🔍 耿同学打假报告

论文信息

• 论文来源：谢晨.pdf（实际提取信息显示作者名为谢琛）
• 标题：基于多尺度特征和注意力机制的深度图像隐写分析研究
• 作者：谢琛
• 指导教师：武相军教授
• 机构：河南大学
• 学位类别：工程硕士（硕士学位论文）
• 完成时间：二〇二三年六月

综合评定：🟡 存疑（疑似存在数据复用与时间成本编造）

详细发现

发现 1：数据造假检测（基线对比数据复制粘贴痕迹明显）

• 位置：第3章 表3-1（第24页） 与 第4章 表4-1（第41页）
• 描述：作者在两章分别提出了两个不同的模型（第三章轻量级半学习模型，第四章端到端全学习模型），但在与基线模型（Yedroudj-Net 和 SRNet）进行对比时，两个不同章节、不同实验设置（见发现2）下的基线模型检测错误率竟然精确到了小数点后两位完全一致。
• 证据：
  • 表3-1中，SRNet 检测 S-UNIWARD (0.4bpp) 的错误率为 16.49%，Yedroudj-Net 为 22.19%；检测 WOW (0.4bpp) 时 SRNet 为 13.73%。
  • 表4-1中，SRNet 检测 S-UNIWARD (0.4bpp) 的错误率同样是 16.49%，Yedroudj-Net 同样是 22.19%；检测 WOW (0.4bpp) 时 SRNet 同样是 13.73%。
  • 所有基线模型在相同载荷下的十几组数据在两表中呈现出100%的完全重合。
• 严重程度：🟠 高度可疑（在深度学习训练中，受随机种子、初始化、批大小等因素影响，两次独立训练得到完全相同到小数点后两位的测试错误率，在现实中几乎是不可能的，极大概率为直接复制粘贴了上一章的对比数据）。

发现 2：方法学与统计学异常（Batch Size 改变，结果却不变）

• 位置：第3章 3.3.1节 与 第4章 4.3.1节
• 描述：两章的实验超参数设置存在明显冲突，这直接否定了发现1中数据相同的合理性。
• 证据：
  • 第3章（3.3.1节）明确写道：“固定设置每批的大小为16”。
  • 第4章（4.3.1节）明确写道：“每个批次的数据输入量为8对”。
  • 在Batch Size从16变成8的情况下，Batch Normalization（批归一化）层的统计特性会发生显著改变，模型的收敛轨迹和最终检测错误率必然发生变化。然而作者在表3-1和表4-1中汇报的基线模型数据却一模一样。这进一步坐实了数据复用的嫌疑。
• 严重程度：🟠 高度可疑

发现 3：数据造假检测（模型推理时间违背物理常识）

• 位置：第3章 表3-3（第28页）
• 描述：表中记录了不同模型的参数量、计算量和平均测试时间。其中，作者提出的轻量化模型参数量极小，但测试时间却最长，且所有模型的测试时间出奇的一致。
• 证据：
  • Yedroudj-Net：444.08k参数，测试时间 39.74s
  • SRNet：4776.96k参数（大十倍），测试时间 39.04s
  • GBRAS-Net：167.28k参数，测试时间 39.43s
  • 作者模型：77.64k参数（极小），测试时间 40.21s（最长！）
• 严重程度：🟡 存疑（一个参数量仅为别人1/60的轻量级模型，在同一张显卡上跑同一批数据，推理时间反而比超大模型还要慢，这在硬件层面极不合理。极有可能是作者为了凑数编造的时间，或者受限于极差的代码实现——如使用了极多的for循环而非矩阵运算，但作者在文中并未提及任何特殊实现机制）。

发现 4：图片复用与拼接检测（受限于文本无法直接断定）

• 位置：图3-8（第25页）、图4-7（第43页）等训练曲线图；图3-9、图4-8等ROC曲线图
• 描述：文本提取中无法显示图片像素，但从行文逻辑来看，作者喜欢展示极其平滑且具有明显差距的“完美验证精度曲线”。
• 证据：文本未提供足够的图片信息，无法进行像素级分析。
• 严重程度：⚪ 无法判断（建议后续获取原版PDF进行图像分析，重点关注曲线是否由脚本直接生成，或是用绘图软件拼凑修改）。

耿同学辣评

这位同学的论文，生动诠释了什么叫**“深度学习炼丹全靠Ctrl+C和Ctrl+V”**。第三章调了半天参数出图，第四章换了个网络结构，结果对比的别人家的基线数据，连小数点后两位都不带变的！Batch Size 从 16 改到 8，模型就像被施了定身法，错误率稳如泰山。最离谱的是表3-3里的推理时间，一个只有 77k 参数的“轻量级模型”，跑测试集居然比四百多万参数的 SRNet 还要慢！难道是因为模型太小，显卡觉得无聊故意罢工了吗？这种“凑数据”的痕迹过于明显，学术严谨性让人捏一把汗。

建议后续行动

• 提交至相关学术打假平台（如 PubPeer）进行公开讨论（尽管为硕士论文，但在数据透明度上存在严重瑕疵）。
• 要求原作者提供 SRNet 和 Yedroudj-Net 在第三章和第四章实验中的原始训练 log 文件，以证明不同 Batch Size 下确实得到了完全相同的检测精度。
• 要求作者公开代码仓库，核实“轻量级模型测试时间反而更长”的根本原因。

⚠️ 免责声明

本报告由 AI 辅助生成，仅供学术讨论参考。
学术不端的最终认定需要专业机构调查。
我们支持学术诚信，但也尊重每一位研究者的名誉权。
如有异议，请以官方调查结论为准。
本工具不保证检测结果的准确性，误报和漏报均有可能。