计算机应用研究

作者：吕仁堃,孙鹏,郎宇博,沈喆,孟辉,周纯冰,

单位：1.中国刑事警察学院公安信息技术与情报学院,沈阳110854；2.司法部司法鉴定重点实验室,上海200063；3.沈阳航空航天大学民航学院,沈阳110135；

关键词：深度伪造检验,图神经网络,自解释分析,先验信息,

基金：辽宁省教育厅科技创新团队项目(LJ222410175007)；司法部司法鉴定重点实验室开放课题(KF202317)；辽宁省研究生教育教学改革研究资助项目(LNYJG2023317)；沈阳市科技计划项目社会治理科技专项(24-213-3-41)；校级重点攻关计划资助项目(ZDGGJH2507)；；

针对现有基于传统深度学习的检测方法检测效果不佳、可解释性差的问题，提出一种基于高效自解释图神经网络（SE-EffGNN）的深度伪造检测方法。该方法由图结构构建、模型预测和解释分析三个部分组成。首先融合先验信息与局部空间信息，将待检测视频建模为语义引导的图结构数据，增强模型对伪造痕迹的感知能力；其次，构建SE-EffGNN网络，对节点特征实现分维度的特征编码，综合距离加权聚合和邻接边聚合更新节点表示，并引入通道门控单元和节点注意力模块捕捉伪造痕迹特征实现分类预测；最后对网络中距离加权模块、特征编码模块、节点注意力模块进行参数可视化，实现模型的自解释。实验结果表明，所提方法在主流数据集上的平均AUC达0.994 6，并通过网络学习参数可视化输出，提供可解释依据。其结果验证了SE-EffGNN在保持较高检测性能的同时，亦具备优异的可解释性。

来源：2026年第4期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2026年第4期