CRDA：基于强化学习的自适应数据增强改进深度伪造检测
Improving Deepfake Detection with Reinforcement Learning-Based Adaptive Data Augmentation
AI 导读
现有深度伪造检测的 SOTA 增强方法依赖固定策略，难以模拟真实伪造不断演化的复杂性。CRDA 框架用强化学习智能体根据检测器当前学习状态动态选择伪造操作、生成对抗样本，并以因果推断抑制虚假关联，引导检测器从简单到复杂逐步掌握多域伪造特征。实验显示，该方法在多个跨域数据集上超越 SOTA 方法，显著提升检测器泛化能力。