应用研究 / 应用研究 / 研究解读
DNA：揭示通用的潜在伪造知识
从预训练模型中寻找已有的伪造敏感锚点，为鉴伪提供内部知识依据。
核心内容
DNA 通过由粗到细的过程，在冻结视觉骨干中寻找伪造判别单元。层级几何分析缩小搜索范围，三因素评分与曲率选择进一步定位稀疏单元，再由轻量检测器利用这些单元区分真实与合成图像。
HIFI-Gen 评估关注向训练之外生成器和架构的迁移，检验选出的表征能否承载可复用的取证信息，超越构建检测器时已经见过的生成来源。
FDU伪造判别单元
少样本有限监督检测
HIFI-Gen高保真生成基准
可迁移的伪造检测，可以从预训练特征中已有的判别结构出发。
由粗到细的取证搜索
层定位与判别单元选择，从冻结骨干中提取紧凑的检测接口。
查看论文原图为什么研究这个问题
下游适配可能掩盖预训练模型中原本就存在的鉴伪成分。这项工作研究：是否能定位一组紧凑的内部单元，并将其作为检测的主要依据。
方法如何工作
- 通过特征解耦与注意力分布变化，定位模型关注从全局语义转向局部异常的关键中间层。
- 结合三因素融合评分与曲率截断策略，筛除语义冗余并选择伪造判别单元。
- 基于所选锚点开展检测评估，并引入 HIFI-Gen 高保真生成图像基准。
类别几何在哪里发生变化？
真实与合成图像分布之间的逐层距离，为定位提供依据。
查看论文原图实验发现了什么
论文报告了较强的少样本检测表现，并考察了跨架构与未见生成模型下的稳健性。这些实验用于检验所选内部锚点在分布变化时是否仍具有检测价值。
HIFI-Gen 上的未知生成器评估
原表检验对训练阶段之外生成器架构的检测表现。
查看论文原图这项研究意味着什么
取证研究的重要问题，是生成技术变化后还剩下哪些可靠信号。内部定位使这一问题能够在表征层面展开：当合成图像的来源改变时，哪些判别坐标仍然有用，它们又依赖哪些视觉统计。
这项工作给出了从预训练知识到紧凑、可检查检测接口的路径。泛化能力仍需由实际分布变化来验证；面向更广泛应用，需要持续覆盖新生成器、后处理流程与真实图像分布。
论文与相关资源
本文为论文介绍，方法定义、实验设置与完整结果请参见论文原文。
引用这项研究
@misc{dna,
title = {DNA: Uncovering Universal Latent Forgery Knowledge},
author = {Dou, Jingtong and Shi, Chuancheng and Wang, Yemin and Guo, Shiming and Yi, Anqi and Wu, Wenhua and Zhang, Li and Shen, Fei and Chua, Tat-Seng},
year = {2026},
eprint = {2601.22515},
archivePrefix = {arXiv},
url = {https://arxiv.org/abs/2601.22515}
}