[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

说明书

本发明公开了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，具体步骤包括：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；普通用户可选提交视频信息、请求链上合法视频的授权以及响应收到的视频授权等操作；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；由链码最终保证仅有合法的视频信息能够上链。本发明能够实现联盟链网络内视频数据信息的内容安全性核查与监管，并解决虚假的视频信息在联盟链上扩散传播的问题。

技术领域

本发明的涉及联盟链内容监管技术领域，特别是涉及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。

背景技术

随着区块链技术的不断发展，链上承载的交易内容除最常见的金融数据外，也包含了如短文本、图片、文件等形式的非金融数据。允许非金融数据的注入显著扩展了区块链技术的应用场景，但这同时也带来了有害信息在链上传播的问题。相较于公有链，联盟链虽然能够通过准入机制来实现区块链网络内的成员认证与可控，但潜在的恶意个人发布仍然无法被阻止，即有害信息仍存在上链和传播风险。

相较于具有明显特征的涉及暴恐、色情等话题的敏感信息，区块链上传播的虚假信息更难监测与治理。特别地，Deepfake技术的应用使得虚假的图片、音频、视频等数字内容更具欺诈性，使得用户在海量信息中无法准确分辨真实的数据内容。以Deepfake视频为例，现有的结合区块链技术进行Deepfake视频泛滥治理的研究中，通常是使用区块链来跟踪和验证视频的发布来源，根据发布来源的可靠性进而判断视频的真实性，并通过信任模型来维护网络内用户声誉以及激励优质内容的发布。但是，上述研究仍有如下三个关键问题尚待解决：其一，上述研究仅通过信任模型来对链上视频的真实性进行验证，并未真正有效解决Deepfake视频上链并传播的问题；其二，由于用户能够在视频从捕获到存储的过程中进行一系列更改操作，因此即使追溯该视频至初始发布来源，也不能完全证明该视频内容可信，且信任模型本身存在主观性的问题，同时在区块链网络中计算和维护信任模型会产生相应的开销；其三，经合法授权的二次编辑视频应与Deepfake视频有所区分，因为前者是在原视频作者的同意下进行的创作行为，后者是未经同意的篡改行为，而目前对于上传至区块链的各类视频数据并没有完善的监管方案与事后处理机制。

因此，针对虚假视频信息上链并传播难以监管的问题，本发明提出了一种基于深度学习的视频数据上链有害性审核的方法。本发明将视频分为原创视频与二次剪辑视频两类，通过将完整的数据存储在IPFS网络上以提高区块链存储效率以及降低存储开销；对原创视频使用基于深度学习的Deepfake检测模型来检验是否为Deepfake视频；二次剪辑视频需要审核其是否经过合法的授权认证，数字签名的使用以及链上的防篡改记录将共同用于检测授权的有效性。通过对上述两类视频进行详细的有害性审核，该发明保证只有合法的视频数据才能够成功存储在链上，实现联盟链网络内视频数据信息的内容安全性核查与监管，并解决虚假的视频信息在联盟链上扩散传播的问题。

发明内容

发明目的：本发明提供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，能够实现联盟链网络内视频数据信息的内容安全性核查与监管，并解决虚假的视频信息在联盟链上扩散传播的问题；由于所述Deepfake检测模型采用局部最大ECR值算法来选择视频关键帧，因此能够有效减少数据冗余并保证视频帧选取的多样性。

技术方案：本发明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，包括以下步骤：

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