这种方法产生的篡改图像与常规篡改方式产生的图像有很大区别,篡改区域与真实区域往往在统计特征、边缘伪影等方面极为相似。 因此,如何提取有效特征将会是检测的难点之一。 GAN框架由生成器和鉴别器构成,二者都是深度学习网络。 生成器负责生成真假难辨的图像,鉴别器负责对图像进行鉴别,当鉴别器无法鉴别出生成图像的时候,图像被输出。 采用这种方式产生的图像通常是常规深度学习网络无法检测出具体类别的,生成方法对于深度学习鉴别方法鲁棒性很强。 因此如何设计有效的网络结构去学习人眼无法发现的篡改线索也是检测的难点之一。 面对复杂的深度学习篡改图像,研究者们从2017年起开始了逐步探索。 2017年Nicolas Rahmouni等人 [ 57 ]首次尝试对计算机生成的篡改图像进行鉴别。