-
公开(公告)号：CN118520441A
公开(公告)日：2024-08-20
申请号：CN202410669781.7
申请日：2024-05-28
Applicant: 暨南大学
Abstract: 本发明涉及深度学习以及图像逆向生成技术领域，特别是涉及基于CStyleGAN2的模型逆向攻击方法，包括：获取目标人脸特征向量；将所述目标人脸特征向量输入预设的人脸逆向模型中，输出恢复的人脸图像，其中，所述人脸逆向模型通过训练集训练获得，所述训练集包括人脸图像以及对应的人脸特征向量，所述人脸逆向模型基于StyleGAN2网络结合条件生成对抗网络构建。本发明能够生成分辨率高、身份特征一致的人脸图像。
-
公开(公告)号：CN117892339A
公开(公告)日：2024-04-16
申请号：CN202311830711.7
申请日：2023-12-28
Applicant: 暨南大学
Abstract: 本发明公开了一种基于区块链的高可信度联合模型训练方法及系统，其中方法步骤包括：基于区块链节点，生成工人与服务提供商各自用于签名的密钥对；基于密钥对，进行联邦成员筛选协议，组建联邦；基于组建的联邦，对任务目标模型进行高可信度的联合训练；完成联合训练之后，对联合训练任务进行结算。本发明基于区块链与安全多方计算技术进行搭建，本发明设计的联合模型训练方法是公开可审计的，与现有的许多公开可审计的联合模型训练方法相比，本发明避免了区块链导致的隐私泄露、多轮调用智能合约带来的高调用费以及激励机制不可被验证的问题。
-
公开(公告)号：CN117496583B
公开(公告)日：2024-04-02
申请号：CN202311841206.2
申请日：2023-12-29
Applicant: 暨南大学
Abstract: 本发明公开了一种可学习局部差异的深度伪造人脸检测定位方法，可用于深度伪造人脸图像真伪检测以及篡改区域定位，本发明属于数字取证领域。包括：局部差异特征提取网络、跨层次注意融合伪造定位网络以及高泛化性真伪分类器。局部差异特征提取网络与跨层次注意融合伪造定位网络是本发明方法的核心所在，局部差异特征提取网络中的局部相似性计算模块能够提高特征提取网络捕捉细粒度局部差异痕迹的能力，跨层次注意融合模块聚合了多种层次的细节信息促进伪造定位的准确性。在有限的训练数据下，本发明对未知伪造方法数据的测试获得了更高的泛化性，从而扩展了现有检测模型的泛化能力。
-
公开(公告)号：CN117496583A
公开(公告)日：2024-02-02
申请号：CN202311841206.2
申请日：2023-12-29
Applicant: 暨南大学
Abstract: 本发明公开了一种可学习局部差异的深度伪造人脸检测定位方法，可用于深度伪造人脸图像真伪检测以及篡改区域定位，本发明属于数字取证领域。包括：局部差异特征提取网络、跨层次注意融合伪造定位网络以及高泛化性真伪分类器。局部差异特征提取网络与跨层次注意融合伪造定位网络是本发明方法的核心所在，局部差异特征提取网络中的局部相似性计算模块能够提高特征提取网络捕捉细粒度局部差异痕迹的能力，跨层次注意融合模块聚合了多种层次的细节信息促进伪造定位的准确性。在有限的训练数据下，本发明对未知伪造方法数据的测试获得了更高的泛化性，从而扩展了现有检测模型的泛化能力。
-
-
-
Search Results
14
records
(took 0.022 seconds)
