KoDF

KoDF数据集是由韩国的MoneyBrain Inc.创建的一个大规模深度伪造检测数据集，专注于韩国主题。该数据集包含175,776个合成视频和62,166个真实视频，总计237,942个视频，涵盖了403个不同的主题。数据集中的合成样本由六种不同的合成模型生成，旨在平衡现有深度伪造检测数据库中亚洲人口的代表性不足。KoDF数据集通过控制参与者的年龄、性别和内容，更好地管理数据分布。该数据集的应用领域主要集中在提高深度伪造检测模型的泛化能力，以应对真实世界中的深度伪造问题。

The KoDF dataset is a large-scale deepfake detection dataset focused on Korean topics, created by MoneyBrain Inc. of South Korea. It contains 175,776 synthetic videos and 62,166 real videos, totaling 237,942 videos covering 403 distinct topics. The synthetic samples in the dataset are generated by six different synthesis models, aiming to address the underrepresentation of Asian populations in existing deepfake detection databases. The KoDF dataset better manages data distribution by controlling the age, gender and content of participants. Its main application scenarios focus on improving the generalization ability of deepfake detection models to tackle real-world deepfake issues.

搜集汇总

数据集介绍

构建方式

在深度伪造检测领域，数据集的构建质量直接影响模型的泛化能力。KoDF的构建采用系统化采集与合成流程，首先专门录制了403位韩国参与者的原始视频，通过众包和工作室两种模式控制年龄、性别和录制环境的分布。原始视频经过预处理后，采用六种不同的合成模型生成伪造视频，包括FaceSwap、DeepFaceLab等经典换脸模型，以及FOMM、Wav2Lip等重演模型，覆盖了多样化的伪造技术。所有合成视频均经过严格的人工质量筛选，确保仅保留高真实度的样本，同时数据集还引入了对抗攻击样本以模拟现实中的恶意规避行为。

特点

KoDF作为当前规模最大的公开深度伪造检测数据集，其显著特点体现在多个维度。数据集包含62,166段真实视频与175,776段伪造视频，总时长超过90天，在数量上超越了现有主流数据集。其核心特色在于针对亚洲人群的代表性补充，所有参与者均为韩国籍，有效平衡了现有数据集中东亚样本的不足。此外，数据集严格控制了参与者的年龄、性别与内容分布，并采用全高清分辨率录制，为后续数据增强提供了纯净的高质量基础。合成视频涵盖六种不同技术路径，包括换脸与面部重演等多种伪造范式，增强了数据的技术多样性。

使用方法

KoDF的设计旨在服务于深度伪造检测模型的训练与评估，其使用方法遵循严谨的机器学习流程。研究者可将该数据集与其他主流数据集（如FF++、DFDC）结合使用，以构建更具泛化能力的检测模型。在实际应用中，建议从数据集中均匀抽取样本，并利用其高分辨率特性进行可控的数据增强操作，如压缩、尺寸调整等，以模拟真实场景中的视频变换。数据集中包含的对抗攻击样本可用于测试模型的鲁棒性。评估时，可采用标准的面部提取与帧采样方法，并参照论文中的实验设置，在独立测试集上衡量模型在跨数据集场景下的性能表现，以验证其真实世界的适用性。

背景与挑战

背景概述

随着深度学习技术的迅猛发展，面部合成技术如换脸与面部重演已变得日益普及，由此产生的深度伪造内容引发了广泛的社会担忧。为应对这一新兴威胁，MoneyBrain Inc.的研究团队于2021年构建了韩国深度伪造检测数据集（KoDF），该数据集专注于韩国受试者，包含大量真实与合成视频。KoDF的创建旨在弥补现有深度伪造检测数据集中亚洲人口代表性不足的缺陷，通过精心设计的受试者分布与高质量样本，为深度伪造检测模型的开发与评估提供了重要资源，推动了该领域向更具泛化能力的方向发展。

当前挑战

KoDF数据集面临的挑战主要体现在两个方面：在领域问题层面，深度伪造检测需应对合成方法多样性带来的分布差异，单一数据集难以全面覆盖真实世界中的伪造实例，导致模型易过拟合于特定合成痕迹；在构建过程中，确保样本质量与多样性是一大难题，需通过人工筛查剔除低质量合成结果，并平衡不同合成模型的输出稳定性，同时还需处理受试者权利许可与数据分布控制等复杂问题，以保障数据集的可靠性与代表性。

常用场景

经典使用场景

在深度伪造检测领域，KoDF数据集常被用于训练和评估检测模型的泛化能力。该数据集通过整合六种不同的合成模型生成伪造视频，并包含大量韩国受试者的真实视频，弥补了现有数据集中亚洲人群代表性不足的缺陷。研究人员利用KoDF进行跨数据集实验，验证模型在面对多样化伪造技术时的鲁棒性，特别是在处理面部重演和音频驱动合成等新兴伪造手段时，KoDF提供了丰富的样本支持。

实际应用

在实际应用中，KoDF数据集被用于开发面向社交媒体和新闻媒体的深度伪造检测工具。其高质量的伪造视频样本有助于训练系统识别恶意伪造内容，防范虚假信息传播和身份欺诈。例如，在韩国本土的网络安全项目中，KoDF支持构建本地化检测模型，提升对亚洲面孔伪造视频的识别准确率，为政策制定和技术部署提供数据基础。

衍生相关工作

KoDF数据集的发布促进了多项相关研究，例如基于多数据集融合的检测框架开发。研究者利用KoDF与FF++、DFDC等数据集的互补性，设计出更通用的检测模型，如结合对抗训练的策略以提升鲁棒性。此外，KoDF中的音频驱动合成样本激发了针对跨模态伪造检测的新方法，推动了深度伪造检测领域向更全面、更精细的方向发展。