無配對數據難題：北交大團隊在開放世界深偽檢測中的創新探索

本文為真實社交媒體下的深度偽造檢測提供了新思路。

原標題：AAAI 2025 | 開放世界的深偽檢測，北交大團隊：解決好無配對數據挑戰很重要
文章來源：機器之心
內容字數：3628字

開放世界深度偽造檢測網絡的創新研究

近年來，深偽（Deepfake）技術的快速發展，給社交媒體和在線網絡環境帶來了嚴峻的挑戰。針對這一問題，北京交通大學趙耀教授與陶仁帥副教授團隊聯合蘇黎世聯邦理工學院，提出了一種新的深偽檢測方法，旨在應對開放世界中未配對數據的挑戰。該研究成果已被AAAI 2025接收，論文題目為《ODDN：Addressing Unpaired Data Challenges in Open-World Deepfake Detection on Online Social Networks》。以下是文章的主要要點。

1. 研究背景

現有的深偽檢測方法大多依賴于配對數據，即原始圖像與其壓縮版本。然而，在實際的開放網絡環境中，配對數據的獲取非常困難，尤其是在社交媒體中，圖像經過多重壓縮處理，導致檢測效果大打折扣。

2. 新任務的提出

ODDN研究工作提出了“非配對數據下的開放世界深偽檢測”這一新任務，針對在真實社交媒體場景中，配對數據稀缺的問題進行探討。

3. 方法概述

該研究提出了兩個核心組件：開放世界數據聚合（ODA）和壓縮丟失梯度校正（CGC），以有效降低因配對數據稀缺和壓縮影響帶來的性能損失。ODDN方法設計了兩個下游任務：一是基礎的二分類任務，用于優化偽造相關特征的提取；二是判別圖像是否被壓縮的二分類任務，通過梯度取反操作，使得該分支的梯度在優化方向上與目標相反。

4. 實驗設置與結果

研究者使用ForenSynths訓練集對檢測器進行訓練，并在17個常用數據集上進行評估。實驗結果表明，所提方法在不同數據質量和壓縮方法下均表現出良好的性能，顯示出較強的穩健性與適應性。

5. 研究意義

該研究不僅推動了深度偽造檢測領域的進一步發展，也為未來打擊在線社交平臺上偽造信息的研究提供了有力的基準。主要作者陶仁帥副教授及其團隊的研究成果，標志著在開放世界深偽檢測領域的重大進展。

以上內容概述了ODDN研究的核心要點，對于希望深入了解開放世界深偽檢測的讀者，提供了一個清晰的視角與理解。

聯系作者

文章來源：機器之心
作者微信：
作者簡介：專業的人工智能媒體和產業服務平臺