卢伟
- 作品数：5 被引量：0H指数：0
- 供职机构：广东省信息安全技术重点实验室更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 关注社交异配性的社交机器人检测框架
- 2024年
- 随着社交机器人的迭代,其倾向于与正常用户进行更多交互,对其检测变得更具挑战性。现有检测方法大多基于同配性假设,由于忽视了不同类用户间存在的联系,难以保持良好的检测性能。针对这一问题文章提出一种关注社交异配性的社交机器人检测框架,以社交网络用户间的联系为依据,通过充分挖掘用户社交信息来应对异配影响,并实现更精准的检测。文章分别在同配视角和异配视角下看待用户之间的联系,将社交网络构建为图,通过消息传递机制实现同配边和异配边聚合,以提取节点的频率特征,同时利用图中各节点特征聚合得到社交环境特征,将以上特征混合后用于检测。实验结果表明,文章所提方法在开源数据集上的检测效果优于基线方法,证明了该方法的有效性。
- 余尚戎肖景博殷琪林卢伟
- 人脸深度伪造主动防御技术综述
- 2024年
- 深度生成模型的飞速发展推动了人脸深度伪造技术的进步,以Deepfake为代表的深度伪造模型也得到了十分广泛的应用。深度伪造技术可以对人脸图像或视频进行有目的的操纵,一方面,这种技术广泛应用于电影特效、娱乐场景中,丰富了人们的娱乐生活,促进了互联网多媒体的传播;另一方面,深度伪造也应用于一些可能造成不良影响的场景,给公民的名誉权、肖像权造成了危害,同时也给国家安全和社会稳定带来了极大的威胁,因此对深度伪造防御技术的研究日益迫切。现有的防御技术主要分为被动检测和主动防御,而被动检测的方式无法消除伪造人脸在广泛传播中造成的影响,难以做到“事前防御”,因此主动防御的思想得到了研究人员的广泛关注。然而,目前学术界有关深度伪造防御的综述主要关注基于检测的被动式防御方法,几乎没有以深度伪造主动防御技术为重点的综述。基于此,本文对当前学术界提出的人脸深度伪造主动防御技术进行梳理、总结和讨论。首先阐述了深度伪造主动防御的提出背景和主要思想,并对现有的人脸深度伪造主动防御算法进行汇总和归类,然后对各类主动防御算法的技术原理、性能、优缺点等进行了系统性的总结,同时介绍了研究常用的数据集和评估方法,最后对深度伪造主动防御所面临的技术挑战进行了分析,对其未来的发展方向展开了思考和讨论。
- 瞿左珉殷琪林盛紫琦吴俊彦张博林余尚戎卢伟
- 关键词：主动防御
- 全体变长编码映射的JPEG可逆信息隐藏
- 2023年
- 目的JPEG(joint photographic experts group)作为一种广泛使用的图像格式,对其进行可逆信息隐藏有实际应用价值。大多数以JPEG图像为载体的可逆信息隐藏方案会导致图像质量降低和文件膨胀。由于在JPEG比特流中,并没有使用较多的变长编码(variable-length code,VLC),因此以未使用的VLC替换已使用的VLC可以实现秘密信息的无损嵌入,但这类方法的嵌入容量有限,且会导致文件膨胀。为了实现更大的嵌入容量并更好地控制文件膨胀,本文提出了新的全体VLC映射方案。方法首先,重排序原始比特流中的行程长度/幅值大小(run/size value,RSV),获得去除编码冗余的载体;然后,引入中间VLC的概念,根据VLC频数分布,确定使文件膨胀大小相对于嵌入载荷最小的最优中间VLC映射模型;接着,通过计算模拟嵌入下的文件膨胀大小,确定构建最优中间VLC映射所需的嵌入VLC和中间VLC集合;最后,根据最优中间VLC映射关系修改定义哈夫曼表和JPEG比特流实现秘密信息的嵌入。结果实验在USC-SIPI数据库上与基于DCT(discrete cosine transform)系数修改和基于VLC映射的方法进行对比。相较于基于限长VLC映射的方法,对不同的载体图像,本文方法的嵌入容量有540倍较大提升。与现有的典型可逆信息隐藏方法相比,在相同的嵌入容量下,本文方法嵌入造成的文件膨胀大小明显降低。对QF(quality factor)为90的载体图像嵌入1.8×104比特的秘密信息,本文方法造成的文件膨胀最高可降低46%。实验结果验证了RSV重排序的有效性,且提出的最优中间VLC映射可以在提供较大嵌入容量的同时保持较小的文件膨胀。结论本文提出全体变长编码映射的JPEG可逆信息隐藏方法,通过构建最优的中间VLC映射,可以保持载体图像不失真并提供较大嵌入容量,且使文件膨胀更小。
- 王可吴绍武王可付婧巧陈兵卢伟
- 基于噪声注意力的伪造人脸检测方法
- 2023年
- 随着人工智能和深度神经网络的不断发展,图像生成与编辑变得越来越容易,恶意运用图像生成工具进行篡改伪造的现象层出不穷,这对多媒体安全以及社会稳定造成了极大威胁,因此研究伪造人脸的检测方法至关重要。人脸篡改伪造的方式和工具多种多样,在篡改的过程中可能留下不同程度的篡改痕迹,而这在图像噪声中都有一定程度上的反映。从图像噪声的角度出发,通过噪声去除的方式挖掘反映伪造人脸篡改痕迹的噪声成分,进一步生成噪声注意力,指导主干网络进行伪造人脸检测。使用SRM滤波监督噪声去除模块的训练,并将噪声去除模块所得到的噪声再次加入真实人脸图像中,形成一对有监督的训练样本,通过自监督的方式对噪声去除模块进行加强指导,实验结果说明噪声去除模块得到的噪声特征具有较好的区分度。在多个公开数据集上进行了实验,所提方法在Celeb-DF数据集上达到98.32%的准确率,在FaceForensics++数据集上达到94%以上的准确率,在DFDC数据集上达到92.61%的准确率,证明了所提方法的有效性。
- 张博林朱春陶殷琪林付婧巧刘凌毅刘佳睿刘红梅刘红梅
- 关键词：图像噪声
- 基于多域时序特征挖掘的伪造人脸检测方法
- 2023年
- 随着计算机技术在金融服务行业中的不断发展,金融科技便利了人们的日常生活,与此同时,数字金融存在着危害性极大的安全问题。人脸生物信息作为人物身份信息的重要组成部分,广泛应用于金融行业中的支付系统、账号注册等方面;伪造人脸技术的出现不断冲击着数字金融安全体系,给国家资产安全和社会稳定造成了一定的威胁。为了应对伪造人脸带来的安全问题,提出了一种基于多域时序特征挖掘的伪造人脸检测方法。所提方法从视频在空域和频域中存在的时序特征出发,基于人脸统计特征数据分布的一致性以及时间上动作趋势的一致性,对篡改特征进行区分增强。在空域中,所提方法使用改进的长短记忆网络(LSTM)来挖掘帧间的时序特征;在频域中,利用3D卷积层来挖掘不同频段频谱的时序信息,并与主干网络提取到的篡改特征进行融合,进而有效地区分伪造人脸和真实人脸。所提方法在主流数据集中表现优越,证明了所提方法的有效性。
- 朱春陶尹承禧张博林殷琪林卢伟
