-
公开(公告)号：CN117593679A
公开(公告)日：2024-02-23
申请号：CN202311340257.7
申请日：2023-10-16
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06V20/40 , G06V40/16 , G06V10/764 , G06V10/25 , G06V10/82 , G06N3/084 , G06N3/0499
Abstract: 本发明提供一种伪造视频检测方法、装置、电子设备及存储介质，涉及计算机技术领域，方法包括：基于待检测视频，确定待检测视频对应的第一判别特征向量和第二判别特征向量；第一判别特征向量表示待检测视频中每帧人脸图像之间的时域特征信息；第二判别特征向量表示待检测视频中每帧人脸图像之间的频域特征信息；基于第一判别特征向量和第二判别特征向量，确定待检测视频对应的目标特征向量；目标特征向量表示融合时域特征信息和频域特征信息的特征信息；基于目标特征向量，确定待检测视频的检测结果。通过时域特征信息和频域特征信息的融合，能够准确确定待检测视频的检测结果，提升了待检测视频的检测精度。
-
公开(公告)号：CN116778910A
公开(公告)日：2023-09-19
申请号：CN202310505872.2
申请日：2023-05-06
Applicant: 中国科学院声学研究所 , 国家计算机网络与信息安全管理中心
IPC: G10L15/02 , G10L15/06 , G10L15/16 , G10L15/28 , G06F18/2135 , G06F18/241 , G06N3/0464 , G06N3/08
Abstract: 本申请提供了一种语音检测方法，包括：获取目标语音，将所述目标语音进行预处理，所述预处理包括预加重、分帧及加窗；确定所述预处理后目标语音的第一声道特征、第一声源波特征和多种第一相关特征；基于所述第一声道特征、第一声源波特征和多种第一相关特征确定所述第一主成分特征；将所述第一主成分特征输入训练好的分类器，输出分类的结果，所述分类结果为伪造语音，或自然语音。本申请利用伪造语音在基频处留下的痕迹信息，利用伪造语音与自然语音在声源和声道特征上的差异以实现伪造语音检测。使用主成分分析的方法分别对声源和声道特征进行筛选，选取具有较高相关性的主成分作为特征，减少特征维度和冗余特征，提高模型的泛化能力和效率。
-
公开(公告)号：CN116129913A
公开(公告)日：2023-05-16
申请号：CN202211490461.2
申请日：2022-11-25
Applicant: 国家计算机网络与信息安全管理中心
Abstract: 本发明实施例公开了一种基于频带选择的伪造语音检测方法。所述方法包括，获取目标语音信号，将目标语音信号进行变换，获得语谱图特征；对所述语谱图特征进行频带切分，获得低频子带特征和高频子带特征；使用低频子带特征训练语音合成伪造语音检测模型；使用高频子带特征训练录音回放伪造语音检测模型；然后将低频子带特征输入语音合成伪造语音检测模型；以及将交叉匹配的高、低频子带特征输入录音回放伪造语音检测模型，获得最终的语音检测结果。在本发明实施例中，实现了提升神经网络伪造语音检测系统在数据集不匹配等情况下的鲁棒性，以及通过子带选择减小了特征大小，降低了伪造语音检测的参数量和计算量。
-
公开(公告)号：CN119311871A
公开(公告)日：2025-01-14
申请号：CN202411222450.5
申请日：2024-09-02
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/35 , G06F16/36 , G06F18/25 , G06F18/213 , G06N3/045
Abstract: 本申请涉及舆情监测技术领域，公开一种面向噪声文本信息的检测方法及系统，所述方法包括：获取目标数据集；对目标数据集进行预处理，获取预处理后的文本特征；构成汉化文本分类模型预训练模型，其中，汉化文本分类模型预训练模型用于预处理后的文本特征，以获取文本的表示向量；构建两个结构不同的基于汉化文本分类预训练模型作为双塔模型的基分类器A和基分类器B；用相同数据集对基分类器A和基分类器B进行调整。本发明能够对双塔模型进行相互校验，对双塔模型的输出结果进行综合考量，并输出最终结果，从而有效提高整体的特定内容检测准确率。
-
公开(公告)号：CN117593679B
公开(公告)日：2024-08-02
申请号：CN202311340257.7
申请日：2023-10-16
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06V20/40 , G06V40/16 , G06V10/764 , G06V10/25 , G06V10/82 , G06N3/084 , G06N3/0499
Abstract: 本发明提供一种伪造视频检测方法、装置、电子设备及存储介质，涉及计算机技术领域，方法包括：基于待检测视频，确定待检测视频对应的第一判别特征向量和第二判别特征向量；第一判别特征向量表示待检测视频中每帧人脸图像之间的时域特征信息；第二判别特征向量表示待检测视频中每帧人脸图像之间的频域特征信息；基于第一判别特征向量和第二判别特征向量，确定待检测视频对应的目标特征向量；目标特征向量表示融合时域特征信息和频域特征信息的特征信息；基于目标特征向量，确定待检测视频的检测结果。通过时域特征信息和频域特征信息的融合，能够准确确定待检测视频的检测结果，提升了待检测视频的检测精度。
-
Patent Agency Ranking
公开(公告)号：CN117711393A
公开(公告)日：2024-03-15
申请号：CN202311695998.7
申请日：2023-12-11
Applicant: 国家计算机网络与信息安全管理中心
Abstract: 本发明涉及语音识别技术领域，提供一种语音对抗样本的防御方法、装置、设备和存储介质，该方法包括：获取原始语音指令对应的原始识别结果和降噪后的识别结果；在确定原始识别结果与降噪后的识别结果不相同的情况下，根据白噪声异常度和预设的异常度阈值，确定降噪后的识别结果对应的第一指令是否为语音对抗样本；白噪声异常度用于表征输入原始语音指令至语音识别模型时原始语音指令和所处的环境的环境噪声的相关程度；在第一指令为语音对抗样本的情况下，将第一指令进行作废。本发明提升了语音对抗样本的防御效果。
-
公开(公告)号：CN115083421A
公开(公告)日：2022-09-20
申请号：CN202210859650.6
申请日：2022-07-21
Applicant: 中国科学院自动化研究所 , 国家计算机网络与信息安全管理中心
Abstract: 本公开涉及一种自动寻参的语音鉴别模型的构建方法及装置，能自动调整超参数至最优，该方法包括：获取训练集中的语音数据；基于预训练语音特征提取模型，对语音数据进行特征提取，得到语音特征；将语音特征输入至轻量化可微结构并作为初始节点，根据搜索空间预定义的候选操作进行网络结构搜索，得到包含所有候选分支路径和候选节点的候选网络结构；其中候选操作表征从前一节点到后一节点的网络连接关系；将语音数据为真伪语音的真实结果作为训练标签，在训练过程中对候选网络结构的节点之间候选操作对应的结构权重进行调整；根据训练完成的结构权重，对候选网络结构进行精简，得到目标网络结构；根据目标网络结构，生成语音鉴别模型。
-
公开(公告)号：CN117035058A
公开(公告)日：2023-11-10
申请号：CN202310971765.9
申请日：2023-08-03
Applicant: 国家计算机网络与信息安全管理中心
Abstract: 本发明属于联邦学习领域，提供了一种基于联邦学习模型的训练方法，包括以下步骤：S11，定义问题：确定需要解决的机器学习问题、本地数据的来源、以及参与联邦学习的设备或节点；S12，模型选择和初始化：选择相应的模型，并在所有的本地设备或节点上初始化相应的模型，并下发至所有用户端；S13，本地训练：每个本地设备或节点使用其本地数据集对初始化的模型进行训练，得到一个本地模型；S14，模型聚合：在中央服务器上聚合本地模型；本发明通过在每个本地设备或节点都可以进行本地模型的训练和更新，进一步分散计算负载，提高训练速度和效率；通过设定停止条件来控制模型更新的频率，进而避免过度拟合等问题。
-
公开(公告)号：CN119046775A
公开(公告)日：2024-11-29
申请号：CN202411131128.1
申请日：2024-08-17
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F18/2411 , G06F18/213 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及信息技术领域，具体公开了一种基于图神经网络的异常用户分类方法，包括：S1、数据预处理与图构建，S2、节点表示分解，S3、生成基于同配度矩阵的伪标签，S4、信号聚合，S5、模型设计，S6、损失函数设计和S7、节点分类方法；本发明使用Weisfeiler‑Lehman同构测试和同配度矩阵的伪标签生成方法，能够有效地减少训练时间和计算资源，高效的信号聚合方法也使得推理过程更加快速；通过分解节点表示和伪标签生成的方法，使得模型在做出决策时更加透明，可以理解模型是如何利用同配性和异配性信息进行判断的，从而增加了模型的可解释性和精度。
-
公开(公告)号：CN116092522A
公开(公告)日：2023-05-09
申请号：CN202211499385.1
申请日：2022-11-28
Applicant: 国家计算机网络与信息安全管理中心
Abstract: 本发明涉及一种伪造语音检测方法，所述方法具体包括：提取待检测语音信号的音频特征；提取待检测语音信号的基频微扰特征和振幅微扰特征；通过卷积神经网络将音频特征转化为一维嵌入式特征；将一维嵌入式特征、基频微扰特征和振幅微扰特征拼接在一起，得到一维隐式特征；将一维隐式特征输入分类网络确定待检测语音信号是否为伪造语音信号。还涉及了装置，包括第一预处理单元、第二预处理单元、卷积神经网络单元、拼接单元和分类网络单元。本发明的方法和装置，具有较高的泛化性，能够应对实际应用场景中的多种来源的伪造语音攻击。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.031 seconds)
