《工业控制计算机》2023年第36卷第2期图1真假人脸对应差分掩码摘要：为解决深度伪造技术被不法分子滥用对网络信息安全、个人隐私构成的威胁，针对使用CNN容易过拟合的问题，提出一种结合数据预处理的深度伪造检测方法。受随机擦除算法的启发，提出一种CutFace数据增强算法，可以很好地和检测模型相集成。在此基础上，提出一种改进的EffcientNet网络检测模型，通过在网络的浅层添加CBAM模块，使得网络聚焦人脸的伪造操纵部分。为了验证所提出方法的有效性，做了两组对比的实验，实验结果表明：基于CutFace算法的深度伪造预测方法在FaceForensics++数据集上两个版本的三个评价指标Acc、AUC、LogLoss均达到了最优，验证了该方法的有效性。关键词：人脸切割；深度伪造预测；注意力模块Abstract:Inordertosolvethethreatposedbytheabuseofdeepforgerytechnologybycriminalstonetworkinforma-tionsecurityandpeople'sprivacy,thispaperproposesadeepforgerydetectionmethodcombinedwithdatapreprocessingtosolvetheproblemofeasyoverfittingusingCNN.Inspiredbytherandomerasurealgorithm,aCutFacedataenhancementalgorithmisproposed,whichcanbewellintegratedwiththedetectionmodel.Onthisbasis,animprovedEffcientNetnet-workdetectionmodelisproposedinthispaper.ByaddingaCBAMmoduleintheshallowlayerofthenetwork,thenet-workfocusesonthefakemanipulationpartoftheface.Inordertoverifytheeffectivenessoftheproposedmethod,twosetsofcomparativeexperimentsareconductedinthispaper.Theexperimentalresultsshowthatthethreeevaluationindi-catorsAcc,AUCandLogLossofthetwoversionsofthedeepfakepredictionmethodbasedontheCutFacealgorithmontheFaceForensics++datasetallreachtheoptimality,andtheeffectivenessofthemethodisverified.Keywords:CutFace,deepfakedetection,atteentionmodule最近几年中，随着深度学习的迅速发展，人脸操纵技术变得愈发成熟，一种名为深度伪造［1］（Deepfake）的人脸操纵方式得以出现。由于该技术高度开源性，普通人在没有专业技术的背景上也可以完成人脸操纵，从而引发互联网上一轮换脸热潮。任何事物都是有利有弊的，深度伪造作为新出现的技术，带给人们全新认知的同时，也为个人隐私、政府形象、国家安全等方面构成了威胁。如何对深度伪造视频进行有效检测迫在眉睫。当前国内外众多学者针对深度伪造进行有效...
