Key points are not available for this paper at this time.
최근 몇 년 동안, DeepFake는 이미지 합성에서 생성적 적대 신경망(GAN)의 놀라운 발전으로 인해 우리 사회에 일반적인 위협이 되고 있습니다. 불행히도, DeepFake에 맞서고 얼굴 이미지가 진짜인지 가짜인지를 판단하기 위해 다양한 접근 방식을 제안하는 기존 연구는 여전히 초기 단계에 있습니다. 분명히 현재의 DeepFake 탐지 방법은 GAN의 빠른 발전을 따라잡는 데 어려움을 겪고 있으며, 특히 공격자가 DNN 기반 탐지기를 속이기 위해 섭동을 추가하는 등의 의도적인 행동을 취할 수 있는 적대적 시나리오에서 더욱 그렇습니다. 수동 탐지가 이미지가 가짜인지 진짜인지를 단순히 알려주는 반면, DeepFake 출처 추적은 DeepFake 법의학에서 출처를 추적하기 위한 단서를 제공합니다. 따라서 추적된 가짜 이미지는 관리자에 의해 즉시 차단되어 소셜 네트워크에서의 추가 확산을 피할 수 있습니다.
Wang et al. (Sun,) 이 질문을 연구했습니다.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: