(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210961313.8 (22)申请日 2022.08.11 (71)申请人 中国人民解 放军战略支援 部队信息 工程大学 地址 450000 河南省郑州市高新区科 学大 道62号 (72)发明人 李邵梅　吉立新　马欣　黄瑞阳　 高超　张建朋　雷娟娟　郭康　 (74)专利代理 机构 郑州大通专利商标代理有限 公司 41111 专利代理师 周艳巧 (51)Int.Cl. G06V 20/40(2022.01) G06V 40/40(2022.01) G06V 10/80(2022.01)G06V 10/82(2022.01) (54)发明名称 对抗条件下的深度伪造视频检测方法及系 统 (57)摘要 本发明属于多媒体信息处理技术领域， 特别 涉及一种对抗条件下的深度伪造视频检测方法 及系统， 首先， 构建深度伪造视频检测模型集合 并进行模型训练， 其中， 深度伪造视频检测模型 集合中至少包含3个用于分别对输入视频进行真 伪检测的神经网络结构模型； 然后， 利用训练后 的深度伪造视频检测模型集合对待检测视频进 行真伪检测， 并针对集合中每个模 型的真伪检测 输出， 采用大数胜出原则进行集中判决， 以确定 最终真伪检测结果。 本发明针对伪造生成者通过 对抗样本等技术添加扰动来干扰深度伪造视频 检测、 影响检测精度等的难题， 基于多模型检测 来提高对伪造视频检测的鲁棒性， 提升视频鉴伪 精度， 便于实际场景应用。 权利要求书2页 说明书5页 附图2页 CN 115410118 A 2022.11.29 CN 115410118 A 1.一种对抗条件下的深度伪造 视频检测方法， 其特 征在于， 包 含如下内容： 构建深度伪造视频检测模型集合并进行模型训练， 其中， 深度伪造视频检测模型集合 中至少包 含3个用于分别对输入视频进行真伪检测的神经网络结构模型； 利用训练后的深度伪 造视频检测模型集合对待检测视频进行真伪检测， 并针对集合中 每个模型的真伪检测输出， 采用大 数胜出原则进行集中判决， 以确定最终真伪检测结果。 2.根据权利要求1所述的对抗条件下的深度伪 造视频检测方法， 其特征在于， 深度伪 造 视频检测模型集 合中采用结构不同的神经网络结构模型来进行真伪检测。 3.根据权利要求1或2所述的对抗条件下的深度伪造视频检测方法， 其特征在于， 模型 训练中， 利用开源的深度伪造数据集DFDC对集 合中的神经网路结构模型分别进行训练。 4.根据权利要求1所述的对抗条件下的深度伪 造视频检测方法， 其特征在于， 利用集合 中的神经网络结构模型进 行真伪检测中， 首先， 针对待输入的视频数据， 对其进 行N种变体， N为自然数； 然后， 将待输入的视频数据和其N种变体分别送入神经网络结构模型中进行检 测， 并获取检测输出序列； 最后， 根据检测输出序列， 通过预设门限进行综合判决来确定该 神经网络结构模型的最终输出。 5.根据权利要求4所述的对抗条件下的深度伪 造视频检测方法， 其特征在于， 获取视频 数据的变体包含如下方式： 改变视频数据中每个像素 的颜色位深度和/或设置平滑邻域值 进行空间平 滑。 6.根据权利要求4所述的对抗条件下的深度伪 造视频检测方法， 其特征在于， 通过预设 门限进行综合判决中， 设置真伪门限值T1、 T2、 T3， 且T1＞T2＞T3， 若输入视频数据对应的检测 输出序列元素大于T1， 则判定该输入视频数据为伪造视频， 若输入视频数据对应 的检测输 出序列元素小于T1且大于T2， 则计算输入视频数据对应的检测输出序列元素与检测输出序 列中其他元素之间的差值绝对值， 计算的差值绝对值中最大值， 若该最大值大于T3， 则判定 为伪造视频， 若输入视频数据对应 的检测输出序列元素小于T2， 则判定该输入视频数据为 真实视频。 7.根据权利要求4或6所述的对抗条件下的深度伪造视频检测方法， 其特征在于， 利用 集合中的神经网络结构模型进行真伪检测中， 设置真伪门限值， 若输入视频数据对应的检 测输出序列 元素大于门限T1， 则判定该输入视频数据为伪造视频， 若小于门限T2， 则判定该 输入视频数据为真实视频， 否则， 再对待输入的视频数据进行N变体， 利用神经网络结构模 型对N中变体分别进行真伪检测来获取检测输出序列， 若输入视频数据对应的检测输出序 列元素小于T1且大于T2， 则计算输入视频数据对应的检测输出序列 元素与检测输出序列中 其他元素之间的差值绝对值， 计算的差值绝对值中最大值， 若该最大值大于T3， 则判定为伪 造视频， 否则， 判定为真实视频。 8.一种对抗条件下的深度伪 造视频检测系统， 其特征在于， 包含： 模型构建模块和检测 输出模块， 其中， 模型构建模块， 用于构建深度伪造视频检测模型集合并进行模型训练， 其中， 深度伪 造 视频检测模型集合中至少包含3个用于分别对输入视频进行真伪检测的神经网络结构模 型； 检测输出模块， 用于利用训练后的深度伪 造视频检测模型集合对待检测视频进行真伪 检测， 并针对集合中每个模型的真伪检测输出， 采用大数胜出原则进 行集中判决， 以确定最权　利　要　求　书 1/2 页 2 CN 115410118 A 2终真伪检测结果。 9.一种电子设备， 其特征在于， 包括处理器、 通信接口、 存储器和通信总线， 其中， 处理 器、 通信接口、 存 储器通过通信总线完成相互间的通信； 存储器， 用于存放计算机程序； 处理器， 用于执行存储器上所存放的程序， 并在程序执行时实现权利要求1～7任一项 所述的方法步骤。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质内存储有计算机 程序， 所述计算机程序被处 理器执行时实现权利要求1～7任一项所述的方法步骤。权　利　要　求　书 2/2 页 3 CN 115410118 A 3