近年来,社会上有关“换脸”的负面报道层出不穷,例如捏造多媒体虚假新闻来侵犯公民隐私名誉,危害个人财产安全等。因此,发展高效可靠的人脸伪造鉴别技术,保护网络空间中十分重要的人脸安全,成为了当下备受关注且亟待解决的问题。目前,人脸伪造检测方法主要分为基于人工特征、基于深度学习、基于多任务迁移、基于伪造过程、和基于数字水印5类方法。其中,大部分检测方法都是从整个面部区域提取视觉特征,虽然在大型公开数据集上取得了较好的检测效果,但是这些通用的检测方法却很难处理局部区域篡改情况,例如唇型篡改。配合语音替换的唇型篡改是危害最大的一类深度伪造技术。一方面,唇型篡改只修改面部局部区域,修改较小,当前缺少专门的高准确性检测方法;另一方面,已有检测方法的鲁棒性不强,视频压缩等操作会导致检测准确性大幅下降。为了提升唇型篡改检测的准确性和鲁棒性,本文从多音素选择和空频域结合两个角度研究检测方法。研究工作的主要创新点与成果归纳如下:（1）基于多音素选择的唇型篡改检测方法为了提升唇型篡改检测的准确性,本文提出了基于多音素选择的唇型篡改检测方法。首先在音素和唇型之间建立了 12种鲁棒映射,并根据映射对唇型帧进行分类,区别于以往通用方法按时间顺序直接对视频帧进行预处理的操作。然后测量真假唇型的开合幅度差值,选择差值大的音素训练对应的子分类模型进行集成判断,最大限度地提高真假唇型的可区分性。进一步地,根据不同伪造方法在唇型开合幅度上的共性,筛选出特定的子模型进行集成,实现分类溯源多种篡改方法的目的。此外,还建立了一个新的自组织唇型篡改视频数据集,有利于后续唇型篡改检测工作的发展。实验表明,得益于音素-唇型映射的建立,本方法在真假二分类评估和多分类评估中与现有方法相比均取得了较高的检测准确率,AUC上分别达到了 91.60%和97.85%。特征可视化的结果也直观体现了唇型开合幅度的有效性。（2）基于空频域结合的唇型篡改检测方法无损条件下,基于多音素选择的检测方法能取得较好性能,但实际中广泛存在的压缩操作会对视频质量造成影响,导致其检测性能的下降,即检测方法的鲁棒性不强。针对这一问题,本文通过分析频率信息在图像结构和梯度反馈上的优势,提出了基于空频域结合的唇型篡改检测。空域上设计唇型特征提取网络,由自适应和轻量级注意力两个子模块组成,灵活应对脸部转动和遮挡等复杂场景;频域上设计频率特征提取网络,将低、中、高频先分离再堆叠,保持各分量间的独立性。在两路特征融合阶段与大多数均匀融合不同,采用唇型特征引导下的有侧重融合方法,抵抗压缩和图像尺寸缩放的影响。训练中,设计双重损失函数进行细粒度约束,分开不同特征的同时拉近相同特征。实验表明,频率信息的引入能有效改善压缩情况下的检测鲁棒性,在FaceForensics++数据集上的ACC和AUC分别为92.88%和95.07%,消融实验的结果也充分验证了重点模块的有效性。