“MAD”多注意力网络伪脸显廓系统-AET-电子技术应用

“MAD”多注意力网络伪脸显廓系统

网络安全与数据治理 1期

马梓为，杨子琪，李晨帆，黄郅皓

(1.北京航空航天大学沈元学院，北京100083；2.北京航空航天大学网络空间安全学院，北京100083)

摘要： 更为高级的人工智能换脸技术——局部人脸替换已经被研发、实现，这种技术能够保持原人脸被识别的同时仅仅替换面部某些部位，依然保证替换者的特征被识别。利用局部人脸替换技术进行身份伪造，会严重威胁社会安全和稳定。多注意力网络伪脸显廓系统采用高分辨率网络与多注意力网络相结合的方式，可以检测出目标人脸是否为虚假人脸以及其换脸区域，保证了虚假人脸的检测准确性、局部换脸检测的实用性，解决了局部换脸的虚假人脸伪造身份问题。方案在已有研究的基础上推陈出新，成本相对较低，一定程度上可用于解决人工智能换脸造成的法律问题，具有很好的可行性、实用性。

关键词： 虚假人脸检测局部人脸检测机器学习人工智能换脸

中图分类号： TP393
文献标识码： A
DOI： 10.19358/j.issn.2097-1788.2023.01.004
引用格式：马梓为，杨子琪，李晨帆，等. “MAD”多注意力网络伪脸显廓系统[J].网络安全与数据治理，2023，42(1)：31-36，53.

“MAD” fake face detector based on multi-attentional network

Ma Ziwei1，Yang Ziqi1，Li Chenfan1，Huang Zhihao2

(1.Shen Yuan Honors College，Beihang University，Beijing 100083，China； 2.School of Cyber Science and Technology，Beihang University，Beijing 100083，China)

Abstract： Abstract： A more advanced artificial intelligence face replacement technology, partial face replacement, has been developed and implemented. This technology can keep the original face being recognized while replacing only certain parts of the face, so that the characteristics of the replacement are also recognized. The use of partial face replacement technology for identity forgery can seriously threaten social safety and stability. Our Multi-Attention Detector uses a combination of high-resolution network and multi-attention network for false faces with local artificial intelligence face swapping, which can detect whether the target face is a false face and the face-swapping part of the false face, ensuring the accuracy of false face detection, the practicality of local face-swapping detection, and solving the problem of falsification identity with partial face swapping. Our work pushes forward on the basis of existing research, with relatively low cost, and can be used to a certain extent to solve the legal problems caused by AI face replacement, with good feasibility and practicality.

Key words : fake face detection；partial face detection；machine learning；artificial intelligence face replacement

0 引言

进入信息时代后，个人身份比以往任何时代都更显重要，证明个人身份最常用最方便的方法之一就是人脸识别。然而，随着人工智能(AI)换脸技术的出现，不法分子替换甚至修改“受害者”的面部表情、说话口型，身份伪造的隐患大大升高。据统计，AI换脸诈骗在我国每年约造成40亿元的损失，占电信诈骗金额的11%。AI换脸盗用名人身份造谣抹黑的现象层出不穷，还出现了换脸视频配合语音合成技术引发社会舆论动荡的现象。比如美国前总统奥巴马被换脸到一段痛骂特朗普的视频中，引发了美国社会激烈讨论。扎克伯格也在一段虚假视频中宣称他掌握了所有脸书用户的隐私信息，一时间受到人们口诛笔伐。这些现象都说明了AI换脸行为危害与日俱增，保护个人身份不被篡改意义重大。发展AI换脸检测技术以保障网络空间的公共安全势在必行。

普遍的AI换脸检测方法对于全脸形式的AI换脸十分有效。然而，随着换脸技术不断发展，出现了将人脸局部位置进行替换的局部换脸[1]。局部换脸产生的威胁十分严重，多个人的面部特征可以隐藏于同一张人脸上，而这张假脸具备了多个换脸者的身份信息。大多数的检测方法对于局部换脸技术都是无效的。究其原因，一方面是普遍的AI换脸检测技术往往通过不自然的表情、光影、性别等特征鉴别真伪，而局部换脸会缩小这些方面的差距。另一方面，一些换脸检测技术仅仅针对特定算法，而无法检测其他算法生成的假脸。

本文以Deepfake网络和人脸混合算法(Face blending)[2]生成的虚假人脸为检测目标，以人脸混合算法生成的虚假人脸为主要训练目标，以经过多注意力网络(Multi-attentional Deepfake Detection)[3]加强学习的人脸伪影网络(Face X-ray)为基础结构框架，创新性结合后搭建的基于卷积神经网络的机器学习神经网络。本文所做工作主要有以下几方面：

(1)实现了基于人脸特征点对局部人脸的进行替换的简单算法，凭借该算法构建了网络训练所需数据集。

(2)对高分辨率网络(High-resolution Net)[4-5]进行了推广，将其应用到人脸图像特征识别，作为网络中的特征提取模块。

(3)为多注意力网络(Multi-attentional Deepfake Detection)添加接口，成为网络中的多注意力模块，创新性地使其与高分辨率网络相结合。多注意力网络能够放大某一特定区域的特征信息，即标记可能的换脸痕迹并且生成一张包含换脸位置的灰度图。

本文详细内容请下载：https://www.chinaaet.com/resource/share/2000005095.

作者信息：

马梓为1，杨子琪1，李晨帆1，黄郅皓2

(1.北京航空航天大学沈元学院，北京100083；2.北京航空航天大学网络空间安全学院，北京100083)

欢迎关注电子技术应用2023年2月22日==>>商业航天研讨会<<

原创声明：此内容为AET网站原创，未经授权禁止转载。

相关内容