买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉天津理工大学;山东省人工智能研究院;国家计算机网络与信息安全管理中心天津分中心;天津中科闻歌科技有限公司;哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)申请的专利先验知识引导与双域表征优化的深度伪造检测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120748054B 。

龙图腾网通过国家知识产权局官网在2025-11-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511247392.6，技术领域涉及：G06V40/40；该发明授权先验知识引导与双域表征优化的深度伪造检测方法及系统是由高赞;贾浩;聂礼强;陈胜勇;董立峰;贾云刚;谢磊;孙捷;赵勇;罗引;郭建彬;马春杰;赵一博设计研发完成，并于2025-09-03向国家知识产权局提交的专利申请。

本先验知识引导与双域表征优化的深度伪造检测方法及系统在说明书摘要公布了：本发明涉及计算机视觉技术领域，具体涉及先验知识引导与双域表征优化的深度伪造检测方法及系统，具体如下：获取待检测的包含人脸身份的视频；将待检测的视频数据进行预处理获取面部图像；将面部图像输入预训练的深度伪造检测模型，提取图像的深度伪造证据特征；深度伪造检测模型通过先验知识引导，引导特征提取器学习预训练模型中对于真实图像的潜在知识，建立对真实世界的感知能力；再通过特征隐空间和图像空间的自适应数据增广机制，提高检测模型鲁棒性与泛化性；将特征作为伪造证据用于判别面部图像是否经过深度伪造。本发明测试成本更低，效率更高效，泛化性更好，可以广泛的应对深度伪造检测场景。

本发明授权先验知识引导与双域表征优化的深度伪造检测方法及系统在权利要求书中公布了：1.一种先验知识引导与双域表征优化的深度伪造检测方法，其特征是，包括以下步骤： S1、收集真实的人脸面部图像，对其进行深度伪造处理，得到人脸伪造图像和自换脸图像； S2、构建深度伪图像造检测模型，将真实的人脸面部图像和深度伪造处理得到的图像输入至深度伪图像造检测模型中，提取伪造图像特征，检测图像真假，并计算损失函数，对模型进行优化训练； 深度伪图像造检测模型包括先验知识引导模块、类遗传仿生的特征增强模块、对抗驱动的图像混合模块和分类器； 先验知识引导模块中的操作具体如下： 将真实的人脸面部图像和人脸伪造图像输入至先验知识引导模块，和分别通过两个编码器，通过编码器得到真实图像的教师特征和学生特征，通过编码器得到伪造图像的教师特征和学生特征； 计算真实图像的教师特征和学生特征之间的知识蒸馏损失，计算伪造图像的教师特征和学生特征之间的知识蒸馏损失，将教师网络中的知识传递至学生网络中，先验知识引导模块最终输出伪造图像的学生特征和真实图像的学生特征，用表示学生特征，,学生特征表示和； 类遗传仿生的特征增强模块中的操作具体如下： 将学生特征输入至类遗传仿生的特征增强模块中进行增强操作，学生特征的批大小为，具体包含个特征向量，表示为，表示学生特征中第个特征向量，表示转置； 增强操作包括交叉操作和变异操作； 1交叉操作： 采用轮盘赌的方式从随机选择两个不同的特征向量和，,,，表示学生特征中第个特征向量，表示学生特征中第个特征向量，，，表示维度，，表示特征向量中维度处的元素，表示特征向量中维度处的元素； 设置用于控制交叉段长度的超参数，表示交叉强度，，根据交叉强度计算交换段的长度，，表示向下取整； 随机生成交叉发生的起始位置索引，满足，终止位置索引，经过交叉操作的特征向量表示为和，和分别表示交叉后第个特征向量和第个特征向量，交叉后特征向量中元素的定义如下： ， ， 其中，和分别表示交叉后特征向量和中维度处的元素，表示其他情况； 2变异操作： 从随机选择一个不同的特征向量，，表示学生特征中第个特征向量，表示特征向量中维度处的元素； 设置用于控制变异段长度的超参数，表示变异强度，，根据变异强度计算变异段的长度，； 随机生成变异发生的起始位置索引，满足，终止位置索引，设随机正态分布张量，其中，，表示随机正态分布张量第个张量,经过变异操作的特征向量表示为，表示变异后第个特征向量，变异后特征向量中元素的定义如下： ， 其中，表示交叉后特征向量中维度处的元素； 学生特征经过交叉操作和变异操作，得到增强后的特征，，表示增强后的第个特征向量； 基于对抗驱动的混合数据模块中的操作具体如下： 1将真实的人脸面部图像输入至基于对抗驱动的混合数据模块，首先经过类UNet的生成器，生成器中的操作具体如下： 1真实的人脸面部图像先经过输入层； 2真实的人脸面部图像经过输入层输入至特征提取层，特征提取层包括双卷积DoubleConv操作和下采样阶段； 通过双卷积DoubleConv操作将通道扩展为64，双卷积DoubleConv包括两个ReLU卷积块； 在下采样阶段，使用大小为2的池化层将空间维度压缩为原始尺寸的一半，并使用双卷积DoubleConv将特征通道扩大为原来的两倍，图像经历4次下采样，得到图像的高级特征信息； 3将输入至噪声混合层，噪声混合层包括噪声注入操作和特征混合操作； 噪声注入操作为从标准正态分布中采样得到与该特征相同尺寸的噪声张量； 特征混合操作为使用一个的卷积层将高级特征信息与噪声张量混合，得到条件张量； 4掩码生成层包括上采样阶段和残差连接； 在上采样阶段，使用反卷积结构将空间维度恢复为当前尺度的两倍，同时使用双卷积将特征通道压缩为原来的两倍； 上采样的每个阶段都将当前的特征图与下采样中对应阶段的特征图进行残差连接，并使用卷积层进行特征融合； 随机张量经历五次上采样，以及最后一次双卷积整合通道信息，最终生成混合掩码； 5输出层输出混合掩码； 2将真实的人脸面部图像、混合掩码和自换脸图像进行混合，得到混合图像； 混合图像的计算公式如下： ； 自换脸图像中的人脸仍为目标身份的人脸，通过Simswap换脸模型得到自换脸图像； 3将混合图像输入至判别器，混合图像经过先验知识引导模块的两个编码器，输出混合图像的特征，混合图像特征再经过类遗传仿生的特征增强模块，输出增强后的特征，将混合图像的特征和增强后的特征输入至分类器，输出检测结果； S3、将待检测图像输入至训练好的深度伪图像造检测模型，将提取的伪造图像特征输入至分类器，输出最伪造终检测结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人天津理工大学;山东省人工智能研究院;国家计算机网络与信息安全管理中心天津分中心;天津中科闻歌科技有限公司;哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)，其通讯地址为：300000 天津市西青区宾水西道391号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。