基于域对抗学习的可泛化虚假人脸检测方法研究

翁泽佳 陈静静 姜育刚

(复旦大学计算机科学技术学院 上海 201203)

(上海市智能信息处理重点实验室(复旦大学计算机科学技术学院) 上海 200433)

近年来，随着以深度学习为代表的人工智能技术的发展，人工智能自动生成内容领域取得了显著的进步.基于生成式对抗网络(generative adver-sarial networks, GAN)[1]的图像、视频的生成技术已经开始被应用到社会生活的各个领域，如网络直播、影视创作、电商等.然而，科技是把“双刃剑”，技术的善用可以形成良性的影响，但是技术的滥用将对人类社会和现有的智能系统造成巨大威胁.伴随着互联网的飞速发展和广泛普及，使用深度学习技术生成虚假音频、图片、视频被广泛传播的情况层出不穷，如色情电影换脸、利用伪造生成技术实施诈骗、伪造虚假个人资料的照片用于国际间谍活动等.因此如何判断多媒体内容的真实性成为了一个亟待解决的问题.

相比于其他图像和视频内容生成，虚假人脸生成带来的潜在危害最大，也最容易造成社会的信任危机.因此针对虚假人脸鉴别的研究吸引了国内外学者的广泛关注，成为一个重要的研究方向.目前针对虚假人脸鉴别的研究主要围绕在如何设计一个较好二分类网络，尽可能提高虚假人脸鉴别的精度.现有工作在虚假人脸检测上能够取得一定效果，在训练集和测试集具有非常相近的数据分布的情况下可以达到高达90%以上的检测准确率[2-3].然而，基于传统二分类网络的检……