【技术实现步骤摘要】
本专利技术涉及aigc伪造检测，尤其涉及一种基于深度融合网络的分布式aigc伪造检测方法。
技术介绍
1、近年来，随着人工智能合成技术在如文本语音转换、对象生成、对象替换等应用领域的快速发展，同时也不可避免带来很多安全问题。以人脸合成应用场景为例进行说明，通过人工智能合成技术，可以很方便生成高逼真度的人脸图像和视频，若恶意使用该技术生成伪造人脸音视频，进行虚假宣传、人脸身份认证等，将会造成重大资源损失。
2、由于人脸识别任务其对实时性的高要求和计算资源的密集使用，可以通过在云计算环境下展现出极大的应用潜力。然而，当这项任务部署在云计算平台时，可能会遇到一系列挑战，如网络带宽的限制和无线连接的不稳定性等，对传统典型的深度伪造检测任务而言，造成分类精度低，进而不能有效的评价模型性能的好坏。而伪造检测的准确率通常与模型的复杂度呈正相关。然而，传统的伪造检测方法在设计时并没有将模型的大小、计算消耗和推理效率考虑进来，导致它们远远无法满足真实世界中日益增长的、快速检测人脸伪造精度内容的迫切需求。
技术实现思
<本文档来自技高网...【技术保护点】
1.一种基于深度融合网络的分布式AIGC伪造检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于深度融合网络的分布式AIGC伪造检测方法，其特征在于，S2中构建的所述轻量化人脸目标检测网络包括输入层、SSH检测模块与特征金字塔网络模块；
3.根据权利要求2所述的一种基于深度融合网络的分布式AIGC伪造检测方法，其特征在于，S2中构建的所述AIGC面部鉴伪模型包括CNN分支网络、Transformer分支网络以及若干Conv-Attribution Map卷积注意力图模块；
4.根据权利要求3所述的一种基于深度融合网...
【技术特征摘要】
1.一种基于深度融合网络的分布式aigc伪造检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于深度融合网络的分布式aigc伪造检测方法，其特征在于，s2中构建的所述轻量化人脸目标检测网络包括输入层、ssh检测模块与特征金字塔网络模块；
3.根据权利要求2所述的一种基于深度融合网络的分布式aigc伪造检测方法，其特征在于，s2中构建的所述aigc面部鉴伪模型包括cnn分支网络、transformer分支网络以及若干conv-attribution map卷积注意力图模块；
4.根据权利要求3所述的一种基于深度融合网络...
【专利技术属性】
技术研发人员：杨婷婷，俸萍，刘纪伟，郭其鑫，何泽晨，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。