计算机工程与应用

作者：潘苗绒, 王燚

单位：1.成都信息工程大学 网络空间安全学院（芯谷产业学院），成都 610225；2.先进密码技术与系统安全四川省重点实验室（芯谷产业学院），成都 610225；3.先进微处理器技术国家工程研究中心（工业控制与安全分中心），成都 610225；

关键词：图像伪造检测,网络安全,卷积神经网络（CNN）,Mamba,全局特征,局部特征

基金：四川省科技计划项目（2023YFG0292，2021ZYD0011）；国家社会科学基金（23BSH061）；体系与人工智能实验室开创基金。

图像伪造检测在网络安全领域中是一项基础且关键的任务。卷积神经网络（CNN）是当前图像伪造检测领域的主流方法，但CNN通常只能提取局部特征，难以捕获全局特征。为此，该研究提出了融合Mamba和ConvNeXt的双编码器结构，其中Mamba负责捕获全局上下文特征，ConvNeXt则聚焦于局部细节特征，通过两者的协同实现特征的综合提取。为了进一步强化关键特征表达，引入通道注意力模块（SE block），通过自适应调整特征通道的权重提升特征表达能力。针对伪造区域边界复杂带来的漏检问题，增加了边缘损失以提高模型对伪造轮廓的识别准确性。在CASIAv1等4个基准数据集上的实验表明，该方法在曲线下面积（AUC）分数和F1分数上分别平均提升0.015和0.054，显著优于现有方法，尤其在复杂伪影和模糊边界场景下展现出更强鲁棒性。

来源：2026年第5期

《计算机工程与应用》期刊编辑部

查看计算机工程与应用杂志2026年第5期