[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

说明书

本发明公开了一种针对深度伪造的双向人脸数据保护方法、系统及设备，根据人脸深度伪造的目标不同，可以将其分为人脸替换和人脸被替换（双向换脸），通过对原始人脸数据进行水印嵌入，当嵌入水印的人脸图像被使用DeepFake换脸技术进行双向换脸后，可以根据换脸后人脸图像的水印信息来判断是否为伪造人脸图像，并且可以更进一步的进行溯源和完整性证明。

技术领域

本发明涉及人脸伪造视频检测技术领域，尤其涉及一种针对深度伪造的双向人脸数据保护方法、系统及设备。

背景技术

社交网络和智能手机的巨大成功为人们的日常分享提供了便利，尤其是各种人像照片。由于深度学习在多媒体内容生成任务中取得了巨大成功，利用自编码器（AutoEncoder）和生成对抗网络（Generative Adversarial Networks）等进行图像生成是近年来迅速发展起来的应用，因此DeepFake（深度伪造）人脸伪造方法取得了的快速进步，这种被篡改的人像照片面临着严重的潜在隐私侵犯风险。例如，用户上传的人脸图像可能被恶意合成以进行欺诈或诽谤，从而导致严重的信任问题。随着生成技术的愈发先进及相关数据算法的易获得性，高质量的DeepFake人脸伪造视频更容易被制作并且能够轻易欺骗人类。然而这些伪造技术很可能被滥用于恶意目的，造成严重的安全和伦理问题。因此，保护人脸数据成为当务之急。为了解决这个问题，人们提出各种方法来以被动检测的方式区分DeepFake人脸伪造视频。在之前的工作中，大多数DeepFake检测方法主要专注于提高公开数据集上的检测准确率和不同数据集之间的泛化性能。

目前存在的DeepFake检测工作种类繁多，尽管在公共数据集上的表现愈发出色，但大多数方法仅仅是把检测问题当作一个简单的二分类问题，因此这些方法的决策缺乏证明伪造人脸为何是假的可解释性，这也给人类判断视频的真伪造成了一定的困惑。由于人眼无法直观地区分合成的图像和视频，因此在某种程度上，决策的理由和可解释性比决策结果本身更重要。除此之外，现有大多数检测方法都强烈依赖于大量的训练数据。更重要的是，即使最终分类结果是假的也很难根据伪造人脸追溯到原始人脸图像，因此被篡改的原始人脸图像并没有得到实质上的保护。考虑到目前DeepFake人脸伪造检测方法存在的缺陷，研究一种可解释、可追溯和通用的方法保护人脸图像免受DeepFake的滥用是非常重要的。

发明内容

本发明的目的是提供一种针对深度伪造的双向人脸数据保护方法、系统及设备，在双向DeepFake场景中能够对伪造的人脸数据进行取证和溯源，以达到可解释性的人脸数据保护。

本发明的目的是通过以下技术方案实现的：

一种针对深度伪造的双向人脸数据保护方法，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。

一种针对深度伪造的双向人脸数据保护系统，该系统包括：

水印嵌入网络，用于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；