智能检测虚假数据合成方法和系统

    公开(公告)号:CN117540038A

    公开(公告)日:2024-02-09

    申请号:CN202410037557.6

    申请日:2024-01-10

    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。

    虚假人脸检测方法、装置及计算机可读介质

    公开(公告)号:CN117315750A

    公开(公告)日:2023-12-29

    申请号:CN202311245508.3

    申请日:2023-09-25

    Abstract: 本申请公开一种虚假人脸检测方法、装置及计算机可读介质,其中方法包括:获取待检测的目标人脸图像,目标人脸图像为按照JPEG的标准存储的JPEG图像;从目标人脸图像的JPEG编码信息中提取频域信息;将频域信息输入检测模型进行人脸真假检测,检测模型为预先基于Transformer的深度学习模型训练得到的模型;获取检测模型输出的检测结果。本申请通过直接提取JPEG图像的频域信息,来进行人脸的真假二分类检测,加快了数据在CPU上的加载速度,并提升了模型训练和推理的效率,同时,通过基于Transformer的深度学习模型学习频域上的伪造特征,降低了模型的局部假设偏置,可进一步提升模型的准确率。

    智能数据感知监测方法和系统

    公开(公告)号:CN117312804A

    公开(公告)日:2023-12-29

    申请号:CN202311605906.1

    申请日:2023-11-29

    Abstract: 本发明提供一种智能数据感知监测方法和系统,通过收集历史数据和引入数据的全生命周期提取风险特征,得到训练数据集,使用数据挖掘技术手段,计算出风险的上下限概率函数,以此构建感知评估模型,从而实现对实时数据的快速风险态势评估,克服现有技术数据质量识别不准确、数据处理速度慢、对复杂数据集的处理能力有限等问题。

    一种深度伪造音频鉴别方法和系统

    公开(公告)号:CN116994590B

    公开(公告)日:2023-12-15

    申请号:CN202311253131.6

    申请日:2023-09-27

    Abstract: 本发明提出一种深度伪造音频鉴别方法和系统。其中,方法包括:基于随机质量压缩、模糊和随机添加附加噪声方法,对音频数据进行数据增强处理;将数据增强处理后的音频数据输入基于自监督学习的特征提取模型,得到音频特征;将所述音频特征输入基于残差结构的伪造鉴别模型,提取出音频的时序特征,以实现对音频的鉴别。本发明提出的方案能够利用自监督语音表示学习技术学习语音特征,降低对深度伪造音频数据的依赖,提高系统的泛化性;基于残差结构实现音频特征增强,充分提取音频的时序特征;使用数据增强方法提升训练数据的复杂性,提高鉴别模型的性能。

    一种对象鉴伪模型构建方法、虚假对象检测方法及装置

    公开(公告)号:CN117079356A

    公开(公告)日:2023-11-17

    申请号:CN202311102453.0

    申请日:2023-08-29

    Abstract: 本申请实施例公开了一种对象鉴伪模型构建方法、虚假对象检测方法及装置。其中,该方法包括:对第一训练数据集中的图像进行掩码处理,得到多张掩码处理后的图像;利用多张掩码处理后的图像训练图像重建模型,得到训练完成的图像重建模型;利用训练完成的图像重建模型中的编码器的权重初始化对象鉴伪模型的骨干网络参数,得到初始化完成的对象鉴伪模型;利用第二训练数据集对初始化完成的对象鉴伪模型进行二分类训练,得到训练完成的对象鉴伪模型,该训练完成的对象鉴伪模型用于判断待检测对象图像是否为虚假对象图像。可见,本申请实施例提高了对象鉴伪模型的鲁棒性,从而使得应用该对象鉴伪模型进行虚假对象检测,能提高虚假对象检测的准确性。

    一种改进的深度合成检测方法和系统

    公开(公告)号:CN116866211A

    公开(公告)日:2023-10-10

    申请号:CN202310763614.4

    申请日:2023-06-26

    Abstract: 本发明提供一种改进的深度合成检测方法和系统,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。再利用帧内和帧间特征的差异性,计算两两特征之间的欧氏距离,以此判断对比损失,实现检测的高效和自动调整。

    一种针对特色合成的伪造音频鉴伪方法

    公开(公告)号:CN116825132A

    公开(公告)日:2023-09-29

    申请号:CN202310840891.0

    申请日:2023-07-10

    Abstract: 本发明公开了一种针对特色合成的伪造音频鉴伪方法,涉及音频真伪鉴定技术领域,用于深层次对音频伪造进行多元化的鉴定,包括对待鉴定音频进行预处理,获取待鉴定音频中的人声音频数据、环境音频数据和待鉴定音频人声的真实年龄信息;建立音质比对模型,对所述人声音频数据、环境音频数据进行分析生成第一比对数值、第二比对数值,并据此进行归类处理,生成音质差异标识;建立人声匹配模型,对所述人声音频数据进行分析与匹配,生成匹配年龄信息;对匹配年龄信息与真实年龄信息进行分析处理,生成音频年龄匹配标识;构建数据关联输出模型,对音质差异标识和音频年龄匹配标识进行整合处理,生成伪造音频目标、可疑音频目标和真实音频目标。

Patent Agency Ranking