[发明专利]基于空间向量解纠缠的人脸融合攻击协助者面部溯源方法

权利要求书

1.一种基于空间向量解纠缠的人脸融合攻击协助者面部溯源方法，其特征在于所述方法由计算机执行，包括以下步骤：

步骤一、数据集划分，训练集、验证集、测试集分别按照6：2：2进行划分，数据集采用HNU-FM融合人脸数据集；

步骤二、预处理数据集，统一图像尺寸，增加数据多样性进行水平反转，上下反转，归一化图片；

步骤三、训练网络模型，训练内容编码器和属性编码器实现内容与属性编码，并在空间向量进行特征解纠缠实现分离操作，最后溯源出较为清晰的协助者人脸图像；

步骤四、使用训练好的模型进行测试，在验证集上调整模型超参数、使得模型在训练集以及验证集上取得最好的效果；

步骤五、利用测试集测试模型泛化能力，对比溯源图像和真实图像，并按照准确率公式计算人脸融合攻击协助者面部复原的准确率。

2.如权力要求1的基于空间向量解纠缠的人脸融合攻击协助者面部溯源方法，其特征在于，裁剪为统一的128x128尺寸，在数值上归一化为[-1,1]，以确保复原出的图像更加集中在面部区域，在步骤二中的图像预处理阶段，只保留图像的最大中心区域，裁剪出有效的人脸区域。

3.如权力要求1的基于空间向量解纠缠的人脸融合攻击协助者面部溯源方法，将训练集中的图片按照攻击者、协助者、融合图像为一组，输入网络中，首先使用训练内容编码器Ec与属性编码Ea，分别生成不同的内容编码EcX与属性编码EaX，我们利用基于向量投影的分离操作来计算融合系数实现将隐含在融合图像中的攻击者与协助者的身份信息分离出来，得到经过解纠缠之后的关于攻击者以及协助者的身份信息后，再经过生成器，也就是面部复原网络，再经过生成器，生成器的网络结构是上采样加卷积操作，提高复原协助者面部图像地质量，也就是面部复原网络，生成出协助者的面部图像，生成图像的尺寸为128*128。

4.如权力要求1的基于空间向量解纠缠的人脸融合攻击协助者面部溯源方法，其特征在于，我们使用的是Pytorch实现我们所提出的模型，实验中所有输入图像和输出图像采用的128×128大小，我们训练内容编码器E_c、属性编码器E_a、生成器G、鉴别器D和内容判别器D_c，训练阶段，我们采用batchsize为1,学习率为0.0001，采用Adam作为优化器，权重衰减设置为1e^-7，初始学习率设置为1e^-3，使用多层损失，在验证集上调整参数，保留最优的参数，使模型达到最优效果，发明的最后在测试集上测试模型的泛化性能，观察测试结果，将溯源出的协助者图像与真正的协助者图像进行比对，计算人脸融合攻击协助者面部复原的准确率。