本研究综述了最新的深度伪造检测器，并评估了它们在关键标准下的表现。通过考察16个主要检测器在多种攻击场景下的普适性，为深度伪造检测器的研究奠定了基础，并为制定防御策略提供了启示。

本论文提出了一种全面的深度伪造图像生成与识别的方法，并创建了名为DeepFakeFace (DFF)的数据集用于训练和测试算法。通过对DFF数据集的评估，提出了两种评估方法来测试深度伪造识别工具的强度和适应性。该研究突显了对深度伪造检测器的需求，并旨在促进更有效的抵御深度伪造的工具的发展。