Dataset literature review on cyberlaw and forgery

Name: Dataset literature review on cyberlaw and forgery
Creator: Universitas Muhammadiyah Sidoarjo
Published: 2022-11-18T00:00:00+08:00

Zenodo2022-11-18 更新2026-04-07 收录

网络法律

伪造检测

数据链接：

https://zenodo.org/record/7332815 数据链接链接失效反馈

官方服务：

资源简介：

ini merupakan dataset dari literature review tentang hukum cyber dan forgery

提供机构：

Universitas Muhammadiyah Sidoarjo

创建时间：

2022-11-18

Forensics-Bench

伪造检测

视觉语言模型

Forensics-Bench是一个新的伪造检测评估基准套件，旨在评估大型视觉语言模型（LVLMs）在多种伪造检测任务中的表现，要求模型具备全面的识别、定位和推理能力。该数据集包含63,292个精心策划的多选视觉问题，涵盖112种独特的伪造检测类型，从5个角度进行分类：伪造语义、伪造模态、伪造任务、伪造类型和伪造模型。

github2025-04-12 更新1190

FFIW10K 人脸伪造数据集

人脸识别

伪造检测

FFIW10K 是由苏黎世联邦理工学院计算机视觉实验室、北京航空航天大学人工智能研究院和悉尼科技大学的研究人员于 2021 年发布的，相关论文成果为「Face Forensics in the Wild」。

超神经2024-09-05 更新770

dpaul93/CIFARFakeAugmented

图像分类

伪造检测

--- dataset_info: features: - name: image dtype: image - name: label dtype: class_label: names: '0': FAKE '1': REAL splits: - name: train num_by

Hugging Face2024-06-08 更新240

伪造人脸图像检测训练数据

伪造检测

AI安全

通过系统化数据处理和加工，伪造人脸检测的AI训练数据被转化为高质量、标注精确的训练集。该数据集覆盖了各种伪造人脸图像，伪造技术、面部表情变化、光照条件以及背景复杂度等多样化因素。数据清洗和预处理步骤确保了低质量或无关数据的剔除，并进行了标准化处理，确保数据的高度精确性，从而使模型能全面学习伪造人脸的特征，提升检测准确度。利用标注工具和流程，细化标注伪造类型、伪造区域及其相关特征，确保训练数据的准确

浙江省数据知识产权登记平台2024-11-27 更新890

DynamicSuperb/Scene_Fake

音频检测

伪造检测

--- dataset_info: features: - name: audio dtype: audio - name: file dtype: string - name: instruction dtype: string - name: label dtype: string splits: - name: test n

Hugging Face2024-06-10 更新270

Dataset literature review on cyberlaw and forgery

资源简介：

相关数据集