种生成方法所伪造的图像，其平均准确率可达97.10%，明显优于对比方法，且其泛化性能也明显优于对比方法。

来源：2021年第10期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第10期