近年来,随着多媒体技术和移动电子设备的飞速发展,多元化的数字视频为人们提供了丰富多彩的娱乐生活和极其便利的工作方式,也已成为生活中不可或缺的元素。但是,仍有心怀叵测之人为了眼前的利益,对数字视频文件恶意篡改,随之而来的是众多信息安全问题,因此对数字视频的完整性、真实性和原始性进行有效检测是视频取证领域的重要保障。但现有的数字视频篡改检测算法存在特征提取能力不足和检测准确率不高等缺点。随着深度学习技术在图像识别和视频分类等领域取得了巨大成功之后,研究学者开始逐步将其应用于视频篡改检测任务中,并取得了不错的成果。本文在介绍了视频取证技术相关理论知识的基础上,围绕深度学习技术、深度学习网络模型以及视频帧内复制粘贴篡改检测展开了研究与探讨,主要工作如下:(1)提出一种基于卷积自动编码器的视频篡改检测算法。将卷积神经网络与自动编码器结合构建卷积自动编码器网络,根据数字视频特点,设置卷积核参数,进行特征提取。为了提高网络模型的检测性能,设计一种级联高通滤波器组对视频数据集进行高通滤波,凸显篡改痕迹,使网络模型可以更好地提取到篡改特征。对比实验结果表明,相比于传统检测算法,提出的视频篡改检测算法的检测准确率有明显提升。(2)提出一种基于全局-局部特征融合的视频篡改深度学习检测算法。针对现有数字视频取证算法存在检测准确率偏低、网络特征提取能力不足等问题,引入多网络特征融合,设计全局特征提取子网络与局部特征提取子网络分别对视频帧的全局信息和局部信息进行提取,最后通过特征融合层实现视频帧的全局特征和局部特征的特征融合,并应用于视频篡改检测。对比实验结果表明,相比于现有的视频篡改检测算法,本算法具有更强的特征提取能力,可以更准确地检测出篡改视频帧。