基于插件式部署的深度伪造及检测模型应用系统及方法技术方案

本发明专利技术特别涉及一种基于插件式部署的深度伪造及检测模型应用系统，包括应用层：使用户可以通过客户端与部署平台进行交互；Web服务层：用于封装部署平台的常用功能界面；应用服务层：用于对各模型推理服务进行服务部署、任务调度、GPU调度、结果保存以及程序监控操作；模型接口层：是所有插件化的、封装好的模型推理服务所提供的接口集合；模型部署层：用于部署封装好的模型推理服务和执行推理任务；数据存储层：用于存储各种临时或永久数据。通过该方案，一方面解决了不同的模型使用不同的AI框架的封装问题（封装成独立服务或docker，并暴露特定的接口）；另一方面解决了深度伪造模型升级或产生新的算法时，可以不停机实现新模型的横向扩展的问题。型的横向扩展的问题。型的横向扩展的问题。

【技术实现步骤摘要】
基于插件式部署的深度伪造及检测模型应用系统及方法


[0001]本专利技术涉及深度伪造及检测
，特别涉及一种基于插件式部署的深度伪造及检测模型应用系统及方法。

技术介绍

[0002]深度伪造技术是基于人工智能伪造音视频媒体的技术，尤其是基于深度学习的DeepFake类造假技术（如换脸视频、伪造声音、人脸合成、视频生成等）；深度伪造检测技术是对网络上的音视频等媒体进行检测，判断其是否为DeepFake伪造的音视频媒体的技术。深度伪造及检测技术均以深度学习等人工智能技术作为基础，目前各个研究团队进行深伪相关技术研究的时候，所使用的AI框架不同（tensorflow、caffe、pytorch、mxnet等）、版本不同、技术栈不同（C++、python、MATLAB等），从而造成所研究出来的深伪检测模型在工程化落地进行模型推演预测时遇到极大的困难。并且，由于深度伪造和检测技术是不断的在发展的，所以伪造和检测模型会持续的提供新的版本或新的算法，如何快速、无缝的将新的算法发布到算法工程化平台上，也是部署方式所需要重点解决的问题。<br/>[0003]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于插件式部署的深度伪造及检测模型应用系统，其特征在于：包括应用层：使用户可以通过客户端与部署平台进行交互；Web服务层：用于封装部署平台的常用功能界面；应用服务层：用于对各模型推理服务进行服务部署、任务调度、GPU调度、结果保存以及程序监控操作；模型接口层：是所有插件化的、封装好的模型推理服务所提供的接口集合；模型部署层：用于部署封装好的模型推理服务和执行推理任务；数据存储层：用于存储各种临时或永久数据。2.如权利要求1所述的基于插件式部署的深度伪造及检测模型应用系统，其特征在于：所述的应用服务层包括服务部署模块，用于将封装好的模型推理服务上传到GPU服务器进行部署运行；GPU调度模块，用于实现一台GPU服务器多个GPU显卡的资源利用监控和调配；任务调度模块，负责安排部署平台的伪造或检测任务的运行队列；结果保存模块，用于将每个伪造或检测任务的执行过程、结果信息存储到数据存储层中，并提供接口供Web服务层调用返回伪造或检测任务执行情况给前端页面；状态监测模块，用于监控每个伪造或检测任务的运行状况，负责监控模型推理服务是否异常停止；日志监控模块，负责维护每个模型推理服务以及整个部署平台的异常或运行日志。3.如权利要求1所述的基于插件式部署的深度伪造及检测模型应用系统，其特征在于：所述的模型接口层提供了两种接口，第一种接口提供调用模型推理服务功能，第二种接口获取模型推理服务的推理任务执行状态接口。4.如权利要求1所述的基于插件式部署的深度伪造及检测模型应用系统，其特征在于：所述的模型部署层是多个GPU服务器组成的集群，每个GPU服务器至少拥有一个GPU显卡。5.如权利要求1所述的基于插件式部署的深度伪造及检测模型应用系统，其特征在于：所述的数据存储层包括数据库、Redis缓存以及文件服务器，数据库保存部署平台的业务数据，Redis缓存保存服务运行期间所产生的临时数据用以提高系统的接口性能，文件服务器用来保存运行模型推理任务输入输出的多媒体文件和报告文件数据。6.如权利要求1所述的基于插件式部署的深度伪造及检测模型应用系统，其特征在于：所述的Web服务层包括用于供用户登陆及...

【专利技术属性】
技术研发人员：田辉，彭胜聪，郭玉刚，张志翔，
申请(专利权)人：合肥高维数据技术有限公司，
类型：发明
国别省市：