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！

龙图腾网获悉南昌大学申请的专利一种深度伪造检测公平性方法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：CN120495858B 。

龙图腾网通过国家知识产权局官网在2025-12-26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：202510936408.8，技术领域涉及：G06V20/00；该发明授权一种深度伪造检测公平性方法是由丁峰;周沄鹏;张月;刘涛;宋子文设计研发完成，并于2025-07-08向国家知识产权局提交的专利申请。

本一种深度伪造检测公平性方法在说明书摘要公布了：本发明提供了一种深度伪造检测公平性方法，涉及人工智能技术领域，所述的方法，将待检测的图像输入至卷积神经网络中进行特征特征，获取图像的深度表征，采用通道剪枝策略对提取的特征进行敏感属性解耦，定向剥离敏感属性相关的冗余通道，再利用基于最优传输策略的公平性优化模块预测分布与敏感属性的独立性，通过双机制协同优化的策略，层级化偏差治理，最小化不同敏感属性分组的统计群体间的分布差异，实现公平性与检测精度的协同优化，确保在多敏感属性联合优化时的公平性和检测精度，改善了现有检测算法对不同人口统计群体的偏差导致系统性误判，无法进行跨熟悉特征耦合与动态对抗生成的问题。

本发明授权一种深度伪造检测公平性方法在权利要求书中公布了：1.一种深度伪造检测公平性方法，其特征在于，包括： 将待检测的图像输入至卷积神经网络，进行特征提取，获取所述图像的深度表征； 对提取的特征进行敏感属性解耦，对不同敏感属性进行分组，定向剥离敏感属性相关的冗余通道； 采用公平性优化模块预测分布与敏感属性二者之间的独立性，压缩不同敏感属性分组间的分布差异； 协同优化并检测公平性与检测精度； 其中，所述对提取的特征进行敏感属性解耦，对不同敏感属性进行分组，定向剥离敏感属性相关的冗余通道，进一步表示为：采用通道剪枝策略对提取的特征进行敏感属性解耦；对不同敏感属性进行分组，通过联合优化特征纠缠度与复杂度，去除预测偏差；基于类间-类内特征相似性对比的通道敏感性评估准则，采用正则化SNNL损失函数动态量化通道的敏感性，定向剥离敏感属性相关的冗余通道； 所述采用正则化SNNL损失函数动态量化通道的敏感性包括，基于正则化SNNL损失函数定义敏感性损失公式为：；其中，和分别表示第x和第y个样本在通道k上的特征表示；为指示函数，当时，表示两个样本属于同一敏感组时取值为1，否则为0；T0为温度参数，用以控制特征相似性的敏感度；b为当前批次样本数量；所述敏感性损失公式用以评估通道k的公平敏感性； 所述采用公平性优化模块预测分布与敏感属性二者之间的独立性，压缩不同敏感属性分组间的分布差异包括，基于敏感属性组，定义真实图像和伪造图像的预测分布分别记为和，定义全局真实图像与伪造图像的分布为ℛ和𝒢，所述公平性优化模块采用最优传输策略对齐各敏感属性分组与全局分布的预测概率，同时利用互信息约束最优传输策略的复杂度； 所述最优传输策略包括，定义最优传输策略的传输代价函数，所述传输代价函数公式表示为：；其中，表示为运输成本，用以衡量敏感组与全局分布的差异；表示为互信息，用以描述联合分布与独立分布之间的KL散度；为正则化系数；当所述互信息非负时，当且仅当X与Y独立时为零，所述互信息通过惩罚最优传输策略对敏感属性的依赖，抑制敏感信息的编码。

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南昌大学，其通讯地址为：330000 江西省南昌市红谷滩新区学府大道999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。