数字视频广泛应用于新闻传媒、司法鉴定、法庭取证等各个领域,然而随着信息技术的发展,越来越多强大的数字视频编辑技术得到开发和使用,更多的用户能够对视频进行自由随意的处理和修改,使得部分恶意用户有了可乘之机,视频的真实性和完整性难以保证。目前,被广泛使用的Deepfake技术能够通过交换不同人的脸部来创建伪造视频,使其几乎无法被人眼分辨,对信息安全构成严重的威胁。因此,本文基于深度学习技术研究Deepfake视频检测算法来揭示视频是否经过Deepfake技术篡改,验证视频数据的真实性,主要工作包括:（1）提出了基于时空特征的Deepfake视频检测算法。该算法设计了时间特征提取模块和空间特征提取模块,时间特征提取模块可以捕获Deepfake视频帧间不连续性,空间特征提取模块能够提取在空间域上的伪造痕迹。最后设计了相应的融合模块来挖掘两路特征隐含的互补优势。实验结果表明,与主流的基于空间特征的算法相比,所提模型在Celeb-DF、Face Forensics++两个数据集上的准确率分别提高了1.07%、3.13%。（2）提出了基于时空注意力的Deepfake视频检测算法。该算法提出特征提取模块和注意力引导的长短时记忆模块,以提取更有效的时空特征。首先,特征提取模块将分别从骨干网络的全连接层提取高级语义特征,以及从骨干网络的中层卷积层提取空间特征,然后将提取的特征图输入注意力引导的长短时记忆模块来学习时空信息。注意力引导的长短时记忆模块包括时间注意模块和时空注意模块,旨在关注视频中的关键伪影信息。实验结果表明,与流行的Deepfake检测算法相比,所提模型在Celeb-DF、Face Forensics++两个数据集上的准确率分别提高了1.33%、1.89%。（3）提出了基于跨模态时空融合的Deepfake视频检测算法。该算法采用空间卷积神经网络作为骨干网络提取视觉特征,同时设计了音频网络提取音频特征,并将其作为注意力流在空间维度上引导网络进行视觉建模。此外,设计了音视频交互模块以保证音视频特征的融合。实验结果表明,相较于目前先进的Deepfake检测算法,所提模型在Fakeavceleb、DFDC两个数据集上的准确率分别提高了3.87%、2.96%,进一步验证了所提模型在Deepfake视频检测任务上的有效性。