-
公开(公告)号：CN116913285A
公开(公告)日：2023-10-20
申请号：CN202310980913.3
申请日：2023-08-04
Applicant: 中国信息通信研究院
Abstract: 本发明公开了一种基于特定人音频的表征构建方法，涉及音频分析技术领域，具体步骤包括：步骤S100、获取特定人音频数据中的人声数据与环境数据；步骤S200、构建人声分析模型，对人声数据进行分析并生成人声分析系数；步骤S300、对所述人声数据与环境数据进行组合分析，生成环境分析系数；步骤S400、将人声分析系数和环境分析系数进行整合处理，对所述特定人音频音频数据进行表征参数的生成；步骤S500、对表征参数进行阈值分析，通过分析结果对所述特定人音频进行表征标记，本发明考虑了环境对音频的影响，从而更加全面地分析音频的真伪；采用实时手段进行数据的获取和处理，可以对特定人音频进行实时的表征和鉴定，增加了鉴定的实时性和准确性。
-
公开(公告)号：CN116781546A
公开(公告)日：2023-09-19
申请号：CN202310761030.3
申请日：2023-06-26
Applicant: 中国信息通信研究院
IPC: H04L43/04 , H04L41/16 , H04L9/40 , G06F18/24 , G06F18/214
Abstract: 本发明提供一种基于深度合成数据的异常检测方法和系统，通过检测点采样和构建网络拓扑建模预测流量途径的重要节点采样两种采样方式，得到两个不同的样本集，将两个样本集输入对抗性网络，计算两者之间的差异度，根据差异度调整流量途径的节点的预测，当该差异度小于等于阈值时表示捕获成功，融合得到深度合成样本集，最后通过识别模型分类。
-
公开(公告)号：CN116758945A
公开(公告)日：2023-09-15
申请号：CN202310910215.6
申请日：2023-07-24
Applicant: 中国信息通信研究院
IPC: G10L25/51 , G10L25/30 , G06N3/0464 , G06N3/084 , G06N3/094 , G06N3/0475
Abstract: 本申请涉及一种基于时长与言语内容交互验证的音频检测方法，通过引入循环对抗机制，可以对真实音频和虚假音频进行一对一的映射，通过引入循环对抗机制，可以从主流合成模型生成的伪造音频还原出真实音频，填补在鉴伪过程中真实信息缺失的空白。结合真实的音频信息辅助鉴伪，提高模型的识别能力。在鉴别过程中，通过现有的虚假音频获得虚假音频的信息。从而可以通过这些信息之间的差异来帮助鉴别音频。根据时长信息与说话内容信息交互验证，可以提高鉴别效率。提取元音辅音声学时长信息，根据发音时长的特点进行鉴伪；在现有的鉴伪方法基础上，引入非声学特征，即音频内容信息，辅助鉴伪。两类信息交互验证，提升模型鉴别能力。
-
公开(公告)号：CN117765620B
公开(公告)日：2024-07-19
申请号：CN202311804914.9
申请日：2023-12-26
Applicant: 中国信息通信研究院
IPC: G06V40/40 , G06V40/16 , G06V10/764 , G06V10/46 , G06V10/82 , G06N3/0464 , G06N3/048
Abstract: 本发明提出一种基于自增强的深度伪造图像鉴伪方法和系统。其中，方法包括：采用具备较强生成能力的对抗生成网络构造无偏差的大规模人脸数据集，在训练集构建阶段避免过拟合特定人物的身份特征、降低身份信息对训练数据类中心的影响程度，并通过增强的拼接算法与拼接类型扩大训练数据集支持鉴伪覆盖范围，同时迫使模型专注于学习自增强框架所模拟的伪造痕迹，最终通过设计一个精细化的基于特征融合的鉴别网络结构，充分利用多层级特征信息。本发明提升整体鉴别能力。
-
公开(公告)号：CN118115481A
公开(公告)日：2024-05-31
申请号：CN202410359488.0
申请日：2024-03-27
Applicant: 中国信息通信研究院
IPC: G06T7/00 , G06N3/045 , G06N3/0464 , G06V10/80
Abstract: 本发明提出一种基于频率增强自注意力的深度伪造图像处理方法和系统。其中，方法包括：利用注意力机制放大频率域特征，并使用自注意力结构整合RGB和频域信息。具体而言，它采用了卷积注意力模块结构，利用通道注意力机制和空间注意力机制分别增强频域中关键的频带和区域。这种对频率域特征的灵活增强在深度伪造检测中更具泛化性。然后，采用双流网络结构分别提取RGB信息和频域信息。此外，为了进一步促进RGB和频域信息的协同学习，采用了基于自注意力结构的特征融合方法，它全局建模了这两种信息，从而构建了一个全面的面部伪造表示。本发明提出的方案解决了现有泛化性差，效果有待增强，无法有效应对互联网中的新型深度伪造图像的问题。
-
Patent Agency Ranking
公开(公告)号：CN117540038B
公开(公告)日：2024-03-22
申请号：CN202410037557.6
申请日：2024-01-10
Applicant: 中国信息通信研究院
IPC: G06F16/45 , G06F16/48 , G06F18/10 , G06F18/213 , G06F18/22 , G06F18/24 , G06N20/00 , G06Q30/018
Abstract: 本发明提供一种智能检测虚假数据合成方法和系统，通过采集多媒体数据分别提取其中携带的预设字段的值和特征值，分别得到第一场景信息和第二场景信息，根据所述第一场景信息还可以向服务器请求下发规则模板，进而可以计算项目与项目之间、项目与下属元素之间的关联度，根据关联度的高低进行初步判断，两个场景信息的匹配判断作为再次判断，结合两个判断结果可以定位虚假合成的范围或位置，克服现有技术无法有效检测虚假合成和防止虚假合成的问题。
-
公开(公告)号：CN117557889A
公开(公告)日：2024-02-13
申请号：CN202311328043.8
申请日：2023-10-13
Applicant: 中国信息通信研究院
IPC: G06V20/00 , G06N3/0442 , G06V10/44 , G06V10/54 , G06V10/764 , G06V10/82
Abstract: 本发明提出一种图像伪造检测方法和系统。其中，方法包括：局部纹理特征增强：通过从图像中提取的原始纹理信息和非纹理特征图，得到用于鉴别的纹理信息图；异常特征定位：将用于鉴别的纹理信息图通过卷积层进行下采样，然后进入LSTM网络，对图像的时序特征进行提取，以提取异常特征；异常特征检测：将所述异常特征输入判别器对特征进行分类，鉴别图像是否为伪造图像。本发明提出的方案能够更好地捕捉到不同尺度、不同类型的纹理信息，从而提高了检测模型的准确性。克服现有图像伪造鉴别方法局部异常难以察觉的缺陷，提高模型的通用性。有效地解决了现有图像伪造鉴别方法泛化性弱、对未知类型的编码操作可解释性差以及局部异常难以察觉的缺陷。
-
公开(公告)号：CN116843988B
公开(公告)日：2024-01-30
申请号：CN202310761008.9
申请日：2023-06-26
Applicant: 中国信息通信研究院
IPC: G06V10/77 , G06V40/12 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明提供一种基于深度学习的目标检测方法和系统，通过先提取生物和时间维度特征，再在重点关注区域内提取深度学习特征。针对生物特征采用生物指纹匹配和滑动框二次采样；针对时间特征根据差异化结果重新定义采样窗，再次对深度学习和生物两种特征进行采样重组。计算两两特征样本集之间的差异值，不仅可以调整重点关注区域的范围，还可以判断是否分类成功，克服了现有技术需要引入注意力机制、抑制不相关背景的不足，实现检测的高效性和自动性。
-
公开(公告)号：CN116633809B
公开(公告)日：2024-01-23
申请号：CN202310762753.5
申请日：2023-06-26
Applicant: 中国信息通信研究院
IPC: H04L43/04 , H04L41/16 , H04L9/40 , G06N3/0464 , G06F18/23 , G06F18/22 , G06V40/12 , G06F18/214 , G06F18/25
Abstract: 本发明提供一种基于人工智能的检测方法和系统，通过针对不同类型的数据包，分别提取深度学习、生物和时间三个不同维度的特征，从而可以覆盖网络全类型的数据包。针对深度学习特征采用降维采样和滑动窗二次采样；针对生物特征采用生物指纹匹配和滑动框二次采样；针对时间特征根据差异化结果重新定义采样窗，再次对深度学习和生物两种特征进行采样重组。通过以上步骤，使用两种不同途径的聚类处理，更好地利用模型进行分类。
-
公开(公告)号：CN117376632A
公开(公告)日：2024-01-09
申请号：CN202311657221.1
申请日：2023-12-06
Applicant: 中国信息通信研究院
IPC: H04N21/438 , H04N21/658 , H04N21/845
Abstract: 本发明提供一种基于智能深度合成的数据恢复方法和系统，通过采集损坏的多媒体数据，从中提取出预设字段的值，得到对应的场景信息，该预设字段内容采用单独的纠错编码，根据场景信息请求服务器下发规则模板，发掘出错误或空缺的项目，根据多媒体数据中正确项目的特征值预测错误或空缺项目的特征值，从而得到完整的特征集合，还原得到恢复后的多媒体数据，克服现有技术在数据丢失或损坏严重的情况下，难以实现完全恢复的问题。
-
-
-
-
-
-
-
-
-
Search Results
62
records
(took 0.029 seconds)
