科创中国
深度伪造人脸图像取证的安全性研究
发布时间: 2025-08-26
基本信息
合作方式：
技术转让
成果类型：
发明专利
行业领域：
电子信息技术,信息安全技术
成果介绍
随着深度伪造人脸图像技术的飞速发展，伪造技术与方法日益多样化，如何有效鉴别图像真伪的取证研究变得尤为重要。然而，当前基于深度学习的伪造图像取证算法存在明显的安全性挑战，主要体现在深度模型的脆弱性上，因其高度依赖训练数据且易受对抗攻击的影响。因此，基于深度伪造人脸图像的取证算法的安全性问题亟需解决。针对这一问题，本项目深入研究伪造人脸图像从伪造生成到传播检测的各个环节，新颖的从取证算法设计与优化、伪造数据分析与生成以及深度伪造人脸图像的主动防御三个方向针对取证安全性展开深入探索和系统性研究。
成果亮点
1）取证算法设计与优化
全方位设计与优化取证模型，提升其在多种场景下的泛化性与鲁棒性：本项目深入分析了影响伪造人脸取证性能不稳定的关键因素，从伪造模型的内在特征出发，提出了基于泛化性提升的深度伪造人脸取证方法与基于鲁棒性提升深度伪造检测框架。创新性的从多尺度、多模态、本质特征挖掘等方面设计伪造检测算法，提升算法的泛化性。相比以往的取证算法，从多视角层面和音素-视素层面进一步提升检测算法的鲁棒性，这些方法克服了以往取证技术在多样化伪造场景下的局限性，显著减少对于训练数据的依赖，增强了对于提升了伪造人脸图像的检测精度。
2）伪造数据分析与生成
挖掘伪造数据生成原理，探索本质线索，增强算法应对未知伪造的能力：基于从伪造数据生成角度，针对深度伪造检测的鉴伪原理，本项目从人脸生成和数据重建出发，提出了抵抗人脸识别的伪造生成技术，挖掘真实样本和伪造样本分布的本质差异，创新性的设计桥接样本技术，有效增强了取证算法应对未知伪造类型的能力。在伪造数据重建角度，增强边缘信息，聚焦伪造区域，增强了取证模型检测伪造图像的能力。
团队介绍
南京医科大学（Nanjing Medical University），位于江苏省南京市，是教育部、中华人民共和国国家卫生健康委员会、江苏省人民政府共建高校和江苏高水平大学建设高校，是国家“双一流”建设高校、第一批卓越医生教育培养计划项目试点高校、高水平公共卫生学院建设高校、国家建设高水平大学公派研究生项目实施高校、国家“特色重点学科项目”建设高校、中国政府奖学金来华留学生接收院校、江苏省高层次人才培养计划“333工程”培训基地、长三角医学教育联盟创始成员。
成果资料
下载app