本研究探讨重放攻击对音频深伪造检测的影响。通过不同扬声器和麦克风播放及重新录制深伪音频，伪造样本在检测模型中表现得更为真实。引入ReplayDF数据集，分析六个开源检测模型的脆弱性，发现顶级模型的错误率从4.7%上升至18.2%。

本研究提出了一种音频视觉联合学习方法（MACB-DF），旨在解决多模态检测中的学习不平衡问题。该方法通过对比学习促进模态融合，实验结果表明在多个深度伪造数据集上达到了95.5%的准确率，并提升了跨数据集的泛化能力。

本研究提出了一种新方法，结合空间和语义信息，提升面部深伪检测的泛化能力。该方法通过特征正交分离策略，在Celeb-DF和DFDC数据集上分别提高了5%和7%的准确率，优于现有技术。

本研究分析了文本到图像模型（T2I）带来的非自愿深度伪造风险，自2022年11月以来，该模型下载量接近1500万次，96%针对女性，强调了加强监管的必要性。

本研究提出了一种名为CapsFake的多模态胶囊网络，用于检测指令驱动的深伪造图像。该技术通过结合视觉、文本和频谱信息，显著提高了检测准确率，比现有方法提升了20%。

本研究探讨了面部深伪检测的框架，分析了不同深伪生成器产生的伪影。提出了面部不一致伪影和上采样伪影的分类方法，并设计了数据级伪造框架，发现仅用这些伪影训练的分类器能有效泛化到未见过的深伪。

本研究探讨了多模态大型语言模型在深度伪造图像检测中的潜力，发现其在零样本情况下表现优于传统方法，显示了未来多模态推理整合的可能性。

本研究提出了一种名为“真相透镜”的无训练框架，旨在提升深度伪造检测的可解释性。通过将检测任务转化为视觉问答，并结合视觉语言模型，增强了对图像真实性的识别与解释能力，从而提高用户信任。

谋智基金会推出的Fakespot Deepfake Detector扩展程序可以检测AI生成的文本，但操作繁琐且缺乏盈利模式，可能难以持续。该工具需要用户手动选择文本进行检测，实用性存疑，目前仅支持Firefox浏览器。

本研究提出了一种名为区域优化（RegO）的持续学习方法，以提高音频深度伪造检测的有效性。该方法通过优化重要神经区域，平衡存储稳定性与学习灵活性，实验结果显示错误接受率提高了21.3%。

本研究探讨了ChatGPT在视听深度伪造检测中的有效性，发现其在识别复杂伪造内容方面优于传统多模态模型和人类，强调了领域知识和提示工程的重要性。

本研究提出了一种基于变换器的深度伪造视频检测框架，通过利用运动信息中的方向性不一致模式来提升检测的普适性，并引入时空不变损失以防止过拟合。实验结果表明该方法有效且具有先进性能。

香港警方破获一个利用Deepfake技术诈骗的团伙，该团伙一年内骗取3.6亿港元。诈骗方式包括冒充女性在社交平台上诱导受害者投资加密货币。成员多为高学历年轻人，利用深度伪造技术增加可信度，组织架构现代化，分工明确。受害者遍布香港、内地、台湾、新加坡和印尼。

本研究分析了合成语音检测器在恶意攻击下的不足，特别是音频转码和背景噪音对其性能的影响，指出现有检测方法的脆弱性，并呼吁开发更强的检测技术以应对不断演变的威胁。

英国人才中介数据泄露，数万零工工人的护照和签证信息被公开。肯尼亚呼吁加强网络安全投资，保护储蓄和信贷合作社免受网络威胁。美国西雅图学区遭网络攻击，上万学生停课两天。新加坡提出立法禁止选举中使用Deepfake。62款知名App完成个人信息收集使用合规整改。

韩国男性使用AI换脸技术制作淫秽视频，侵害近千人，涉及200多所学校。韩国女性在中国社交平台上发求助帖，引起全球媒体关注。Deepfake技术可将一张脸替换成另一张脸，逼真程度高。AI换脸技术被滥用，涉及色情内容和诈骗。AI技术的发展为网络安全带来挑战，需要采取相应的防护措施。