[發(fā)明專(zhuān)利]深度偽造算法的識(shí)別方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202210431851.6
• 申請(qǐng)日: 2022-04-22
• 公開(kāi)（公告）號(hào): CN114841340B
• 公開(kāi)（公告）日: 2023-07-28
• 發(fā)明（設(shè)計(jì)）人: 王淳;曾定衡;周迅溢;王洪斌;蔣寧
• 申請(qǐng)（專(zhuān)利權(quán)）人: 馬上消費(fèi)金融股份有限公司
• 主分類(lèi)號(hào): G06N3/094
• 分類(lèi)號(hào): G06N3/094;G06N3/047;G06N3/045;G06N3/0475;G06N3/0464;G06V40/16;G06V10/82
• 代理公司: 北京同立鈞成知識(shí)產(chǎn)權(quán)代理有限公司 11205
• 代理人: 楊澤;劉芳

本申請(qǐng)公開(kāi)了一種深度偽造算法的識(shí)別方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)，涉及人工智能領(lǐng)域。在本申請(qǐng)的實(shí)施例中，可以預(yù)先對(duì)N個(gè)目標(biāo)偽造算法分別訓(xùn)練一個(gè)特征提取網(wǎng)絡(luò)，再利用N個(gè)特征提取網(wǎng)絡(luò)對(duì)待識(shí)別人臉圖像提取N個(gè)人臉特征，這N個(gè)人臉特征可以反映出各個(gè)目標(biāo)偽造算法的特性，接著根據(jù)N個(gè)人臉特征確定出屬于各個(gè)目標(biāo)偽造算法的概率，進(jìn)而通過(guò)比較概率值即可確定出待識(shí)別人臉圖像究竟由哪種目標(biāo)偽造算法制作得到，可以豐富偽造檢測(cè)技術(shù)的功能。

技術(shù)領(lǐng)域

本申請(qǐng)涉及人工智能技術(shù)領(lǐng)域，尤其涉及一種深度偽造算法的識(shí)別方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)

在基于圖像、視頻的相關(guān)人臉識(shí)別技術(shù)的普及過(guò)程中，圖像、視頻的安全性顯得尤為重要。然而，隨著人臉偽造技術(shù)的日益成熟，偽造人臉出現(xiàn)的概率大幅上升，給風(fēng)險(xiǎn)控制帶來(lái)了新的挑戰(zhàn)。面對(duì)人臉偽造技術(shù)的威脅，針對(duì)性的研究偽造檢測(cè)技術(shù)，能夠識(shí)別出一張人臉圖像或視頻是真實(shí)拍攝而得，還是被偽造技術(shù)篡改編輯過(guò)。然而，目前偽造檢測(cè)技術(shù)所實(shí)現(xiàn)的功能較為單一，無(wú)法滿(mǎn)足使用需求。

發(fā)明內(nèi)容

鑒于上述問(wèn)題，本申請(qǐng)?zhí)岢隽艘环N深度偽造算法的識(shí)別方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)，能解決上述問(wèn)題。

第一方面，本申請(qǐng)實(shí)施例提供了一種模型訓(xùn)練方法，所述方法包括：獲取目標(biāo)偽造算法F_n對(duì)應(yīng)的多個(gè)樣本圖像對(duì)，每個(gè)所述樣本圖像對(duì)包括一個(gè)真實(shí)圖和偽造圖，每個(gè)所述樣本圖像對(duì)中的偽造圖由所述目標(biāo)偽造算法F_n基于該樣本圖像對(duì)中的真實(shí)圖生成；其中，n為正整數(shù)；將多個(gè)所述樣本圖像對(duì)輸入公共特征提取網(wǎng)絡(luò)對(duì)應(yīng)得到每個(gè)所述樣本圖像對(duì)中真實(shí)圖的第一人臉特征和偽造圖的第二人臉特征，所述公共特征提取網(wǎng)絡(luò)用于提取樣本圖像對(duì)中真實(shí)圖與偽造圖之間共有的特征；將每個(gè)所述樣本圖像對(duì)的所述第一人臉特征和所述第二人臉特征輸入判別網(wǎng)絡(luò)對(duì)應(yīng)得到每個(gè)所述樣本圖像對(duì)中真實(shí)圖的第一真?zhèn)闻袆e結(jié)果和偽造圖的第二真?zhèn)闻袆e結(jié)果；基于每個(gè)所述樣本圖像對(duì)對(duì)應(yīng)的所述第一人臉特征、所述第二人臉特征、所述第一真?zhèn)闻袆e結(jié)果和所述第二真?zhèn)闻袆e結(jié)果，訓(xùn)練所述公共特征提取網(wǎng)絡(luò)和所述判別網(wǎng)絡(luò)

應(yīng)當(dāng)說(shuō)明，本實(shí)施例可以利用每種目標(biāo)偽造算法F_n對(duì)應(yīng)的多個(gè)樣本圖像對(duì)訓(xùn)練公共特征提取網(wǎng)絡(luò)和判別網(wǎng)絡(luò)。在訓(xùn)練過(guò)程中可以通過(guò)公共特征提取網(wǎng)絡(luò)可以提取樣本圖像對(duì)中真實(shí)圖和偽造圖的特征，再結(jié)合判別網(wǎng)絡(luò)利用真實(shí)圖和偽造圖之間共有的特征對(duì)真實(shí)圖和偽造圖來(lái)判斷真?zhèn)?，通過(guò)真實(shí)圖和偽造圖的特征以及判別網(wǎng)絡(luò)的真?zhèn)闻袆e結(jié)果來(lái)訓(xùn)練公共特征提取網(wǎng)絡(luò)和判別網(wǎng)絡(luò)，使訓(xùn)練后的公共特征提取網(wǎng)絡(luò)能更準(zhǔn)確地提取出樣本圖像對(duì)中真實(shí)圖與偽造圖之間共有的特征，為提取真實(shí)圖與偽造圖之間的非共有特征做準(zhǔn)備。

第二方面，本申請(qǐng)實(shí)施例提供了一種深度偽造算法的識(shí)別方法，所述方法包括：獲取待識(shí)別人臉圖像的N個(gè)目標(biāo)真?zhèn)翁卣?，每個(gè)所述目標(biāo)真?zhèn)翁卣饔蓪?duì)應(yīng)深度偽造算法提取得到；將每個(gè)所述目標(biāo)真?zhèn)翁卣鬏斎腩A(yù)先訓(xùn)練的偽造算法分類(lèi)網(wǎng)絡(luò)，所述偽造算法分類(lèi)網(wǎng)絡(luò)用于確定所述待識(shí)別人臉圖像由每個(gè)所述深度偽造算法生成的概率，得到偽造概率；將所述偽造概率滿(mǎn)足預(yù)設(shè)概率條件的深度偽造算法確定為所述待識(shí)別偽造算法。

應(yīng)當(dāng)說(shuō)明，本實(shí)施例可以獲取待識(shí)別人臉圖像的N個(gè)目標(biāo)真?zhèn)翁卣?，每個(gè)目標(biāo)真?zhèn)翁卣饔蓪?duì)應(yīng)深度偽造算法提取得到，這N目標(biāo)真?zhèn)翁卣骺梢苑从吵龈鱾€(gè)深度偽造算法的特性，因此可以根據(jù)N個(gè)目標(biāo)真?zhèn)翁卣鞔_定待識(shí)別人臉圖像由每個(gè)深度偽造算法生成的概率，得到偽造概率，進(jìn)而通過(guò)比較偽造概率即可準(zhǔn)確地確定出待識(shí)別人臉圖像究竟由哪種深度偽造算法制作得到，可以豐富偽造檢測(cè)技術(shù)的功能。