公开(公告)号：CN117218707B

公开(公告)日：2024-04-16

申请号：CN202311288250.5

申请日：2023-10-07

Applicant: 南京信息工程大学

Inventor： 陈北京 ,  岳鹏飞

IPC: G06V40/16 ,  G06V10/82 ,  G06N3/0464 ,  G06V40/40

Abstract: 本发明公开了一种基于积极扰动的Deepfake人脸检测方法，包括：将目标人脸图像输入训练好的生成器网络进行积极扰动的添加，得到带有积极扰动的生成图像；生成器网络包括超分辨率网络和噪声网络两个子网络；将生成图像输入真伪鉴别网络进行检测，输出目标人脸图像的预测标签，确定目标人脸图像的检测结果；其中所述生成器网络的构建训练方法包括：利用真假人脸图像对训练数据集，对生成器网络、真实图像特征鉴别器和伪造图像特征鉴别器网络进行迭代训练，直至生成器网络、真实图像特征鉴别器和伪造图像特征鉴别器网络的损失函数均达到对应的预设要求，得到训练好的生成器网络。对输入的人脸图像添加积极扰动，引导Deepfake人脸检测网络产生正确的分类。

公开(公告)号：CN117218707A

公开(公告)日：2023-12-12

申请号：CN202311288250.5

申请日：2023-10-07

Applicant: 南京信息工程大学

Inventor： 陈北京 ,  岳鹏飞

IPC: G06V40/16 ,  G06V10/82 ,  G06N3/0464 ,  G06V40/40

Abstract: 本发明公开了一种基于积极扰动的Deepfake人脸检测方法，包括：将目标人脸图像输入训练好的生成器网络进行积极扰动的添加，得到带有积极扰动的生成图像；生成器网络包括超分辨率网络和噪声网络两个子网络；将生成图像输入真伪鉴别网络进行检测，输出目标人脸图像的预测标签，确定目标人脸图像的检测结果；其中所述生成器网络的构建训练方法包括：利用真假人脸图像对训练数据集，对生成器网络、真实图像特征鉴别器和伪造图像特征鉴别器网络进行迭代训练，直至生成器网络、真实图像特征鉴别器和伪造图像特征鉴别器网络的损失函数均达到对应的预设要求，得到训练好的生成器网络。对输入的人脸图像添加积极扰动，引导Deepfake人脸检测网络产生正确的分类。