人脸一直是人类最重要的个体特征。在人脑认知中,我们主要是通过识别脸部来确定观察对象的身份;在人工智能中,人脸是最广泛采用的身份识别特征,人脸识别在各种身份验证场景中发挥着重要作用。从某种意义讲,人脸就是每个个体的身份标识。近几年,随着深度学习的发展,出现了替换、伪造人脸图像或视频的新技术——Deepfake（深度伪造）。这些利用深度网络模型生成的假脸图像和视频十分逼真,极易误导人们的判断,甚至能骗过人脸识别的计算机算法,危害极大。为应对这类新型信息安全问题,国内外已迅速展开相应的检测研究。考虑到视频的欺骗性更强,危害更大,本文重点关注假脸视频检测问题。现有文献提出的假脸视频检测算法在库内测试中可取得较为满意的实验结果,但在跨库测试中的准确率则普遍显著下降。算法泛化性能不足是当前深度假脸检测面临的主要挑战,也是制约该技术投入实用的主要技术瓶颈。对此,本文提出将假脸检测问题看作图像分割问题,利用分割网络识别视频帧中的真、假区域,在此基础上,进一步地构建原像素与噪声双流特征提取网络,并引入时域自注意力机制,充分利用假脸视频的时、空域篡改特征。具体地,本文工作包括以下几方面:1、研究分析了Meso Inception-4、MISLnet、Shallow Net V1、Inception-v3和Xception等五种经典的基于卷积神经网络的假脸视频检测器,在TIMIT、Face Forensics++和FFW等三个常用假脸视频数据库上进行了详细的库内和跨库实验,重点讨论了数据库划分方式、数据增广操作以及检测阈值选取等因素对检测器泛化性能的影响。2、基于第一项工作的分析结果,得出仅使用二值标签是影响假脸视频检测算法泛化性能的因素之一。从假脸篡改机制出发,将视频换脸视为特殊的拼接篡改问题,提出利用图像分割网络预测视频帧中的篡改区域,得到预测掩膜概率图;同时提出一种基于人脸区域与预测篡改区域交并比的视频帧真假判别准则。实验结果表明,该方法相比几种经典假脸视频检测算法在跨库检测中的半总错误率和准确率均有明显改进。3、为进一步提高检测性能,提出在原始像素外引入噪声模型,构建双流全卷积分割网络,从而增强空域篡改特征的检测能力。在此基础上,为利用假脸视频的时域篡改特征,设计了时域自注意力机制,该机制参考了自然语言处理中的经典模型,将单个视频帧视为单词,多个视频帧视为句子,利用前后帧的相关性对当前帧的检测进行补偿和纠正。所设计的时域自注意力双流全卷积分割网络在主流数据库上的库内和跨库检测中均取得了最优或接近最优的性能。该网络还可以通过调节自注意力机制参数,实现对单张假脸图片与一段假脸视频的兼容检测。