本文共 620 字，大约阅读时间需要 2 分钟。

北京交通大学赵耀、陶仁帅团队联合苏黎世联邦理工学院的研究人员近日在AAAI 2025上发表了一篇重要研究论文，题目为《ODDN：Addressing Unpaired Data Challenges in Open-World Deepfake Detection on Online Social Networks》。该研究提出了一个创新的深伪检测任务——非配对数据下的开放世界深伪检测，旨在解决真实社交媒体检测场景下配对数据稀缺的问题。

论文提出了一种名为ODDN的新方法，核心组件包括开放世界数据聚合（ODA）和压缩丢失梯度校正（CGC）。ODA通过聚合压缩与未压缩的真假数据，建立多维度特征模型。CGC则通过梯度取反和矫正技术，优化模型对压缩伪造特征的关注度。研究者设计了两个下游任务：基础的二分类任务和压缩判别任务，分别针对伪造检测和压缩信息提取。

实验结果显示，所提方法在多个数据集上的性能优越，能够有效处理不同压缩质量和压缩方法下的复杂场景。研究团队还通过消融实验验证了各组件的有效性，为未配对数据下的深伪检测提供了新的解决思路。

该研究不仅推动了深度伪造检测领域的发展，还为在线社交平台打击伪造信息提供了重要技术支撑。研究人员表示，这项工作为未来相关领域的研究奠定了坚实基础。

主要作者陶仁帅是北京交通大学副教授，团队成员包括李满毅、赵耀等多位资深科研人员。他们的研究成果已在多个顶级数据集上取得突破性进展，吸引了广泛关注。