三维深度点云监督和置信度修正的人脸欺诈检测算法

基于深度学习的人脸身份认证由于使用便捷和用户体验好,成为我国当今最受欢迎的人工智能技术应用之一.人脸识别和认证系统必须确保所比对的人脸是真实人脸,否则输出的结果没有任何商业价值.位于系统前端的人脸欺诈检测也称活体检测是保障人脸识别和认证系统有效输出的关键.现有人脸欺诈检测算法虽然库内性能尚佳,但由于实验室训练环境无法完全模拟真实应用场景,造成源域和目标域的数据在分布上存在差异,导致跨库检测性能明显下降.尽管通过增加检测特征的种类和个数可以改善算法性能,但会导致检测网络构造复杂,模型变大,计算复杂度增加.为了改善算法的跨库检测性能并降低计算的复杂度,本文提出一种基于三维(3D)深度点云监督和置信度修正机制的人脸欺诈检测算法.主要贡献包括:设计了DenseBlockNet,仅用较浅层的DenseBlockNet网络即可提取真假人脸之间具有很好区分度的深度信息特征,模型小;将DenseBlockNet输出的二维深度图与采样点位置进行关联,构造三维深度点云,采用倒角损失函数监督预测的深度点云与实际点云标签之间的三维空间距离,同时还采用图二元交叉熵损失监督预测的深度图与深度图标签之间的差异;在3D深度点云预测模块中引入置信度修正机制,修正二分类误差,同时避免库内过拟合,提高算法的泛化能力.所提出方法与包括2种最新文献的8种典型算法在Replay-attack、CASIA-FASD、MSU-MFSD、Rose-Youtu、OULU-NPU等5个主流人脸欺诈检测数据库上进行了充分的对比实验,实验结果表明,所提出的算法在库内和跨库检测中均能保持半总错误率最低或次低,且模型最小,参数量最少,计算复杂度最低.

基于元伪标签和光照不变特征的人脸反欺诈算法

人脸反欺诈(Face anti-spoofing,FAS)在防止人脸识别系统遭受欺诈攻击方面起着至关重要的作用,得益于深度学习网络强大的特征提取能力,基于深度学习的FAS算法取得比基于传统手工特征算法更好的性能,成为近期的研究热点。尽管大多数基于深度学习的FAS算法能在库内达到很好的检测效果,但是跨库检测性能欠佳,主要原因是库内和库外数据往往在不同条件下采集,例如拍摄设备、环境光照和攻击呈现设备不同,导致库内和库外数据的分布不同,两者之间存在域位移。当训练数据的多样性不足时,容易在库内学习过程中过拟合,跨库泛化性能不好。尽管我们可以判断起因,然而在真实世界的应用过程中解决上述问题并不容易。一方面,人脸反欺诈模型难以收集所有场景下的有标签训练样本;另一方面,不同应用场景使得同一因素产生不同的影响,例如,不同场景的光照导致域位移,影响了分类模型对本质性欺诈纹理的提取。为此,本文将元伪标签引入人脸反欺诈任务,提出一种基于元伪标签的人脸反欺诈方法。主要贡献包括:第一,提出一种基于图像块的“教师生成伪标签,学生反馈”半监督学习框架,挖掘局部图像的高区分度特征,解决有标签样本不足的问题;第二,基于局部重力模式(Pattern of local gravitational force,PLGF),设计一种带有注意力模块的光照不变特征分支,抑制应用场景中最容易影响特征提取的光照因素;第三,将元学习与半监督学习框架相结合,优化教师生成伪标签的过程,提高算法的跨库检测能力。与现有流行算法相比,在三个公开的测试数据集(包括CASIA、Replay-Attack和MSU)上,所提出方法在库内测试和跨库测试下均有突出的表现,尤其是泛化性能得到显著提高。在样本数量中等时,在不同库中的半总错误率保持最低。

数字电子技术英文教材分析与全英语教学实践

国际化程度成为近年来衡量高等学校教学与科研水平的重要标准之一。越来越多的重点高校开始大规模推进全英语课程教学改革。通过对若干种《数字电子技术》英文教材进行分析,从总体风格、内容覆盖、习题编排等方面介绍各自的特点,并与经典中文教材以及通用教学大纲对比,总结出使用引进教材进行全英语授课的若干经验:“量体裁衣”——弹性制定教学内容;“跃然纸上”——精心设计多媒体课件;“他山之石”——充分利用教辅材料。

数字多媒体取证技术综述

数字多媒体取证是信息安全一个刚刚兴起的研究领域,研究数字多媒体取证技术对确保多媒体数据的可靠性有着极其重要的意义。以数字图像取证为代表,从篡改检测、来源辨识、真实性鉴定、设备成分取证以及多媒体取证方法的可靠性等五个方面对现有数字多媒体取证技术进行综述,重点介绍了典型算法,并指出当前研究中存在的一些主要问题,给出本领域未来的研究方向。

基于图像分割网络的深度假脸视频篡改检测

随着深度学习技术的快速发展,利用深度神经网络模型伪造出的深度假脸(deepfake)视频越来越逼真,假脸视频造成的威胁也越来越大。文献中已出现一些基于卷积神经网络的换脸视频检测算法,他们在库内获得较好的检测效果,但跨库检测性能急剧下降,存在泛化能力不足的问题。该文从假脸篡改的机制出发,将视频换脸视为特殊的拼接篡改问题,利用流行的神经分割网络首先预测篡改区域,得到预测掩膜概率图,去噪并二值化,然后根据换脸主要发生在人脸区域的前提,提出一种计算人脸交并比的新方法,并进一步根据换脸处理的先验知识改进人脸交并比的计算,将其作为篡改检测的分类准则。所提出方法分别在3个不同的基础分割网络上实现,并在TIMIT,FaceForensics++,FFW数据库上进行了实验,与文献中流行的同类方法相比,在保持库内检测的高准确率同时,跨库检测的平均错误率显著下降。在近期发布的合成质量较高的DFD数据库上也获得了很好的检测性能,充分证明了所提出方法的有效性和通用性。

联合SIFT特征点和CS-LBP特征描述子的复制粘贴篡改检测

针对现有数字图像复制-粘贴篡改检测中尺度不变特征变换(Scale Invariant Feature Transform,简称SIFT)算法计算复杂度高的问题,文章提出一种将SIFT特征点和中心对称局部二进制模式(Center Symmet-ric-Local Binary Pattern,简称CS-LBP)描述子相结合的篡改检测方法。首先提取SIFT关键点,再对每个关键点生成CS-LBP特征描述子,并利用K-D(k-dimensional)树和BBF(Best-Bin-First)搜索算法寻找符合特征匹配关系的匹配点对,判断是否存在图像区域的篡改。实验表明,与同类算法相比,所提出算法在不损失检测精度的同时有效地减少了运算量。

具有双重检测机制的图像篡改检测算法

针对单一基于相关性的图像篡改检测算法难以同时解决虚警和漏检的缺陷,提出一种具有双重检测机制的图像篡改检测算法——第一重检测利用待测图像各区域的相机指纹是否与参考相机的指纹具有相关性来确定疑似篡改图像块;第二重检测从疑似篡改图像块中抽取特征,送到训练好的支持向量机(SVM),由基于图像特征的SVM对其分类,把误判块和真实篡改块区分开来.实验结果表明,该算法优于经典的单一基于相机指纹相关性的篡改检测算法.

修改标志位的大容量无损HEVC信息隐藏方法

传统的视频信息隐藏方法大多通过修改视频的帧内预测模式、运动向量或预测残差系数来实现.然而,高效视频编码(HEVC)标准的高级运动向量预测(AMVP)技术同时利用相邻块的空域运动向量和时域运动向量来预测当前块的运动向量,通过在码流中保存预测运动向量的标志值来标识所使用的预测运动向量.基于这一特点,文中创新性地提出通过修改标志值来嵌入秘密信息.为了保证嵌密视频的质量,文中分析了标志值、预测运动向量以及运动向量残差之间的关系,然后对运动向量残差进行匹配修改,以此确保嵌密前后预测块的运动向量不变.实验结果表明,文中方法具有较大的嵌入容量和较小的比特率增加,且嵌密视频的质量与原始视频完全相同.

人脸欺诈检测最新进展及典型方法

以人脸为生物特征的身份认证由于其简单、快捷和无接触,深受用户喜爱。然而,不法分子针对人脸的易于伪造和认证场景的多样性,恶意攻击人脸识别系统,给国家安全和人民生活带来极大危害,有必要深入研究人脸的反欺诈技术。该文收集了经典和代表性论文68篇,其中包括近2年来国际主流期刊和会议的相关论文50余篇,从7大类来梳理近期人脸欺诈检测的技术脉络,把握领域的最新动向。为了使读者洞悉各类的技术精髓,对典型方法进行了重点介绍,并对各类进行了技术小结。在方法介绍结束之后,对2019年以来新推出的6个人脸欺诈检测数据库进行了简要介绍,便于读者对本领域的最新算法开发和验证平台有所了解。结语部分对人脸欺诈检测7类方法之间的关联、在理论和应用上的总体现状、存在的主要问题以及发展的方向作了简单的总结和展望。

视频篡改检测数据库的构建及测试

针对目前视频篡改检测领域缺乏标准实验视频数据库的现状,构建了视频篡改检测数据库,包含640段来自多种录像设备的原始视频及编辑所得的帧间篡改视频和帧内篡改视频.对数据库中原始视频和篡改视频的获取过程进行了详细介绍.选用文献中4种不同类型的视频篡改检测算法在数据库上进行有效性测试.实验表明,数据库能更全面、客观地反映算法的性能,是一个有效的视频篡改检测数据库.

图像源辨识反攻击算法的简化与分析

基于相机指纹/成像传感器模式噪声的图像源辨识算法容易受到指纹复制攻击.文中首先对现有的三角测试反攻击算法进行了简化,即通过将图像各块的衰减因子近似认为是常数,减少了计算时间,然后从传感器模式噪声添加方式、图像内容、模式噪声提取方式和盗用图片数目四个方面对反攻击算法性能进行了详细分析.最后,根据实验结果指出,以上四个方面都会影响反攻击算法的成功率.文中还讨论了这些因素所影响的程度和范围.

基于模式噪声分量符号信息的快速源相机辨识

现有基于传感器光响应非均匀性模式噪声的源相机辨识方法多采用蛮力搜索(即穷举)策略,当相机指纹数量较多且指纹长度较长时,效率较低.文中提出一种基于模式噪声分量符号信息的快速源相机辨识方法.即利用模式噪声中的大幅值分量构造相机的精简指纹,采用分离链接哈希表结构存储参考指纹信息,按照测试指纹和参考指纹之间的同符号分量个数对候选参考指纹排序,按序进行相关性检测.实验表明,文中方法大大减少了相关性运算的次数.

新国标背景下刑事技术专业核心课程改革探索——以“电子物证”课程为例

一、引言公安工作面向社会,时代感强,发展快,这就决定公安院校相关院系开设的核心课程需要坚持以公安实战需求为导向,保持教学贴近实战、融入实战、服务实战,进而引领实战,以应对犯罪活动多元化、高科技化的发展趋势。从当前案发形态看,传统的盗窃、抢劫、涉枪、绑架等案件呈显著下滑趋势,诈骗、"钓鱼"等非接触案件呈显著上升趋势。

多域特征融合的换脸视频检测算法

现有基于深度学习网络的换脸视频检测算法大多存在跨库检测性能较弱和泛化性能不足的问题。文章融合空域、频域和时域的图像特征信息,提出一种基于多域特征融合的换脸视频检测算法。采用多路卷积特征提取网络分别提取空域颜色通道特征、频域离散傅里叶变换特征以及时域光流特征,并引入通道注意力机制对各支路特征进行优化和有效融合。所提算法在4个公开数据库上进行了实验,与现有同类方法相比,在保持良好库内检测性能的同时,显著提升了跨库检测性能,表现出更为稳定的泛化性能。

基于TCS-LBP算子的视频帧复制篡改检测算法

针对监控视频帧复制篡改,提出一种基于时空域特征的篡改检测算法.受空域局部二值模式(LBP)算子设计的启发,设计一种时域TCS-LBP算子,反映当前视频帧与其前后若干帧在同一空间位置像素之间的关系;然后在当前图像上逐点计算TCS-LBP特征值,构造能同时反映当前视频帧时域和空域特征的特征图像;利用特征图像,逐帧检测是否存在帧复制;对于初步检测到的篡改区域,再进行虚警和漏检的修正以及篡改边界的精确定位.实验结果表明,文中算法具有良好的性能,与现有的2种同类算法相比,性能明显提升.

基于光照方向一致性的换脸视频检测

光照条件是视频外部成像环境的重要因素,可反映视频成像时的客观物理条件,即使采用复杂的计算机图形学模型,也难以完全反映光照的真实场景。针对大部分Deepfake换脸视频与真实视频在外部成像环境上的差异,提出一种基于光照方向一致性的换脸视频检测方法。本文利用Lambert光照模型逐帧计算待测视频的二维光照方向,通过判断整段待测视频二维光照方向的角度变化是否平滑确定视频真伪。实验结果表明该方法在公开的测试数据库TIMIT和FaceForensics++上具有较好的检测性能,可以有效区分真实视频和换脸视频。由于不需要训练检测模型,该方法具有计算复杂度低、实时性好的优点。

5种流行假脸视频检测网络性能分析和比较

为对抗假脸视频的危害,研究者目前已经提出了多种不同的基于卷积神经网络(convolutional neural networks,CNN)的假脸视频检测器,然而这些检测器所存在的一个共同问题是库内检测通常能达到较高的准确率,但跨库检测时性能出现严重下降,即存在严重的泛化能力不足问题.该文对基于MesoInception-4、MISLnet、ShallowNetV1、Inception-v3、Xception这5种流行网络的假脸视频检测器,在现有3个假脸视频库上进行库内和跨库测试,重点分析数据库的划分方式、数据增广操作以及检测阈值选取这3个因素对假脸视频检测器泛化能力的影响.

基于局部区域模式噪声的数字图像源辨识算法

数码相机的传感器模式噪声可以作为相机指纹实现数字图像源辨识。针对模式噪声的提取效果对图像内容有较大的依赖性,文章发现亮度高纹理简单的区域模式噪声质量较高。因此,首先根据图像的纹理和亮度设计一个评估函数,用该函数对测试图像每个块进行评估,选择出亮度高纹理简单的区域;最后利用选择区域的模式噪声,使用相关性检测器实现数字图像源辨识。实验证明了基于局部区域模式噪声的数字图像源辨识算法的有效性和优越性。

利用自适应像素对匹配的图像纹理区隐写

图像纹理区结构随机性较强,因此在纹理丰富区域嵌入隐蔽信息比在平坦区域嵌入的安全性更高.提出一种基于自适应像素对匹配法(adaptive pixel pairmatching,APPM)的纹理区隐写算法,优先在复杂纹理区嵌入密信.定义了图像纹理区域判别准则,由此根据待嵌入秘密信息的长度调整阈值,实现自适应隐写.在嵌入过程中可能出现嵌密块纹理复杂度小于阈值的异常情况,为解决这一问题,算法包含了基于最小失真的像素值局部调整策略.实验结果表明,该算法的嵌入效率高于原始APPM算法,而且KL距离较小,抵抗几种常用隐写分析算法的能力也比其他几种代表性算法LSB和APPM更强.

一种双重判断机制的音频篡改盲检测算法

插入和删除是两种常见的音频篡改操作.针对现有基于电网频率(ENF)信号的音频篡改检测算法对插入和删除操作定位精度不高的问题,提出一种双重判断机制的篡改盲检测算法.机制一利用最大相关偏移量曲线来确定篡改位置;机制二根据最大相关偏移量曲线所对应的斜率曲线来确定篡改位置.将机制一和机制二联合使用可获得更好的篡改定位精度.为了简化算法实现,文中还提出一种不用引入额外ENF参考信号计算最大相关偏移量的方法.与现有文献中两种代表性算法相比,文中算法具有更高的篡改定位准确度,且对重采样、压缩及加噪这3种常见的音频处理操作有一定的鲁棒性.