Los métodos existentes de detección de deepfakes dependen en gran medida de distribuciones específicas de datos de entrenamiento y tienen dificultades para generalizar a técnicas de falsificación desconocidas. Para abordar el desafío, este documento se centra en dos lagunas críticas de investigación: (1) la falta de minería sistemática de características estándar en múltiples métodos de falsificación; (2) el problema no resuelto de cambio de distribución en el paradigma de aprendizaje supervisado fuerte.