数据安全与隐私计算方面

DeepFaceGen人脸伪造检测评测基准

DeepFaceGen人脸伪造检测数据集是首个覆盖传统与新型伪造数据的跨人种、多样化大规模人脸伪造检测评测基准。在数据层面，采用34种伪造方法生成和收集了超过140万条图片/视频。相较其他人脸伪造检测评测基准，DeepFaceGen包含了伪造架构更加多样、伪造方式更加丰富、伪造模态更加全面和人种数据更加公平的特点，实现了伪造人脸检测领域内首个全面评测基准的构建。在评测层面，采用了主流的20种评测模型，从模型在全面伪造数据上的多方面性能表现归纳出13条规律发现，涵盖了频域特征、空域特征、数据检测难度差异、噪声重建差异以及人脸细粒度属性影响等五个方面，揭示了人脸伪造数据与检测技术中的共性与差异。

感兴趣的组织和个人可以通过下方提供的Openxlab和GitHub开源地址访问和下载相关代码。