深度伪造检测方法、系统、计算机设备及存储介质技术方案

本发明专利技术涉及一种深度伪造检测方法、系统、计算机设备及存储介质，所述方法包括：获取包含深度伪造图像的数据集，所述数据集具有多个特征域；对所述数据集进行关于特征的因果关系分析，得到特征因果图；构建用于深度伪造检测的深度神经网络模型；将待检测的图像数据输入所述深度神经网络模型进行深度伪造检测，输出得到所述图像数据对应的深度伪造检测结果。本发明专利技术的方法以因果推断理论指导数据偏差分析，并引入不变风险最小化策略作为检测模型的损失约束，同时，将检测任务拆解为多个子任务，并通过特征对齐及联合训练策略保留特定信息并消除无关偏差，实现了实现高效的特征提取和融合，提高了深度伪造检测模型在复杂多变场景下的检测精度。

【技术实现步骤摘要】

本专利技术适用于人工智能技术应用领域，尤其涉及一种深度伪造检测方法、系统、计算机设备及存储介质。

技术介绍

1、深度伪造(deepfake)是一种将图片或视频合并叠加到源图片或视频上，将个人的声音、面部表情及身体动作拼接合成虚假内容的技术。近年来，深度伪造技术的广泛应用虽带来了媒体创作的多样性，但其合成内容也极易被滥用于身份欺诈、虚假信息传播和数字骚扰等场景。

2、现有深度伪造检测方法大多基于深度神经网络，该模型通常使用最小化经验风险方法(erm)进行训练。然而，该方法容易捕捉到数据中无关的偏差信息，从而在现实环境下出现泛化性能差的问题。

3、另一方面，深度神经网络使用的数据集的构建通常通过从大量真实数据中经过模拟得到伪造数据，但由于图片或视频中的人像会受到不同种族深度伪造技术及其他环境因素的影响，数据存在明显的选择性偏差和混杂因素，导致现有的检测方法在实际应用时效果不理想。

技术实现思路

1、本专利技术提供一种深度伪造检测方法、系统、计算机设备及存储介质，旨在解决现有方法存在的数据偏本文档来自技高网...

【技术保护点】

1.一种深度伪造检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的深度伪造检测方法，其特征在于，所述因果不变性学习模块中，根据所述特征因果图进行偏差分析，识别出因果不变特征的步骤，包括以下子步骤：

3.根据权利要求2所述的深度伪造检测方法，其特征在于，所述因果不变性学习模块还用于：

4.根据权利要求1所述的深度伪造检测方法，其特征在于，将所有所述检测子结果进行整合后输出的步骤，具体为：

5.根据权利要求1所述的深度伪造检测方法，其特征在于，所述因果不变性学习模块中，使不同的所述子任务之间对所述因果不变特征进行特征对齐时，使用最大...

【技术特征摘要】

1.一种深度伪造检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的深度伪造检测方法，其特征在于，所述因果不变性学习模块中，根据所述特征因果图进行偏差分析，识别出因果不变特征的步骤，包括以下子步骤：

3.根据权利要求2所述的深度伪造检测方法，其特征在于，所述因果不变性学习模块还用于：

4.根据权利要求1所述的深度伪造检测方法，其特征在于，将所有所述检测子结果进行整合后输出的步骤，具体为：

5.根据权利要求1所述的深度伪造检测方法，其特征在于，所述因果不变性学习模块中，使不同的所述子任务之间对所述因果不变特征进行特征对齐时，使用最大均值差异对齐。

6.根据权利要求1所述的深度伪造检测方法，其特征在于，将待...

【专利技术属性】
技术研发人员：王根平，黄文，吴昊，戴涛，
申请(专利权)人：深圳市深侬信息科技有限公司，
类型：发明
国别省市：