公开(公告)号：CN115810162A

公开(公告)日：2023-03-17

申请号：CN202211418303.6

申请日：2022-11-14

Applicant: 公安部第三研究所

Inventor： 吴松洋 ,  梁辰 ,  杨明 ,  杨东海 ,  王立 ,  谭懿先 ,  马笑竹 ,  马婧

IPC: G06V20/40 ,  G06V10/764 ,  G06F21/60 ,  G06F21/62 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/09

Abstract: 本发明公开了一种前端视频图像智能分析内容防伪方法，其包括：步骤1：基于同态加密算法对将输入密文深度卷积神经网络鉴定模型的训练数据，进行同态加密；步骤2：构建密文深度卷积神经网络鉴定模型；步骤3：利用密文深度卷积神经网络鉴定模型对密文数据进行有监督训练；步骤4：提取出前端视频图像真实和深度伪造内容特征分布向量；步骤5：将前端视频图像内容数据同态加密，输入密文深度神经网络鉴定模型，提取出内容特征分布向量，并输入到SVM分类网络，对密文前端视频内容进行分类。本发明提供的方案具有较强的鲁棒性和对前端视频图像内容鉴定的泛化能力，可以更有效的对前端视频图像内容深度伪造进行鉴定。

公开(公告)号：CN115063868A

公开(公告)日：2022-09-16

申请号：CN202210775364.1

申请日：2022-07-01

Applicant: 公安部第三研究所

Inventor： 吴松洋 ,  杨东海 ,  杨明 ,  梁辰 ,  王少志 ,  谭懿先 ,  马笑竹 ,  吴园

IPC: G06V40/16 ,  G06V40/40 ,  G06V10/82 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明公开了一种基于深度学习的人脸深度伪造鉴定方法及相关设备，本方案包括：步骤1：通过Encoder‑Decoder深度网络训练学习重建人脸图像和真实人脸图像的分布特征；步骤2：截取出图像中目标的真实人脸和伪造人脸图像；步骤3：对真实人脸图像和伪造人脸图像的人脸对齐；步骤4：利用Encoder‑Decoder深度网络对真实人脸和伪造人脸图像进行重建处理，提取真实人脸重建图像和伪造人脸重建图像的分布特征；步骤5：计算真实人脸重建图像和伪造人脸重建图像的分布特征的余弦相似度，并据此对真实人脸图像和伪造人脸图像进行分类，得到鉴别结果。本方案基于利用真实人脸和伪造人脸的重建特征的分布差异性来实现更有效的对人脸深度伪造进行鉴定，大大提高鉴别结果的准确性。