本發(fā)明涉及機械學習技術(shù)領(lǐng)域，具體涉及一種基于強化學習DQN算法的Deepfake檢測方法，包括如下步驟：步驟1，采集樣本數(shù)據(jù)劃分為訓練集S和測試集T；步驟2，將訓練集S輸入Q網(wǎng)絡(luò)，將訓練集S的[狀態(tài)?動作對](s_i,a_i)和Q網(wǎng)絡(luò)輸出的Q(s_i,a′_i)輸入到判別器D中，獲得置信度δ；用置信度δ求導更新Q網(wǎng)絡(luò)的模型參數(shù)θ_i，得到Q網(wǎng)絡(luò)檢測模型；步驟3，測試Q網(wǎng)絡(luò)；步驟4，將Q網(wǎng)絡(luò)檢測模型應(yīng)用于Deepfake的真假判別中。本發(fā)明通過強化學習DQN算法用一組真假已知的樣本來訓練一個Q網(wǎng)絡(luò)，通過強化學習DQN算法更新Q值，最終使Q網(wǎng)絡(luò)訓練成為一個能對視頻或圖片的真假做出判斷的模型，不需要設(shè)計復雜的框架結(jié)構(gòu)，泛化能力強，應(yīng)用場景廣泛。