待验证90% 置信事实时间未知
深度伪造的核心原理基于生成对抗网络（GAN）或扩散模型，早期需要数百张照片和数小时训练时间
1
来源数
90%
置信度
长期有效
时效性
2026/5/31
首次发现
来源
武汉破获AI换脸盗号案：40万非法获利背后的深度伪造安全隐患
bilibiliIT先驱者
涉及实体
相关事实
待验证深度伪造技术的技术底座经历了从生成对抗网络（GAN）到扩散模型（Diffusion Model）的代际跃迁74% 相似待验证2020年代以来出现基于深度学习的侧信道攻击，研究者使用卷积神经网络从功耗轨迹自动提取特征，某些场景下能绕过传统硬件对抗措施69% 相似待验证深度学习中突破性的模型架构与训练技巧多为实践先行、理论解释滞后数年69% 相似待验证现代深度网络往往拥有数十亿乃至上万亿参数，远超训练样本数量，按经典统计学习理论应严重过拟合，实际上却展现出惊人的泛化能力69% 相似待验证2017年Shwartz-Ziv和Tishby的工作表明深度网络训练存在两个阶段：先拟合数据（增加与输入的互信息），再压缩表征（减少与输入互信息同时保持与输出互信息）69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/15286API
curl https://kongchang.com/api/v1/knowledge/claims/15286MCP
get_claim(id=15286)