基于帧间量化参数强度值检测深度伪造人像视频

深度学习算法的发展为伪造人像视频的创作增添了“助力”,应运而生的深度伪造检测成为学界和业界关注的焦点。基于深度学习的伪造视频检测技术需要耗费大量时间与算力训练分类器,深度学习网络的黑盒性和不可解释性也困扰着深度伪造人像视频取证研究。围绕深度伪造人像视频的真实性取证问题,本文提出一种基于视频帧间量化参数强度值的检测方法,并通过二元Logistic回归方程给出参考阈值。实验结果表明:本文的方法在检测利用DeepFaceLab换脸平台合成的深度伪造人像视频中表现出良好的准确率和鲁棒性。所提方法有助于对可疑人像视频真实性进行判断,为涉案人像视频提供取证依据。

综合视频帧间多特征的深度伪造人像检测方法

提高对目前新兴的深度伪造人像视频的检测能力,防止该类视频的恶意使用对国家安全、社会稳定及人民群众利益造成重大损失。提出一种综合利用视频帧间多种特征进行深度伪造视频检测的方法。从现有研究的时序特征入手,结合视频编码过程中使用的各种参数,通过对多特征数值进行调整并使用回归模型整合成综合型分类器。为了使分类器参数与实际情况更加符合,该方法进一步加入方差膨胀系数检验自变量之间的数据相关性。实验结果显示,该方法在具有一定规模的实验数据上具有优秀的分类效果,AUC指标达到0.993,且各特征对应的VIF值均小于10,表明该方法所用分类器不存在明显且严重的多重共线性。本文所提检测方法具有可行性、科学性以及良好的检测性能,可为公安实际检测业务提供有效技术支持。