-
题名基于多分类数据集的人脸伪造算法识别模型
- 1
-
-
作者
丁博文
芦天亮
彭舒凡
耿浩琦
杨刚
-
机构
中国人民公安大学信息网络安全学院
-
出处
《计算机科学》
北大核心
2025年第7期353-362,共10页
-
基金
中国人民公安大学网络空间安全执法技术双一流创新研究专项(2023SYL07)。
-
文摘
目前,人脸检测方法主要集中在人脸真假检测,对伪造算法识别的研究较少,存在图像扰动鲁棒性较差、资源占用大等问题;同时,公开的人脸检测数据集存在更新慢、种类少等问题。为解决以上问题,设计了人脸伪造算法识别模型Indentifor-mer。该模型以视觉自注意力模型为主干,首先将位置编码融合块分解,再使用Khatri-Rao积改进的快速傅里叶变换对全局特征进行提取,同时采用并行卷积结构补充局部特征信息并利用多头注意力机制进行融合,以增强模型的建模能力。最后,通过基于正则化改进的多层感知机减少过拟合,实现人脸伪造算法的识别。此外,构建了虚假人脸多分类数据集,其包含扩散模型、大模型及融合技术等18种伪造方法,共计41万余张人脸图像,具有更好的数据多样性和真假混合性。实验结果表明,Indentifomer模型在不增加资源开销的情况下,在算法识别多分类和真假分辨二分类任务中AUC分别达到99.57%和99.73%,在鲁棒性实验中AUC平均仅下降4.62%,具有较高的识别能力和抗干扰能力。
-
关键词
人脸伪造算法识别
深度伪造
视觉自注意力
人脸数据集
多分类
-
Keywords
Face forgery algorithm recognition
Deepfake
Visual self-attention
Face dataset
Multi-classification
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
