伪造图像或视频的检测一直是计算机视觉与信息安全领域的研究重点。随着诸如自动编码器和生成对抗网络等深度生成模型的显著发展与进步,人们现在可以轻松地使用开源工具甚至移动应用操纵图像和视频。最为知名的deepfake是指基于深度学习制作的虚假多媒体内容,即深度伪造。鉴于deepfake较低的制作门槛且高质量的伪造效果,这些技术很容易被恶意者滥用,包括传播虚假新闻,色情报复,金融欺诈甚至影响政治舆论。因此,行之有效的deepfake检测技术是迫切而重要的需求。虽然deepfake检测算法得到了许多关注和研究,但当前的方法仍存在如下局限性:第一,一些局部操纵方法伪造的和高质量的deepfake仅存在细微的伪造伪影,导致大多数检测方法的有效性不足。第二,检测算法在现实应用中的鲁棒性不强,如上传至社交媒体平台的伪造图像或视频通常经过不同程度压缩的场景。第三,现有的检测模型通常直接使用数据训练深度神经网络进行分类学习,虽然它们在数据集内的测试结果可观,但在跨不同数据集或伪造方法进行检测时的泛化性严重不足。为了应对这些挑战,旨在提升deepfake检测的有效性,泛化性和鲁棒性,本文基于伪造缺陷与语义对比对deepfake检测进行了研究,并提出了两个创新性的方法。针对检测不同deepfake操纵方法的有效性以及在压缩环境下的鲁棒性,本文提出了一个基于空域与频域中局部伪造缺陷的deepfake检测算法,命名为局部伪影感知的deepfake检测网络（LA-Net）。该算法的研究旨在放大真实图像与伪造图像在空域和频域中隐含的局部差异,而不是特定的外观特征。该工作创新性地设计了两个模块:局部风格提取模块（LSEB）在空域中对局部风格进行编码,从而提取更具判别性的特征;Patch-wise频谱交互注意模块（PFSCA）在频域中交互地挖掘幅度谱和相位谱上的局部伪造伪影。通过双分支的深度学习网络,该算法同时在空域和频域中捕获细微的局部伪造缺陷。在不同操纵方法和压缩场景下的大量实验证明了提出的deepfake检测方法的有效性和鲁棒性。为了提升deepfake检测的泛化性,本文工作关注到了各种deepfake伪造算法主要是对人脸所蕴含的内容和信息进行操纵。以人脸语义内容存在的伪造缺陷为突破口,本文创新性地提出了一种基于语义分割与对比分类的检测算法。该方法将人脸语义内容和非语义内容进行分割,并针对语义特征进行额外地对比学习。语义分割使能在语义内容中学习不同deepfake之间共同的伪造缺陷。对比学习强迫编码空间中同类特征更紧凑且异类特征的间隔更大,这进一步提升了模型泛化性。通过大量的跨数据集测试实验和对比评估,证明了提出的方法能显著改善当前基于深度卷积神经网络的deepfake检测模型的泛化能力。