【技术实现步骤摘要】
本专利技术属于图像处理，具体涉及一种基于扰动的免训练深度伪造人脸检测方法。
技术介绍
1、近年来，深度生成方法，如生成对抗网络（gans）和基于扩散的模型（dms），在计算机视觉领域引起了越来越多的关注，并创造了大量逼真的合成图像。然而，利用这些生成的内容，尤其是细粒度的人脸图像，会引发严重的滥用风险，并在许多领域对安全构成重大挑战。为了解决这一问题，研究者提出多种检测方法来区分人脸图像是真实的还是伪造的。
2、在深度伪造人脸检测方面，传统的深度伪造检测方法通常训练深度神经网络，如卷积神经网络（cnn）和视觉变换器（vit），以提取特征来解决二分类（即真实或伪造）的任务。这些方法可以根据用于分类的最终特征大致分为两类，即基于空间的方法和基于频率的方法。前者仅挖掘局部或全局的痕迹用于检测。具体来说，chai等人利用基于patch的分类器挖掘更易于检测的区域，并有良好的泛化能力。类似地，研究者从人脸部分提取伪造线索用于检测。多注意力网络采用空间注意力机制关注不同的局部部分。patch-dfd基于先验知识提取人脸周围的五个关键patch。为了提高检测鲁棒性，mandelli等人采用多个正交网络计算patch级别分数，然后聚合并进行最终分类。同时，全局空间特征也有利于检测。例如，cnn-aug通过数据增强实现一定的泛化能力。最近，研究者将视觉-语言模型应用于深度伪造检测，并展示了其在提取全局空间特征用于检测方面的优势。univfd利用clip的固定视觉特征空间实现通用伪造图像检测。与空间特征相辅相成的是，频率特征从另一个角度
技术实现思路
1、本专利技术的目的在于提供一种基于扰动的免训练深度伪造人脸检测方法。
2、第一方面，本专利技术提供了一种基于扰动的免训练深度伪造人脸检测方法，其包括以下步骤：
3、步骤一、获取被测人脸图像，对被测人脸图像进行上采样处理，得到插值图像；
4、步骤二、在插值图像中添加噪声，获得扰动样本；
5、步骤三、分别对插值图像和扰动样本进行下采样处理，获取处理后的图像和；
6、步骤四、通过图像特征提取器分别提取图像和的特征，并获取两个特征之间的相似度r；若相似度r小于鉴别阈值，则被测人脸图像为伪造图像；反之，被测人脸图像为真实图像。
7、作为优选，所述的步骤一中，插值图像表示为：
8、
9、其中，为被测人脸图像；为被测人脸图像的分辨率；为触发上采样操作的阈值；为上采样操作。
10、作为优选，所述的步骤一中，阈值的值为1024×1024。
11、作为优选，所述的步骤二中，扰动样本表示为：
12、
13、其中，为加性噪声；为控制强度。
14、作为优选，所述的控制强度为0.08；所述的鉴别阈值为0.95。
15、作为优选，所述的步骤四中，两个特征之间的相似度r通过余弦相似度函数获取。
16、作为优选，所述的步骤四中，图像特征提取器采用dinov2模型。
17、作为优选，所述的步骤二中，噪声从标准正态分布高斯分布中随机采样得到。
18、第二方面，本专利技术提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述存储器存储计算机程序；所述处理器执行上述的一种基于扰动的免训练深度伪造人脸检测方法。
19、第三方面，本专利技术提供了一种可读存储介质，存储有计算机程序；所述计算机程序被处理器执行时用于实现上述的一种基于扰动的免训练深度伪造人脸检测方法。
20、本专利技术具有的有益效果是：
21、1、本专利技术依次通过上采样-扰动下采样对被测人脸图像进行处理，解决了传统基于扰动的免训练方法无法鲁棒地检测不同分辨率的图像的问题，减少低分辨率样本对扰动的敏感度，从而提高检测性能。
22、2、本专利技术相比传统方法基于原始输入尺寸提取特征，通过下采样处理提高了真伪检测效率，节约了计算资源，实现了高效且鲁棒的深度伪造人脸检测。
本文档来自技高网...【技术保护点】
1.一种基于扰动的免训练深度伪造人脸检测方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于扰动的免训练深度伪造人脸检测方法，其特征在于：所述的步骤一中，插值图像表示为：
3.根据权利要求2所述的一种基于扰动的免训练深度伪造人脸检测方法，其特征在于：所述的步骤一中，阈值的值为1024×1024。
4.根据权利要求1所述的一种基于扰动的免训练深度伪造人脸检测方法，其特征在于：所述的步骤二中，扰动样本表示为：
5.根据权利要求4所述的一种基于扰动的免训练深度伪造人脸检测方法，其特征在于：所述的控制强度为0.08；所述的鉴别阈值为0.95。
6.根据权利要求1所述的一种基于扰动的免训练深度伪造人脸检测方法，其特征在于：所述的步骤四中，两个特征之间的相似度R通过余弦相似度函数获取。
7.根据权利要求1所述的一种基于扰动的免训练深度伪造人脸检测方法，其特征在于：所述的步骤四中，图像特征提取器采用DINOv2模型。
8.根据权利要求1所述的一种基于扰动的免训练深度伪造人脸检测方法，其特征在于：所
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于：所述存储器存储计算机程序；所述处理器执行如权利要求1-8中任意一项所述的一种基于扰动的免训练深度伪造人脸检测方法。
10.一种可读存储介质，存储有计算机程序；其特征在于：所述计算机程序被处理器执行时用于实现如权利要求1-8中任意一项所述的一种基于扰动的免训练深度伪造人脸检测方法。
...【技术特征摘要】
1.一种基于扰动的免训练深度伪造人脸检测方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于扰动的免训练深度伪造人脸检测方法，其特征在于：所述的步骤一中，插值图像表示为：
3.根据权利要求2所述的一种基于扰动的免训练深度伪造人脸检测方法，其特征在于：所述的步骤一中，阈值的值为1024×1024。
4.根据权利要求1所述的一种基于扰动的免训练深度伪造人脸检测方法，其特征在于：所述的步骤二中，扰动样本表示为：
5.根据权利要求4所述的一种基于扰动的免训练深度伪造人脸检测方法，其特征在于：所述的控制强度为0.08；所述的鉴别阈值为0.95。
6.根据权利要求1所述的一种基于扰动的免训练深度伪造人脸检测方法，其特征在于：所述的步骤四中，两个特征之间的相似...
【专利技术属性】
技术研发人员：周后英，王浩，邓艳军，
申请(专利权)人：杭州电子科技大学信息工程学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。