GAN模型生成图像检测方法综述

来源：计算机工程与应用杂志2024年第22期北京时间：

作者：谢天圻, 吴媛媛, 敬超, 孙伟恒

单位：成都理工大学 计算机与网络安全学院（示范性软件学院），成都 610059

摘要：生成对抗网络（generative adversarial network，GAN）作为生成高质量图像的强大工具，近年来在图像合成领域得到了广泛应用。然而，随着GAN技术的快速发展，引发了图像伪造和欺诈的严重担忧，特别是在新闻报道、身份认证以及司法取证等关键领域。这些伪造图像不仅难以辨别，还可能被用于传播虚假信息、实施诈骗，甚至在法律案件中造成难以弥补的损害。为应对这一挑战，研究者们提出了多种检测GAN生成图像的方法，主要可以分为基于特征识别的方法和基于数据驱动的方法。对于当前主要的GAN图像检测方法进行了系统梳理，并通过重训练实验验证了它们在不同数据集上的检测准确率。对未来GAN图像检测领域的发展趋势进行了展望，提出了潜在的研究方向，以推动该领域的进一步创新和发展。

关键词：生成对抗网络（GAN）,深度学习,伪造检测