CCDF：真实监控场景的深伪检测基准

由于生成式人工智能的快速发展，商业视频生成工具可用于生成伪造的监控录像，从而欺骗人类观众和自动合成视频探测器。由于这些工具的访问范围非常广泛，恶意用户可以以最低的成本创建有害的视频剪辑。在犯罪报道和选举等高风险环境中制作和传播此类视频可能会误导应急响应工作或扭曲政治言论。研究社区用来开发 Deepfake 检测算法的现有 Deepfake 视频数据集存在两个局限性：（1）它们强调良性网络内容，而不是可能恶意活动的镜头；（2）它们依赖于较旧的或开源的生成器，而这些生成器并不代表生成系统的最新进展。我们组装了 CCtv DeepFakes (CCDF)，一个视频深度伪造数据集，以解决这两个问题。 CCDF 包含 1840 个视频（460 个真实视频和 1380 个生成视频），涵盖 16 个犯罪和事故类别，生成的内容使用三个领先的商业系统生成：Grok Imagine、Google VEO 3.1 和 OpenAI Sora 2。 CCDF 是一个高度真实、小规模、手动注释的数据集，旨在评估检测模型。我们发布了数据集的三个版本：原始生成的数据、清理后的版本（其中视频元数据在真实样本和合成样本之间进行标准化，以防止检测器利用琐碎的线索）以及模拟轻松后处理攻击的更改版本。我们使用涵盖不同检测方法的 10 个最新最先进的检测器来评估 CCDF。我们的结果表明，尽管这些方法在现有数据集上表现出色，但并不能可靠地区分 CCDF 生成的视频和真实视频。这些结果进一步证实现有数据集不太适合评估某些威胁。