公开(公告)号：CN115018688A

公开(公告)日：2022-09-06

申请号：CN202210661028.4

申请日：2022-06-13

Applicant: 杭州电子科技大学

Inventor： 乔通 ,  马鱼雁 ,  吴佳晟 ,  谢世闯

IPC: G06T1/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于DCT系数的生成网络模型水印方法，包括如下步骤：步骤1、创建训练图像数据集；步骤2、利用DCT变换在训练图像中嵌入不可见图像水印，步骤2.1、读取RGB图像为32*32*3的矩阵，提取图像中的蓝色通道B，即其中32*32*1的部分矩阵；步骤2.2、将训练图像在蓝色通道B中分割为大小为2*2的分块；步骤2.3、对每一个2*2方块进行DCT变换后在用水印的值乘以10后覆盖方块右下角的值，嵌入一位水印；步骤2.4、对2*2方块进行逆DCT变化，并更新原方块的值；步骤3、将步骤2中的带有不可见水印的训练图像投入生成图像任务的神经网络中训练，得到带水印的网络模型。该方法在神经网络模型的原始损失上加上水印损失，同时处理训练集图像，在训练集图像中嵌入DCT水印。

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

Inventor： 乔通 ,  谢世闯 ,  乔明磊 ,  牛犇

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：CN116434084A

公开(公告)日：2023-07-14

申请号：CN202310154609.3

申请日：2023-02-17

Applicant: 杭州电子科技大学

Inventor： 乔通 ,  谢世闯 ,  赵彬 ,  毛梁杰 ,  朱晨睿 ,  吴宇涛 ,  郑宁

IPC: G06V20/17 ,  G06V10/774 ,  G06V10/82 ,  G06N3/094

Abstract: 本发明涉及一种基于对抗样本训练的无人机目标识别网络的鲁棒训练方法，针对无人机识别网络可能工作的环境以及可能遇到的攻击，制定相应的数据增强方式和相应的对抗样本生成方式。本发明提出的基于数据增强和对抗样本训练的无人机识别网络鲁棒训练方法主要分为数据增强和对抗样本训练两部分，前者增强数据的多样性和复杂性，后者提升识别网络的抗攻击性，两者结合进一步保证了无人机识别网络的鲁棒性。

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

Inventor： 陈彧星 ,  乔通 ,  谢世闯 ,  牛犇 ,  乔明磊

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：CN115222963A

公开(公告)日：2022-10-21

申请号：CN202210876056.8

申请日：2022-07-25

Applicant: 杭州电子科技大学

Inventor： 乔通 ,  陈彧星 ,  谢世闯 ,  邵杭

IPC: G06V10/54 ,  G06V10/56 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种融合色彩空间鲁棒特征的GAN图像取证方法,通过将手工特征的优势与DNN相结合，设计了一个可靠且高效的检测器，在选择色彩通道经验的指导下，将特征输入到DNN中进行训练，能够实现很好的检测性能包括以下步骤：步骤一，将RGB图像转化为HSV色彩空间和YCbCr色彩空间；步骤二，对步骤一中每个色彩通道的像素计算均值、计算其相关系数以及对每个色彩通道的相关系数计算卡方距离；步骤三，卡方距离最大的四个色彩通道；步骤四，用步骤三中选择的色彩通道进行跨色彩空间共生矩阵提取；步骤五，将步骤四中的特征输入浅层神经网络中训练得到模型并用于最终分类。