【技术实现步骤摘要】
本专利技术涉及信息安全，具体地说是基于主动感知哈希水印的深度人脸伪造检测方法及系统。
技术介绍
1、随着deepfake技术的兴起，尽管给电影制作和娱乐带来便利，但滥用将导致隐私泄露问题。现有深度伪造检测主要在事后，无法提前防范。生成式对抗网络的发展使得图像生成更真实，但也加剧了深度伪造的滥用，包括政治错误信息和假新闻。在这个时代，任何人都可轻松创造看似真实的内容，但深度伪造的失控可能导致信任危机和道德恐慌。因此，深度伪造的预防和取证变得迫在眉睫，尤其是随着生成对抗网络技术的飞速发展，使得深度伪造更逼真。其滥用不仅损害了公众人物权益，还威胁国家安全和社会稳定。
2、尽管当前深度造假检测主要采用被动方法，通过提取各种特征来分类真假人脸，这些被动检测器在面对新的deepfake生成方法时存在显著的限制。被动检测的泛化性能下降，无法有效对抗未知的深度造假算法。尽管一些最新研究尝试通过学习常见的伪像来改善被动检测，如混合边界、光谱异常、时间不一致性等，但面对后处理操作或对抗扰动时仍然存在性能不足的问题。
3、为了应对这一...
【技术保护点】
1.一种基于主动感知哈希水印的深度人脸伪造检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于主动感知哈希水印的深度人脸伪造检测方法，其特征在于，基于对应非人脸区域计算感知哈希值作为其水印信息，包括如下步骤：
3.根据权利要求1所述的基于主动感知哈希水印的深度人脸伪造检测方法，其特征在于，基于训练集对隐写网络模型进行模型训练时，对于编码器，以人脸图像和水印信息为输入，基于其输入的人脸图像以及输出的载密人脸图像之间的均方误差损失构建损失函数，损失函数MSELoss计算公式如下：
4.根据权利要求1所述的基于主动感知哈希水...
【技术特征摘要】
1.一种基于主动感知哈希水印的深度人脸伪造检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于主动感知哈希水印的深度人脸伪造检测方法，其特征在于，基于对应非人脸区域计算感知哈希值作为其水印信息，包括如下步骤：
3.根据权利要求1所述的基于主动感知哈希水印的深度人脸伪造检测方法，其特征在于，基于训练集对隐写网络模型进行模型训练时，对于编码器，以人脸图像和水印信息为输入，基于其输入的人脸图像以及输出的载密人脸图像之间的均方误差损失构建损失函数，损失函数mseloss计算公式如下：
4.根据权利要求1所述的基于主动感知哈希水印的深度人脸伪造检测方法，其特征在于，图像检测包括如下步骤：
5.一种基于主动感知哈希水印的深度人脸伪造检测系统，其特征在于，用于通过如权利要求1-4任一项所述的一...
【专利技术属性】
技术研发人员：李健，李栓栓，马宾，王春鹏，周琳娜，
申请(专利权)人：齐鲁工业大学山东省科学院，
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。