纽约州立大学理工学院的一项新研究详细概述了深度伪造数据集并确定了关键挑战，为研究人员、工程师和从业者提供了宝贵的见解。它强调了开发主动检测方法和改进现有数据集以有效应对深度伪造威胁的重要性。

这项工作对于维护数字信息完整性和协助针对复杂的取证调查至关重要深度伪造威胁。该研究是发表在日记中法医学。

该研究由纽约州立大学理工学院网络与计算机安全助理教授 Zahid Akhtar 博士以及研究生 Thanvi Lahari Pendyala 和 Virinchi Sai Athmakuri 领导。

他们的论文将深度伪造分为身份交换、面部重演、属性操作和整个面部合成，强调需要改进的数据集和强大的检测方法。

现有的框架正在努力解决概括并且容易受到对抗性攻击，因此需要检测技术的进步。作者建议未来的研究应侧重于创建全面的数据集并提高检测方法的准确性、鲁棒性和实时能力。