本研究开发了一种多层卷积神经网络（CNN）模型，用于检测人脸图像的篡改。通过比较三种复杂的CNN架构，结果显示该模型在区分篡改与真实图像方面的准确率高达76%，超越了传统方法，突显了CNN在数字媒体验证中的潜力。

本文介绍了一种基于深度学习的音频和视频水印技术，旨在保护版权和检测篡改。提出的EditGuard框架实现高保真度的水印嵌入和篡改定位，AudioSeal技术专注于音频生成的真实性检测。这些技术在抗攻击性和隐蔽性方面表现优异，适用于大规模实时应用。

本文通过深度学习模型对多媒体数据进行篡改检测，并分析了公开可用的恶意篡改检测基准数据集。提供了篡改线索、深度学习架构清单和最先进的篡改检测方法。比较了深度学习方法与传统方法，并提供了最近篡改检测方法的关键见解。讨论了研究的空白、未来方向和结论。

抖音CV技术团队在ICDAR 2023的“Detecting Tampered Text in Images”比赛中获得第一名。团队使用自研的“CAS”算法，设计了“Classification After Segmentation”的二阶段分类器，并采用多种数据扩充的方式扩充训练样本。最终，团队采用加权平均的方式进行结果融合，并通过对比同源图片的差异获取可靠的局部篡改信息。