基于深度学习的多特征融合人脸鉴伪模型

人脸伪造给网络安全带来了重大挑战。针对现有人脸鉴伪模型特征单一、准确率低的问题,提出了一种基于深度学习的多特征融合人脸鉴伪模型。该模型设计了不同特征提取模块,用以获取不同尺度的特征表示。并学习如何有效融合这些语义信息以准确判定是否伪造,从而显著提升模型的准确率和鲁棒性。最后在公开数据集FaceForensics++上进行大量实验验证。实验结果显示,与现有方法相比,设计的模型有明显的性能提升。

基于帧内关系建模的人脸深度伪造视频帧间检测模型

互联网在给人们带来便利的同时,也带来了信息安全隐患。现有的深度伪造检测技术大多单独应用帧内或帧间检测方法,少有二者结合的做法。基于此,提出集合帧内关系与帧间比对的方法,利用FaceForensic++数据集、Retina Face人脸检测模型和ResNet34模型,搭建一种基于帧内关系建模的人脸深度伪造视频帧间检测模型。