采用低层特征的深度伪造图像检测方法

摘要

针对当前深度伪造图像检测方法使用复杂神经网络计算量大的缺陷，提出一种采用低层特征的深度伪造图像检测方法。首先对图像进行ELA处理和SRM滤波，提取ELA图像和噪声图像，然后根据它们的灰度图像像素个数转化为低层特征，最后通过三层全连接网络和softmax实现二分类。与当前几种热门方法进行比较实验，结果表明，该方法网络结构简单，在分类器的AUC值为99.55%，EER值为2.5%，计算量指标比其他方法好。对图像预处理提取低层特征可以有效提高分类精度，减少计算量。

0 引言

近年来，深度学习在计算机视觉、自然语言处理等领域取得重大突破，超越了许多传统方法。然而，深度学习技术也对个人隐私数据、社会稳定和国家安全等造成潜在威胁。

以深度学习技术制作的虚假图像以及音视频内容在网络上传播，深度伪造技术采用“生成式对抗网络”<