生成对抗网络（GAN）在深度伪造中是如何工作的？

1. 生成器与鉴别器的对抗博弈

生成对抗网络（Generative Adversarial Network，GAN）是深度伪造最经典的技术引擎，包含生成器与鉴别器两大组件。生成器负责生成逼真的伪造内容，鉴别器负责判断内容真伪，二者同步训练、相互较量——生成器不断优化生成策略以迷惑鉴别器，鉴别器则持续提升鉴别能力以识破新手段。

2. 自编码器实现人脸共享表示

在人脸替换类深度伪造中，常用自编码器（Autoencoder）架构：一个共享编码器同时学习两张目标人脸的压缩表示，再由各自的解码器还原为对应人脸。训练完成后，将源人脸编码后送入目标人脸的解码器，即可生成"换脸"结果，保留目标人物的身份特征与姿态表情。

3. 对抗训练推动逼真度提升

生成器与鉴别器的对抗过程会持续推动生成质量提升。早期深度伪造常出现表情僵硬、边缘模糊、光影违和等问题，正是对抗训练不够充分的表现；随着训练迭代与架构改进，伪造内容在眨眼、牙齿纹理、皮肤质感等微观特征上日益仿真，检测难度也随之上升。