[发明专利]针对深度伪造的双向人脸数据保护方法、系统及设备有效

专利信息
申请号: 202210796847.X 申请日: 2022-07-07
公开(公告)号: CN114881838B 公开(公告)日: 2022-10-28
发明(设计)人: 周文柏;张卫明;俞能海;刘泓谷 申请(专利权)人: 中国科学技术大学
主分类号: G06T1/00 分类号: G06T1/00;G06F21/60;G06F21/62;G06Q50/00
代理公司: 北京凯特来知识产权代理有限公司 11260 代理人: 郑立明;韩珂
地址: 230026 安*** 国省代码: 安徽;34
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 针对 深度 伪造 双向 数据 保护 方法 系统 设备
【权利要求书】:

1.一种针对深度伪造的双向人脸数据保护方法,其特征在于,包括:

针对受保护用户的原始人脸图像进行水印嵌入,将获得的嵌入水印的人脸图像向外发布;

对待检测人脸图像进行水印提取;对于与发布的嵌入水印的人脸图像具有相同人脸身份信息的待检测人脸图像,若无法提取出完整的水印,则表明当前待检测人脸图像为通过深度伪造技术,使用嵌入水印的人脸图像替换其他人脸图像生成的人脸替换图像;对于除去与发布的嵌入水印的人脸图像具有相同人脸身份信息之外的待检测图像,若提取出完整的水印,则通过水印包含的身份信息判断是否与待检测人脸图像的身份信息一致,当身份信息不一致时,表明待检测人脸图像为通过深度伪造技术,使用其他人脸图像替换嵌入水印的人脸图像生成的人脸被替换图像,同时,通过水印包含的身份信息追溯受保护用户的原始人脸图像;

其中,预先构建包含水印嵌入网络、人脸伪造模块以及水印提取模块的双向人脸数据保护框架;所述双向人脸数据保护框架需要预先进行训练,训练时输入至双向人脸数据保护框架的训练图像称为原始人脸图像,训练的损失包括:水印嵌入损失和水印提取损失;其中,所述水印嵌入损失包括:水印嵌入前后图像像素级别和图像特征层面的损失,以及通过嵌入水印的人脸图像生成的深度伪造的双向人脸数据与通过原始人脸图像生成的深度伪造的双向人脸数据之间的损失;所述深度伪造的双向人脸数据包括人脸替换图像与人脸被替换图像;所述水印提取损失包括:针对人脸替换图像的水印提取损失以及针对人脸被替换图像的水印提取损失。

2.根据权利要求1所述一种针对深度伪造的双向人脸数据保护方法,其特征在于,水印嵌入与水印提取分别通过水印嵌入网络与水印提取模块实现;

所述水印嵌入网络,用于将不可见的水印嵌入至受保护用户的原始人脸图像中;

所述水印提取模块,用于从深度伪造的双向人脸数据中进行水印提取;所述深度伪造的双向人脸数据包括所述人脸替换图像与人脸被替换图像。

3.根据权利要求1或2所述一种针对深度伪造的双向人脸数据保护方法,其特征在于,所述水印嵌入网络基于深度神经网络实现,用于将不可见的水印嵌入至受保护用户的原始人脸图像中;

所述人脸伪造模块包括两个类型的人脸伪造模型;每一类型的人脸伪造模型,用于模拟真实黑盒场景中的深度伪造技术,生成人脸替换图像或者人脸被替换图像;

水印提取模块包含两个水印提取网络,每一水印提取网络对应一种类型的人脸伪造模型;每一水印提取网络,用于从相应的人脸替换图像或者人脸被替换图像中进行水印提取。

4.根据权利要求1所述一种针对深度伪造的双向人脸数据保护方法,其特征在于,所述水印嵌入损失表示为:

其中,与均为权值系数;表示水印嵌入损失,Iorg表示原始人脸图像,表示水印,E表示水印嵌入网络;表示水印嵌入前后图像像素级别的损失,表示水印嵌入前后图像特征层面的损失;表示通过嵌入水印的人脸图像生成的深度伪造的双向人脸数据与通过原始人脸图像生成的深度伪造的双向人脸数据之间的损失,表示为:

其中,表示通过原始人脸图像Iorg生成的深度伪造的双向人脸数据,表示通过嵌入水印的人脸图像生成的深度伪造的双向人脸数据,包括与两部分,表示生成的人脸替换图像,表示生成的人脸被替换图像。

5.根据权利要求1所述一种针对深度伪造的双向人脸数据保护方法,其特征在于,所述针对人脸替换图像的水印提取损失表示为:

其中,表示针对人脸替换图像的水印提取损失,其应用于人脸替换检测场景;表示第一损失,用于确保嵌入水印的人脸图像能够成功提取出水印;表示第二损失,用于确保人脸替换图像无法提取出水印。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学技术大学,未经中国科学技术大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210796847.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top