无配对数据难题：北交大团队在开放世界深伪检测中的创新探索

本文为真实社交媒体下的深度伪造检测提供了新思路。

原标题：AAAI 2025 | 开放世界的深伪检测，北交大团队：解决好无配对数据挑战很重要
文章来源：机器之心
内容字数：3628字

开放世界深度伪造检测网络的创新研究

近年来，深伪（Deepfake）技术的快速发展，给社交媒体和在线网络环境带来了严峻的挑战。针对这一问题，北京交通大学赵耀教授与陶仁帅副教授团队联合苏黎世联邦理工学院，提出了一种新的深伪检测方法，旨在应对开放世界中未配对数据的挑战。该研究成果已被AAAI 2025接收，论文题目为《ODDN：Addressing Unpaired Data Challenges in Open-World Deepfake Detection on Online Social Networks》。以下是文章的主要要点。

1. 研究背景

现有的深伪检测方法大多依赖于配对数据，即原始图像与其压缩版本。然而，在实际的开放网络环境中，配对数据的获取非常困难，尤其是在社交媒体中，图像经过多重压缩处理，导致检测效果大打折扣。

2. 新任务的提出

ODDN研究工作提出了“非配对数据下的开放世界深伪检测”这一新任务，针对在真实社交媒体场景中，配对数据稀缺的问题进行探讨。

3. 方法概述

该研究提出了两个核心组件：开放世界数据聚合（ODA）和压缩丢失梯度校正（CGC），以有效降低因配对数据稀缺和压缩影响带来的性能损失。ODDN方法设计了两个下游任务：一是基础的二分类任务，用于优化伪造相关特征的提取；二是判别图像是否被压缩的二分类任务，通过梯度取反操作，使得该分支的梯度在优化方向上与目标相反。

4. 实验设置与结果

研究者使用ForenSynths训练集对检测器进行训练，并在17个常用数据集上进行评估。实验结果表明，所提方法在不同数据质量和压缩方法下均表现出良好的性能，显示出较强的稳健性与适应性。

5. 研究意义

该研究不仅推动了深度伪造检测领域的进一步发展，也为未来打击在线社交平台上伪造信息的研究提供了有力的基准。主要作者陶仁帅副教授及其团队的研究成果，标志着在开放世界深伪检测领域的重大进展。

以上内容概述了ODDN研究的核心要点，对于希望深入了解开放世界深伪检测的读者，提供了一个清晰的视角与理解。

联系作者

文章来源：机器之心
作者微信：
作者简介：专业的人工智能媒体和产业服务平台