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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利公平感知的深度伪造检测方法、装置、设备及介质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：CN120833546B 。

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：202511340944.8，技术领域涉及：G06V20/00；该发明授权公平感知的深度伪造检测方法、装置、设备及介质是由郭延明;张雪毅;老明瑞;朱嘉楠;赵怡梦;李正;汤俊设计研发完成，并于2025-09-19向国家知识产权局提交的专利申请。

本公平感知的深度伪造检测方法、装置、设备及介质在说明书摘要公布了：本发明提供一种公平感知的深度伪造检测方法、装置、设备及介质，包括：获取目标图像，对目标图像采用深度伪造检测模型执行检测，得到深度伪造检测结果；深度伪造检测模型的训练包括：通过两个因果推理分支及数据集进行因果掩码学习和因果特征分解，得到有向无环图、稳定因果特征及与非因果特征；根据因果特征分解结果确定跨人口统计的反事实特征，根据反事实特征和原始特征采用KL散度进行因果一致性约束；对非因果特征进行人口统计标签预测，以及，采用梯度反转层对标签预测；根据反事实一致性群体分类，采用联合训练方法，得到深度伪造检测模型。本发明的实施例至少具有以下有益效果：提高了人脸伪造检测准确率。

本发明授权公平感知的深度伪造检测方法、装置、设备及介质在权利要求书中公布了：1.一种公平感知的深度伪造检测方法，其特征在于，包括： 获取目标图像，对所述目标图像采用深度伪造检测模型执行检测，得到深度伪造检测结果； 所述深度伪造检测模型的训练包括： 获取数据集，其中数据集中的图像样本包括对应的图像标签，图像标签包括二元标签和人口统计群体标签； 通过两个因果推理分支及所述数据集进行因果掩码学习和因果特征分解，得到有向无环图，通过有向无环图提取与操纵相关的稳定因果特征，以及，分离与人口统计群体标签相关的非因果特征； 获取因果特征分解结果，根据因果特征分解结果确定跨人口统计的反事实特征，根据反事实特征和原始特征采用KL散度进行因果一致性约束； 通过群体分类器和梯度反转层对非因果特征进行人口统计标签预测，以及，采用梯度反转层对标签进行预测； 根据反事实一致性群体分类，采用联合训练方法，通过主干网络、伪造分类损失、因果结构学习损失、反事实一致性损失及群体分类损失进行反向传播学习，得到所述深度伪造检测模型； 所述通过两个因果推理分支及所述数据集进行因果掩码学习和因果特征分解，得到有向无环图，包括： 从所述数据集中选取批次数据，将批次数据进行均分，均分的批次数据包括相同数量的真实样本和伪造样本； 通过因果推理分支对均分的批次数据学习因果掩码并执行因果特征分解： 其中，为均分的批次数据的标识，为因果特征掩码，为因果特征分解，为非因果特征分解； 通过因果推理分支的伪造分类器采用最小化分类损失进行优化： 其中表示二元交叉熵损失，其中是预测的伪造概率，二元标签，为均分的批次数据； 通过因果推理分支的执行结构损失处理： 其中，为稀疏性正则化项，表示邻接矩阵的向量化形式，且，为重构损失，表示为： 其中，为特征向量，为人口统计群体标签，是一个有限的群体类别集合，是群体的总数，表示节点集中的节点总数，表示应用于特征维度的L2重构损失； 采用无环性约束学习得到有向无环图，无环性约束为： 表示矩阵的迹； 所述因果掩码学习和因果特征分解，包括： 采用二元掩码来突出与操纵相关的因果特征，二元掩码表示为： 通过二元掩码将特征向量分解为因果和非因果部分为： 其中，分解时因果和非因果部分不变因果结构对齐。

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中国人民解放军国防科技大学，其通讯地址为：410003 湖南省长沙市开福区德雅路109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。