本研究提出了一种新颖的检测框架，通过分析二维码的结构和像素模式，针对二维码钓鱼攻击（“Quishing”）的安全威胁。研究表明，二维码的结构特征与钓鱼风险显著相关，为未来的防御措施提供了基础。

该研究提出了一种轻量级可解释的深度伪造检测框架，旨在应对深度伪造技术带来的社会和法律威胁。通过融合混合面部特征和心率特征，该框架能够有效检测多种深度伪造，且性能优于现有方法。

本研究针对多光谱物体检测中的特征提取和融合策略，提出了有效的训练技术和首个公平可重复的基准，系统评估现有方法的表现，并介绍了一种高效的多光谱检测框架，推动了该技术的发展。

本研究提出了一种新颖的检测框架，结合深度支持向量数据描述模型与扫描B检验，快速识别MIMO通信系统附近的非合作性可重构智能表面，提升了检测精度并降低了计算复杂性。

该研究介绍了首个真实音频-视觉深度伪造数据库SWAN-DF，展示了高质量的嘴唇与语音同步。研究表明，调整预训练模型可以成功欺骗识别系统，并使用Whisper模型提高声音DeepFake检测的准确性。此外，提出了新的深度伪造检测框架和算法，以增强音频的真实性和媒体身份验证。

本文构建了一个视频数据集，使用扩散式视频生成算法和多种语义内容生成退化样本。通过分析AI生成视频的时间缺陷，构建了一个新的检测框架，通过学习局部运动信息和全局外观变化来暴露伪造视频。实验评估了不同检测方法的泛化性和鲁棒性，结果可作为基线，并展示未来研究的挑战。

本文介绍了一种基于生理测量的新型DeepFake检测框架，利用远程光电测量心率方法分析视频中与皮肤颜色变化相关的信息，以更好地检测DeepFake视频。该框架在Celeb-DF和DFDC数据库上达到了98%以上的AUC，证明了其成功检测最新的DeepFake视频。

本文介绍了一种基于生理测量的新型DeepFake检测框架，利用远程光电测量心率（rPPG）方法来分析视频序列中与人类皮肤微小颜色变化相关的信息，以便更好地检测制造的DeepFake视频。该检测方法在Celeb-DF和DFDC数据库上达到了98%以上的AUC，超过了现有技术的水平，并证明了基于生理测量的假检测器成功检测了最新的DeepFake视频。