-
公开(公告)号：CN115879072A
公开(公告)日：2023-03-31
申请号：CN202310194809.1
申请日：2023-03-03
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种深度伪造指纹检测模型的版权保护方法、装置及介质，包括：获取预设数量的指纹图像，并对各指纹图像添加真实标签生成第一样本集；将第一样本集按预设第一比例划分为第一子集和第二子集；通过LSB隐写算法将预设水印图像集嵌入第一子集生成触发集；将触发集和第二子集合并生成第二样本集；通过第二样本集训练预构建的深度伪造指纹检测模型，获取具备版权保护的深度伪造指纹检测模型；本发明通过LSB隐写算法构建触发集，从而在训练深度伪造指纹检测模型时植入隐形后门，通过隐形后门进行版权验证，从而解决深度伪造指纹检测模型进行版权保护的问题。
-
公开(公告)号：CN117253262B
公开(公告)日：2024-01-30
申请号：CN202311516455.4
申请日：2023-11-15
Applicant: 南京信息工程大学
IPC: G06V40/12 , G06V10/82 , G06V10/774 , G06N3/0475 , G06N3/094 , G06N3/0464
Abstract: 本发明公开了一种基于共性特征学习的伪造指纹检测方法及装置，其方法包括：获取测试指纹图像；将测试指纹图像输入训练好的共性特征提取器，提取测试共性特征；将测试共性特征输入第一分类器获取测试真伪检测结果；其中，共性特征提取器的训练损失由真伪检测损失、伪造材料鉴别损失、特征分布损失构成，通过伪造材料鉴别损失剔除共性特征中的伪造材料信息，从而提高在面对未知伪造材料的泛化能力；通过特征分布损失能够在有限的指纹数据集下学习(56)对比文件LÁZARO JANIER GONZÁLEZ-SOLER等.Fingerprint Presentation AttackDetection Based on Local FeaturesEncoding for Unknown Attacks 《.IEEEAccess》.2021,第9卷第5806-5820页.
-
公开(公告)号：CN117253262A
公开(公告)日：2023-12-19
申请号：CN202311516455.4
申请日：2023-11-15
Applicant: 南京信息工程大学
IPC: G06V40/12 , G06V10/82 , G06V10/774 , G06N3/0475 , G06N3/094 , G06N3/0464
Abstract: 本发明公开了一种基于共性特征学习的伪造指纹检测方法及装置，其方法包括：获取测试指纹图像；将测试指纹图像输入训练好的共性特征提取器，提取测试共性特征；将测试共性特征输入第一分类器获取测试真伪检测结果；其中，共性特征提取器的训练损失由真伪检测损失、伪造材料鉴别损失、特征分布损失构成，通过伪造材料鉴别损失剔除共性特征中的伪造材料信息，从而提高在面对未知伪造材料的泛化能力；通过特征分布损失能够在有限的指纹数据集下学习到与数据相干性低的共性特征；因此，本发明能够在有限的指纹数据集下学习，实现泛化能力强和检测准确性高的优点。
-
公开(公告)号：CN115879072B
公开(公告)日：2023-05-16
申请号：CN202310194809.1
申请日：2023-03-03
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种深度伪造指纹检测模型的版权保护方法、装置及介质，包括：获取预设数量的指纹图像，并对各指纹图像添加真实标签生成第一样本集；将第一样本集按预设第一比例划分为第一子集和第二子集；通过LSB隐写算法将预设水印图像集嵌入第一子集生成触发集；将触发集和第二子集合并生成第二样本集；通过第二样本集训练预构建的深度伪造指纹检测模型，获取具备版权保护的深度伪造指纹检测模型；本发明通过LSB隐写算法构建触发集，从而在训练深度伪造指纹检测模型时植入隐形后门，通过隐形后门进行版权验证，从而解决深度伪造指纹检测模型进行版权保护的问题。
-
-
-
Search Results
4
records
(took 0.036 seconds)
