随着生成对抗网络(GAN)、自动编码器(AE)和扩散模型(DM)等深度伪造技术的快速发展,深度伪造人脸图像被广泛用于制作非自愿色情内容、电信诈骗及传播政治虚假信息等恶意行为。作为新型数字证据,深度伪造不仅频繁出现在当前犯罪活动中,还可能被用于虚假指控或操控监控记录,严重削弱法庭证据科学中人脸图像分析的可靠性,进而威胁刑事司法的公正性。本文系统梳理了关键数据集的发展脉络与深度伪造人脸图像的技术演进路径,深入剖析其生成机制的核心架构,涵盖主要技术路线、理论基础与功能逻辑;基于Web of Science数据库筛选出的737篇文献,采用VOSviewer进行文献计量分析,识别该领域的研究趋势,并揭示现有检测技术研究与司法实践中证据鉴伪实际需求之间的显著脱节。本研究提出将深度伪造人脸图像检测方法划分为技术原理导向与应用阶段适配两类互补框架,以应对不同阶段的证据鉴定需求。针对深度伪造人脸图像作为新型犯罪载体所带来的证据可信性挑战,本文主张法庭证据鉴定人应推动检测向鉴定的转化,实现检测结果与贝叶斯推理框架的融合,提升其在司法证明中的可采性与说服力。本研究衔接计算机视觉技术发展与法庭证据实践需求,明确了从技术检测到司法鉴定的逻辑路径,为法庭科学研究人员与司法实务工作者提供了具有技术价值的理论参考。
Building similarity graph...
Analyzing shared references across papers
Loading...
Guo Tianli
Li Jisong
TANG Yunqi
Journal of Image and Graphics
Building similarity graph...
Analyzing shared references across papers
Loading...
Tianli et al. (Thu,) studied this question.
www.synapsesocial.com/papers/69b3aaa802a1e69014ccb766 — DOI: https://doi.org/10.11834/jig.250610