具有隐私保护特性的深度伪造人脸检测模型

现有伪脸检测研究都是在明文条件下开展,而人脸图像具有重要的隐私性.因此,基于加性秘密分享框架,提出一种具有隐私保护特性的深度伪造人脸图像检测模型.首先在现有基础运算协议的基础上,构建4个安全通信协议,并通过理论分析证明了它们的安全性和正确性;然后使用不共谋的双服务器构建一个类明文的环境,在构建的安全通信协议支持下,双服务器中预训练好的ResNet50模型交互协同计算;最后综合双服务器的运算结果,在不暴露输入的情况下实现安全伪脸检测.在公开数据集FaceForensics++,Celeb-DF和DFDC上的实验结果表明,所提模型能够在实现支持隐私保护的前提下,与明文条件下的ResNet50模型准确率保持一致;所提出的隐私保护模型也适用于ResNet50之外的其他明文SOTA伪脸检测模型,如Xception和EfficientNet-B0等.

利用人脸3DMM重构信息检测深度伪脸视频

提出一种基于人脸三维形变模型(3D morphable model,3DMM)的深度伪脸视频检测算法,利用3DMM强大的人脸形状、纹理、表情和姿态参数估算能力,逐帧获取鉴伪基本信息。设计面部行为特征计算模块和静态外貌特征提取模块,以滑动窗为单位,在时间轴上分别从表情和姿态参数提取人物的面部行为特征,从形状和纹理参数计算人物的静态外貌特征。鉴伪过程利用人物外貌特征与面部行为特征的一致性来完成。所提出的算法人物针对性强,可解释性好。该方法与同类算法相比,半总错误率更低,抗视频压缩能力更好,计算更加简便。