研究中心近日发表了在解决虚假人脸检测任务泛化性问题上的一项研究成果。论文链接：springerlink，论文PDF下载：pdf
在国际上，近年来网络安全的重要性越来越引起广大民众的关注。人工智能技术的飞速发展，出现了各类利用生成对抗网络、编码解码网络等来生成虚假内容的方法。利用深度伪造技术产生虚假内容的各种应用程序，有的已经发展的很成熟。这些应用的出现和发展，使生成虚假内容变成了类似“一键美图”般的简便操作，使用门槛不断降低。一些不法分子将虚假生成技术应用于制造假视频、假新闻、煽动网络舆论、扰乱外交关系、伪造证据、降低民众对政府和媒体的信任度，带来极大的负面影响。因此，如何对网络上流通的内容进行真实和虚假的识别，成为网络安全与人工智能结合的领域内亟待解决的挑战和关键问题。
自2020年初开始，章雪琦同学就针对上述挑战，与中国电子科学研究院创新中心、社会安全风险感知与防控大数据应用国家工程实验室等相关研究团队联合开展了相关研究工作。经过一年多的努力，所取得的研究成果以论文形式发表于环太平洋人工智能国际学术会议（Pacific Rim International Conferences on Artificial Intelligence, PRICAI），论文题为“Thinking in Patch: Towards Generalizable Forgery Detection with Patch Transformation”。
该研究成果提出了一种泛化的虚假人脸检测算法。现有虚假人脸检测算法有泛化性不足这一重大问题，导致许多方法不能应用于实际，因而，在未知数据集上进行测试时，导致检测精度很差。
针对上述问题，研究团队提出了一种泛化的结合人脸图像整体和局部特征的虚假人脸检测算法，该方法既能在已知类别数据上实现高精度检测，又能在未知数据集上实现泛化性。该算法应用图像块序列变换和图像块随机变换分别处理图片，然后利用模型学习全局空间特征和局部伪影特征，最后将整体和局部特征相结合。该算法能够在未知数据集上实现较好的检测精度。实验结果也证明了该算法的优越性。
