《Scaling Laws for Deepfake Detection》
深度伪造检测的缩放律：ScaleDF数据集与关键洞见
深度伪造技术迅猛发展，正威胁社会安全，从误传信息到侵犯隐私，亟需可靠检测方法。在生成与检测的“军备竞赛”中，如何让检测模型适应层出不穷的新伪造形式？本文基于最新研究，系统探讨了数据规模与模型性能的预测关系，揭示了类似大语言模型的“规模定律”。通过构建史上最大数据集ScaleDF，本文证明：增加真实图像领域和伪造方法的多样性，能显著提升检测鲁棒性。这不仅仅是数据堆积，更是数据驱动的工程范式转变，帮助我们预估所需资源，主动应对AI伪造浪潮。
ScaleDF：前所未有的深度伪造检测数据集
现有数据集规模小、多样性不足（如DF40仅6个真实领域、40种伪造方法），难以支撑规模研究。为此，我们 curation 出ScaleDF——领域内最大数据集，涵盖51个真实图像数据集（领域，约580万张图像）和102种深度伪造生成方法（约880万张假图像），总计超1400万张面部图像/视频帧。
- 真实数据收集原则：包容性。我们整合所有公开可用真实面部数据集，覆盖面部检测、识别、年龄估计、表情分析、语音识别、遮挡鲁棒、多光谱生物识别等10大任务。排除多数专为深度伪造设计的集（如FaceForensics++例外，因其广泛使用），避免过拟合。每个数据集仅随机采样部分图像（如VGGFace2从331万中取20万），确保多样性和平衡。测试时采用“跨领域”评估，选择鲜见于近期大面部集的领域。
- 伪造数据生成：五类102种方法。参考最新综述，将伪造方法分为面部交换（FS，21种）、面部重演（FR，20种）、全脸合成（FF，24种）、面部属性编辑（FE，18种）和说话面部生成（TF，19种）。覆盖主要架构：仿射映射、3D建模、VAE、GAN、扩散模型、流匹配和自回归模型。生成时，使用训练真实数据产生训练伪造样本，测试数据产生测试样本，实现“跨方法”评估。视频采样3帧/秒，转为图像训练（未来可扩展时序伪造）。
与现有数据集比较（表1），ScaleDF在真实领域（51 vs. DF40的6）、伪造方法（102 vs. 40）、视频数（90万+ vs. 10万+）和图像总量上领先8-5倍。这不仅支持规模定律研究，还为未来检测系统奠基。
规模定律观察：性能可预测的幂律衰减
我们将深度伪造检测视为二元分类，使用Vision Transformer (ViT-Base)作为骨干，在ScaleDF上训练，评估7个基准（DeepFakeDetection、Celeb-DF V2等），指标为平均AUC和EER。关键发现：模型性能随数据规模呈幂律关系，无饱和迹象，类似于LLM和图像分类的规模定律。
- 随真实领域数（N）扩展：采样5-46个领域训练，检测误差（1-AUC）呈幂律衰减：1-\overline{AUC} = A \cdot N^{-\alpha} (A=0.729, \alpha=0.476, R^2=0.982)。例如，从5个领域到46个，平均AUC从0.62升至0.89。预测：达AUC 0.95需约300个领域。这强调多样性而非单纯数量——更多领域捕捉真实面部变异（如光照、姿势、人口统计），提升泛化。
- 随伪造方法数（N）扩展：采样11-88种方法，类似幂律：1-\overline{AUC} = A \cdot N^{-\alpha} (A=0.618, \alpha=0.375, R^2=0.990)。AUC从0.76升至0.89。预测：达AUC 0.95需约700种方法。EER分析一致（幂律，R^2>0.98）。这证明，覆盖新兴方法（如GPT-Image-1扩散模型）是反制伪造的关键。
- 随训练图像数（N）扩展：固定46领域+88方法，采样比例1/4至1/1000，总图像从1400万降至1.4万，双饱和幂律：1-\overline{AUC} = c + K(N + N_0)^{-\gamma} (c=0.112, K=2.1\times10^4, N_0=1.34\times10^5, \gamma=0.915, R^2=0.999)。性能在10^7图像后渐饱和，表明同源数据增量有限。但若扩展领域/方法，饱和阈值将推移——数据多样性是上限。
- 模型规模扩展：ViT从小（21.7M参数）到大（630M），性能至303M饱和（AUC 0.90）。ScaleDF当前支持300M模型；未来更多多样数据可解锁更大模型。
这些定律非图像数量驱动（采样1/10图像仅微降性能0.01 AUC），而是多样性所致。思考：这将检测从试错艺术转为数据工程——预估资源，优先采集新领域/方法，应对伪造演化。
规模下的附加观察：实用洞见与局限
规模化实验揭示更多：
- 预训练作用：在大规模ScaleDF上，ImageNet、CLIP、SigLIP预训练性能相似（AUC差女），需采样缓解公平性；未涉时序伪造或水印（如SynthID）。
结语：数据中心范式与未来方向
ScaleDF与规模定律证明：通过预测关系，我们可构建更鲁棒检测系统，聚焦多样性而非海量同质数据。这激发数据中心方法，反制伪造“军备竞赛”。然而，规模非灵丹妙药——对全新伪造仍需算法突破，如从多方法中提炼通用伪造表示。我们呼吁社区利用ScaleDF探索这些前沿，推动生成AI安全。
原论文链接：arxiv.org/abs/2510.16320
