学位论文简介
随着生成式网络和计算机图形学的不断发展，即使是普通人也可以很容易地大规模篡改人脸的身份、表情和属性，使得人脸图像和视频的真实性受到了严峻的挑战。因此，针对深度伪造人脸图像的被动取证已成为图像内容安全领域的一个重要研究方向。为了应对深度人脸伪造技术带来的危害，取得了以下主要创新性研究成果：
为了实现针对Glow人脸伪造的专用取证，构建了基于Glow模型的表情伪造图像数据集。通过分析Glow模型在人脸表情伪造攻击中的特性，设计了一种结合一阶局部差分算子和分层特征提取模块的检测算法。
为了实现针对多种伪造技术的检测，构建了由五种人脸伪造方法生成的混合假人脸图像数据集。受到传统残差提取技术的启发，设计了一种新颖的自适应操纵痕迹提取模块，实现了针对多种人脸伪造的检测。此外，还探索了如何提升检测模型的泛化能力。
受到导向滤波特性的启发，构建了一种操纵痕迹提取器，避免了预测方式带来的潜在偏差。此外，利用空间域和残差域特征之间的互补性，设计了一种自适应特征融合机制。通过构建基于导向残差的双流注意力融合网络，实现了复杂互联网环境下深度伪造人脸的鲁棒检测。
重新思考了梯度算子在揭露人脸伪造方面的优势，将梯度算子与卷积网络相结合，设计了两个即插即用的模块。这两个模块可以无缝集成到多个卷积网络中进行端到端的训练，并实现高效的人脸伪造检测。
提出了结构化伪造线索的概念，并验证了结构化伪造线索对于人脸伪造检测任务的重要性。为了帮助CNNs捕捉到分布在全局人脸图像中的结构化伪造线索，设计了一个挖掘结构化特征的框架，以促进人脸伪造检测。
主要学术成果
Zhiqing Guo, Gaobo Yang, Dengyong Zhang, and Ming Xia, Rethinking Gradient Operator for Exposing AI-enabled Face Forgeries. Expert Systems with Applications, 2023, 215: 119361. (中科院一区，第一作者)
Zhiqing Guo, Gaobo Yang, Dewang Wang, and Dengyong Zhang, A Data Augmentation Framework by Mining Structured Features for Fake Face Image Detection. Computer Vision and Image Understanding, 2023, 226: 103587. (CCF-B类期刊，第一作者)
Zhiqing Guo, Gaobo Yang, Jiyou Chen, and Xingming Sun, Fake Face Detection via Adaptive Manipulation Traces Extraction Network. Computer Vision and Image Understanding, 2021, 204: 103170.（CCF-B类期刊，第一作者）
Zhiqing Guo, Lipin Hu, Ming Xia, and Gaobo Yang, Blind Detection of Glow-based Facial Forgery. Multimedia Tools and Applications, 2021, 80(5): 7687–7710. （CCF-C类期刊，第一作者）
Zhiqing Guo, Gaobo Yang, Jiyou Chen, and Xingming Sun, Exposing Deepfake Face Forgeries with Guided Residuals. IEEE Transactions on Multimedia. (CCF-B类期刊，第一作者，Major Revision)
