本发明提出基于视觉对抗重构的DeepFake 防御方法和系统 其中,方法包括:两阶段方法 在第一阶段,将真实人脸数据转化为潜在编码, 它能够通过一个生成器逼真地重建真实图像 将 这个问题看做GAN的逆向问题,训练一个编码器 来生成潜在嵌入,将其作为初始化,然后再对其 进行微调 在第二阶段,在第一阶段获得的潜在 嵌入的临近域中搜索,以获得最优嵌入。
该嵌入可以产生完美的重建并且使DeepFake失效 此过 程中,潜在嵌入使用来自目标DeepFake模型的梯 度信息进行优化,并限制在一个小的修改范围 中,以满足视觉相似性要求
中国科学院自动化研究所多媒体鉴伪关键技术团队长期从事多媒体内容安全、人工智能安全等方面的研究工作,在图像、视频鉴伪等领域有着多年的技术积累和雄厚的科研实力,是国内较早开展鉴伪取证研究的科研团队之一。公开发布了国际上首个大规模鉴伪数据库,举办了国际首个深度伪造对抗博弈赛,并连续举办三届。在包括T-IFS、CVPR、AAAI、ICCV、ACM MM等国际顶级刊物和会议上发表相关学术论文80余篇,获得授权专利26项,包含3项国际专利。团队负责人主持或主要参与了国家863计划、973计划,科技支撑计划、重点研发计划、国家自然科学基金等40余项国家级、省部级和企业合作科研项目。
团队负责人董晶研究员现为中国人工智能学会(CAAI)理事、杰出会员;中国图象图形学学会(CSIG)理事、副秘书长;CSIG女科技工作者委员会秘书长;CSIG数字媒体取证与安全专委会常委、副秘书长;北京图象图形学学会(BSIG)常务理事、青工委主任委员;中国科学院青年创新促进会会员;首都海智新型海智工作基地专家;美国电气电子工程师学会(IEEE) 高级会员、IEEE亚太区执行委员等。
评价单位:“科创中国”机器视觉与智能产业科技服务团 (中国图象图形学学会)
评价时间:2023-09-01
综合评价
该科技成果提出基于视觉对抗重构的DeepFake防御方法和系统。通过主动防御将虚假内容的广泛传播带来的负面影响降到最低,阻止Deepfake图片、视频的生成和传播,避免虚假内容造成的伤害,发展前景非常可观。
本发明为应对日益严峻的DeepFake威胁提供了重要的解决方案,在DeepFake防御领域具有引领性作用,技术创新性高。未来,该发明有望在数字隐私保护、媒体可信性验证、数字取证等领域产生广泛影响。值得鼓励和支持该技术的持续推广和进一步的产业链开发,以应对不断演变的数字安全挑战。
查看更多>