[发明专利]一种基于深度学习的联盟链场景下视频数据上链有害性审核方法

权利要求书

1.一种基于深度学习的联盟链场景下视频数据上链有害性审核方法，其特征在于，所述方法包括如下步骤：

(1)系统管理员构建联盟链及私有IPFS网络，并允许普通用户及监管机构中的各监管者分别加入所述联盟链及IPFS网络；

(2)普通用户选提交视频信息、请求链上合法视频的授权以及响应收到的视频授权操作；

(3)监管者获取IPFS网络上的视频数据，通过基于局部最大ECR值算法的Deepfake检测模型来判断该视频的真实性，并向联盟链提交签名后的审核结果；

(4)由链码最终保证仅有合法的视频信息能够上链。

2.根据权利要求1所述的一种基于深度学习的联盟链场景下视频数据上链有害性审核方法，其特征在于，步骤(1)中所述的联盟链网络及私有IPFS网络仅由已认证的普通用户及监管机构加入，该私有IPFS网络将用于存储完整的视频数据。

3.根据权利要求1所述的一种基于深度学习的联盟链场景下视频数据上链有害性审核方法，其特征在于，步骤(2)中所述的普通用户可执行的操作，包括提交视频信息、执行请求链上合法视频的授权操作以及执行响应收到的视频授权操作。

4.根据权利要求1所述的一种基于深度学习的联盟链场景下视频数据上链有害性审核方法，其特征在于，步骤(2)中所述的普通用户提交视频信息的操作限制普通用户发布原创视频及二次剪辑视频共两类视频，完整的视频数据将首先保存至所述IPFS网络，其返回的IPFS地址及其他相关信息将随后由普通用户提交至所述联盟链网络。

5.根据权利要求1所述的一种基于深度学习的联盟链场景下视频数据上链有害性审核方法，其特征在于，步骤(2)中所述的普通用户执行请求链上合法视频的授权操作，是指普通用户首先从链上得到想要获得授权的视频的具体信息，随后根据链上的视频信息，向该视频的作者发出授权请求，相应的请求授权记录由该用户签名，并存储在链上。

6.根据权利要求1所述的一种基于深度学习的联盟链场景下视频数据上链有害性审核方法，其特征在于，步骤(2)中所述的普通用户执行响应收到的视频授权操作，是指普通用户首先从链上得到想要获得授权的视频的具体信息，随后根据链上的视频信息，向该视频的作者发出授权请求，相应的请求授权记录由该用户签名，并存储在链上。

7.根据权利要求1所述的一种基于深度学习的联盟链场景下视频数据上链有害性审核方法，其特征在于，所述步骤(3)包括以下步骤：

(3.1)监管者从所述IPFS网络获取完整的视频数据；

(3.2)监管者调用基于局部最大ECR值算法的Deepfake检测模型来判断该视频的真实性，并获得该视频的Deepfake审核结果；

(3.3)监管者使用自己的私钥对该审核结果签名，并向联盟链提交签名后的审核结果。

8.根据权利要求7所述的基于深度学习的联盟链场景下视频数据上链有害性审核的方法，其特征在于，所述步骤(3.2)具体包括以下子步骤：

(3.2.1)根据完整的视频数据，计算视频各帧的ECR值，具体公式如下：

其中，ECR_i表示为该帧的ECR值，i和i-1分别代表为视频的第i帧和第i-1帧，δ_i和δ_i-1分别为第i帧及相邻上一帧中的所有边缘像素值，为第i帧中增加的边缘像素的数量，为相邻上一帧消失的边缘像素的数量；

(3.2.2)设置窗口大小，对该视频的所有ECR值进行平滑处理，并选择具有最大差异的ECR值的帧作为该视频的关键帧；

(3.2.3)以MesoNet-4模型为基础执行Deepfake检测任务，并在面部提取过程中使用局部最大ECR值算法代替原有的随机帧选择策略，使得从上述关键帧中提取的人脸能够更好地用于后续Deepfake检测任务；

(3.2.4)通过执行(3.2.3)操作，从视频中提取到的人脸图片的分类结果将构成一数组，对该数组进行均值计算，如小于0.5，则认为是Deepfake视频，否则认为是真实视频。

9.根据权利要求1所述的一种基于深度学习的联盟链场景下视频数据上链有害性审核方法，其特征在于，步骤(4)所述的由链码最终保证仅有合法的视频信息能够上链，是指对于拟上链的视频信息，由链码根据视频类型分别审核并判断其有害性，其中，原创视频需要审核其是否为Deepfake视频，链码需要检索链上是否存在该视频的Deepfake审核结果，如其审核结果合法且为真实视频，则予以上链，其他情况则拒绝其上链请求；二次剪辑视频需要审核其是否经过有效的授权认证，链码需要检索链上是否存在该视频的授权记录及响应授权记录，如其授权及响应授权记录合法且结果为同意授权，则予以上链，其他情况则拒绝其上链请求。