-
公开(公告)号：CN118230141B
公开(公告)日：2025-04-29
申请号：CN202410332570.4
申请日：2024-03-22
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于设备指纹的深度伪造视频检测方法，包括如下步骤：步骤1、视频拍摄设备的指纹信息提取；步骤2、视频溯源，通过计算待检测视频指纹信息与参考视频指纹信息之间的PCE值，从而判定是否同一设备拍摄；步骤3、通过PCE值与阈值对比进行视频真伪检测。该方法利用视频中存在的设备指纹信息，对视频进行溯源以及真伪检测，并利用视频中不可更改的设备指纹信息，使得提出的方法具备一定的鲁棒性，为深度伪造视频检测提供全新的思路，具有实用价值。
-
公开(公告)号：CN115797653A
公开(公告)日：2023-03-14
申请号：CN202211547102.6
申请日：2022-12-05
Applicant: 杭州电子科技大学
IPC: G06V10/44 , G06V10/764 , G06F21/60 , G06F21/62
Abstract: 针对现有的一些外包特征提取方法无法防止面部信息泄露或加密面部后人脸识别操作非常耗时的问题，提出了一种利用云端进行图像特征提取及特征分类的隐私保护的外包计算方法，包括以下步骤：步骤一，在客户端将RGB图像转换到YCbCr色彩空间，获得其R、B、Cb、Cr色彩通道的像素值矩阵；步骤二，使用一次一密式密钥对步骤一矩阵进行加密，加密后的矩阵发送给云端，步骤三，云端对步骤二的加密矩阵进行提取，输入神经网络或者集成分类器模型进行训练，并得到结果；步骤四，云端将分类的结果返回给客户端。
-
公开(公告)号：CN116824430A
公开(公告)日：2023-09-29
申请号：CN202310362080.4
申请日：2023-03-30
Applicant: 杭州电子科技大学
IPC: G06V20/40 , G06V40/16 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/0475 , G06N3/084 , G06N3/0895 , G06N3/094
Abstract: 本发明涉及一种基于半监督学习的深伪视频取证方法，基于本监督学习的方式，仅依靠真实视频作为输入，实现了深度伪造视频的检测。发明中提出的负样本生成器有效地模拟了深度伪造视频合成最后一步所留下的篡改痕迹。数据增广模块强调真伪图像之间的差异化信息，从数据层面加快了检测模型的学习进程。轻量化设计的半监督分类器结合RGB图像、低级的空间噪声图、帧间相关的时域噪声图，从多尺度寻找取证线索。三者相辅相成，共同组成了一个高效、鲁棒的半监督Deepfake视频检测框架。
-
公开(公告)号：CN118230141A
公开(公告)日：2024-06-21
申请号：CN202410332570.4
申请日：2024-03-22
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于设备指纹的深度伪造视频检测方法，包括如下步骤：步骤1、视频拍摄设备的指纹信息提取；步骤2、视频溯源，通过计算待检测视频指纹信息与参考视频指纹信息之间的PCE值，从而判定是否同一设备拍摄；步骤3、通过PCE值与阈值对比进行视频真伪检测。该方法利用视频中存在的设备指纹信息，对视频进行溯源以及真伪检测，并利用视频中不可更改的设备指纹信息，使得提出的方法具备一定的鲁棒性，为深度伪造视频检测提供全新的思路，具有实用价值。
-
-
-
Search Results
4
records
(took 0.02 seconds)
