基于CiteSpace的图像与视频中的深度伪造技术发展现状及检测方法研究
耿祥云 严留洋 丁颢航 周翔 殷弋晖

江苏警官学院，江苏南京，210031；

摘要：近年来，深度伪造技术（Deepfake）基于生成对抗网络（GAN）、扩散模型等技术快速发展，在图像与视频领域的滥用已引发隐私泄露、虚假信息传播、金融欺诈等社会风险。在理论层面，本文通过CiteSpace的文献计量与可视化分析功能来系统梳理图像与视频中的深度伪造技术及检测方法的研究脉络、核心热点与演化路径，致力于进一步填补该领域缺乏系统性趋势预测的空白，完善深度伪造技术的研究体系。在实际层面，本文意在助力技术落地与风险防控，为监管机构和互联网平台提供深度伪造技术的发展态势图谱，辅助制定针对性的技术规范与治理政策，降低深度伪造内容对社会信任、个人权益造成的影响。同时，本文旨在支撑检测技术优化，通过可视化图谱呈现的主流检测方法及其未来发展趋势，为企业、科研机构等研发更高效的检测工具提供实践参考，推动技术从实验室走向实际应用场景。

关键词：CiteSpace；深度伪造技术；图像伪造检测；视频伪造检测；发展现状

参考文献

[1]World Economic Forum. The Global Risks Report 2024[R]. Geneva: World Economic Forum, 2024.

[2]Zhang Y, Li J, Wang H, et al. HAMMER: A Multimodal Deepfake Detection Model for Image-Text Joint Tampering Localization[J]. IEEE Transactions on Information Forensics and Security, 2023, 18: 6221–6235.

[3]Chen C. Mapping Scientific Frontiers: The Quest for Knowledge Visualization[M]. London: Springer, 2003.

[4]陈超美.引文空间分析原理与应用（CiteSpace实用指南）[M].北京:科学出版社,2014.

[5]Chen C, Ibekwe-SanJuan F, Hou J. The structure and dynamics of co-citation clusters: A multiple-perspective analysis[J]. Journal of the American Society for Information Science and Technology, 2010, 61(7): 1386-1409.

[6]Li, J., Xie, H., Li, J., Wang, Z., & Zhang, Y. (2021). Frequency-aware discriminative feature learning supervised by single-center loss for face forgery detection. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (pp. 16264-16273).

[7]Zhao, H., Zhou, W., Chen, D., Wei, T., Zhang, W., & Yu, N. (2021). Multi-attentional deepfake detection. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (pp. 2185-2194).

[8]刘思雨.基于CiteSpace的《语言教学与研究》20年文献计量分析［D］．南京师范大学，2021．

[9]侯剑华．工商管理学科演进与前沿热点的可视化分析［D］．大连理工大学，2009．