-
公开(公告)号：CN117292690A
公开(公告)日：2023-12-26
申请号：CN202311577563.2
申请日：2023-11-24
Applicant: 南京信息工程大学
IPC: G10L17/04 , G10L17/18 , G06N3/048 , G06N3/0475 , G06N3/0442 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了一种语音转换主动防御方法、装置、系统及存储介质，属于音频主动防御技术领域，方法包括：基于预构建的GAN网络，设置损失函数和训练参数，并对所述GAN网络中的生成器网络和判别器网络进行训练；将读取到的干净样本输入至训练好的生成器网络生成对抗扰动，并将所述对抗扰动加至所述干净样本，获取对抗样本；将所述对抗样本输入至预训练的各语音转换模型进行测试，利用测试好的对抗样本进行语音转换主动防御；其中，所述判别器网络能够判别所述对抗样本和干净样本的差异。该方法能够快速生成对抗扰动，对语音转换模型进行主动防御，保护说话人的隐私。
-
公开(公告)号：CN117218707A
公开(公告)日：2023-12-12
申请号：CN202311288250.5
申请日：2023-10-07
Applicant: 南京信息工程大学
IPC: G06V40/16 , G06V10/82 , G06N3/0464 , G06V40/40
Abstract: 本发明公开了一种基于积极扰动的Deepfake人脸检测方法，包括：将目标人脸图像输入训练好的生成器网络进行积极扰动的添加，得到带有积极扰动的生成图像；生成器网络包括超分辨率网络和噪声网络两个子网络；将生成图像输入真伪鉴别网络进行检测，输出目标人脸图像的预测标签，确定目标人脸图像的检测结果；其中所述生成器网络的构建训练方法包括：利用真假人脸图像对训练数据集，对生成器网络、真实图像特征鉴别器和伪造图像特征鉴别器网络进行迭代训练，直至生成器网络、真实图像特征鉴别器和伪造图像特征鉴别器网络的损失函数均达到对应的预设要求，得到训练好的生成器网络。对输入的人脸图像添加积极扰动，引导Deepfake人脸检测网络产生正确的分类。
-
公开(公告)号：CN113609900B
公开(公告)日：2023-09-12
申请号：CN202110709918.3
申请日：2021-06-25
Applicant: 南京信息工程大学
IPC: G06V40/16 , G06V10/774 , G06V10/776 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08 , G06V10/80
Abstract: 本申请涉及一种局部生成人脸定位方法、装置、计算机设备和存储介质。该方法包括：获取待定位人脸图像；将待定位人脸图像输入至训练好的融合了RRU‑Net和去噪操作模块的局部生成人脸图像定位网络中，对待定位人脸图像的局部生成区域进行定位分析，输出待定位人脸图像的第一定位预测结果，通过融合了RRU‑Net和去噪操作模块的局部生成人脸图像定位网络进行局部生成区域定位，可以提高定位的精度，在定位局部生成人脸时，有攻击的情况仍不具有很好的鲁棒性。
-
公开(公告)号：CN114862645A
公开(公告)日：2022-08-05
申请号：CN202210465655.0
申请日：2022-04-29
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于U‑Net网络与DFT最优质量半径结合的抗打印数字水印方法及装置，方法包括以下步骤：（1）取载体图像Y通道频谱图；（2）选出待嵌入水印域；(3）待嵌入水印域重组，传入Encoder网络，采样输出含密矩阵，替换原频谱图相应参数，生成含密图像；（4）失真模拟；（5）构建Decoder网络，加入空间变换网络处理视角扭曲；（6）多次训练，获得完整编码解码网络。本发明针对含有大片低频区域载体图像嵌入水印后生成含密图像质量差等问题，利用在网络训练前限定傅里叶域嵌入半径范围操作，提高了生成含密图像图像质量，减少了网络的搜索空间，提升了网络训练的效率，同时利用透视扭曲、色彩变换等失真模拟，提高了打印扫描后水印的提取率与正确率。
-
公开(公告)号：CN114612476A
公开(公告)日：2022-06-10
申请号：CN202210519003.0
申请日：2022-05-13
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于全分辨率混合注意力机制的图像篡改检测方法，包括：获取待检测的图像，输入到预先训练好的基于全分辨率混合注意力机制的图像篡改检测模型，输出篡改检测结果。优点：有效地解决了现有方法存在的因潜在篡改区域纹理特征、边缘高频特征的丢失导致图像分辨率降低的问题，优化了网络输出向量的方向，加快了网络训练收敛速度；提出了基于反馈消融点的训练方法，实现了在有限内存下的模块化端到端训练；实现联合各模块的反馈来优化调整参数，又加快了模型的推理测试速度。该方法在同时存在多种篡改类型的检测任务上具有更优的准确率、更强的鲁棒性、更快的训练速度和更小的内存占用，具有十分广阔的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN114549268A
公开(公告)日：2022-05-27
申请号：CN202210088652.X
申请日：2022-01-25
Applicant: 南京信息工程大学
IPC: G06T1/00
Abstract: 本发明公开了一种DFT‑SVD域抗攻击数字水印嵌入和提取方法，嵌入方法包括利用Arnold置乱变换处理水印图像、载体图像进行DFT变换和SVD分解、水印嵌入和生成含水印图像，提取方法包括使用Radon变换校正含水印图像、置乱图像提取、对置乱图像进行Arnold反置乱变换提取水印、计算原始水印图像与提取出水印图像的归一化相关系数。本发明提升了算法对如JPEG压缩、噪声的常规攻击，以及如旋转、缩放、平移、剪切的几何攻击的抵抗能力，和水印嵌入效果。
-
公开(公告)号：CN110414670B
公开(公告)日：2021-09-28
申请号：CN201910593383.0
申请日：2019-07-03
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于全卷积神经网络的图像拼接篡改定位方法。建立拼接篡改图像库；初始化基于全卷积神经网络的图像拼接篡改定位网络，设置该网络的训练过程；初始化网络参数；读取训练图像，对训练图像进行训练操作，输出训练图像的拼接定位预测结果；计算训练图像拼接定位预测结果与真实标签之间的误差值，调整网络参数，直至误差值满足精度要求；利用条件随机场对精度满足要求的预测结果进行后处理，调整网络参数，输出训练图像最终的预测结果；读取测试图像，采用训练好的网络对测试图像进行预测并将预测结果通过条件随机场进行后处理，输出测试图像最终的预测结果。本发明具有较高的拼接篡改定位精度，网络训练难度较小，网络模型容易收敛。
-
公开(公告)号：CN110188316A
公开(公告)日：2019-08-30
申请号：CN201910468317.0
申请日：2019-05-31
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种滑动窗分数阶四元数余弦变换快速计算方法，包括以下步骤：1、将四元数信号序列在时间域间隔采样和频率域间隔采样时进行离散分数阶四元数余弦变换；2、将离散分数阶四元数余弦变换在相邻时刻分别展开，得到当采样样本变化时，变换系数不发生变化；3、将变换系数表示为滑动窗模板的形式进行滑动窗分数阶四元数余弦变换的计算。本发明采用滑动窗的形式快速计算分数阶四元数余弦变换，降低了计算复杂度，计算效率优于现有非滑动窗分数阶四元数余弦变换算法。
-
公开(公告)号：CN105893527A
公开(公告)日：2016-08-24
申请号：CN201610195005.3
申请日：2016-03-30
Applicant: 南京信息工程大学
IPC: G06F17/30 , G06F3/0481
CPC classification number: G06F3/0481 , G06F16/328
Abstract: 本发明公开了一种智能用户信息录入方法，从数据库中，根据提取数据的相关要求，设计相应人员相关度算法，提取相应的数据信息，放入人员弹出框的“相关”页面，提取所有人员或某部门人员，按相关度算法放入相应的人员弹出框页面；设置人员弹出框页面和输入框关联，在姓名输入框中输入全拼或首字母时弹出相关人员信息，或在鼠标点击输入框时，弹出人员弹出框页面，由录入员选择；在选择姓名后，使用ajax技术，从后台数据库提取相应信息自动填充其它相关的输入框。本发明克服了传统的输入法输入错误，多个信息多次输入，输入繁琐。同时其输入简单方便，快捷易用，正确率高，方法简单，程序编制容易，不依赖任何第三方组件。
-
公开(公告)号：CN117218707B
公开(公告)日：2024-04-16
申请号：CN202311288250.5
申请日：2023-10-07
Applicant: 南京信息工程大学
IPC: G06V40/16 , G06V10/82 , G06N3/0464 , G06V40/40
Abstract: 本发明公开了一种基于积极扰动的Deepfake人脸检测方法，包括：将目标人脸图像输入训练好的生成器网络进行积极扰动的添加，得到带有积极扰动的生成图像；生成器网络包括超分辨率网络和噪声网络两个子网络；将生成图像输入真伪鉴别网络进行检测，输出目标人脸图像的预测标签，确定目标人脸图像的检测结果；其中所述生成器网络的构建训练方法包括：利用真假人脸图像对训练数据集，对生成器网络、真实图像特征鉴别器和伪造图像特征鉴别器网络进行迭代训练，直至生成器网络、真实图像特征鉴别器和伪造图像特征鉴别器网络的损失函数均达到对应的预设要求，得到训练好的生成器网络。对输入的人脸图像添加积极扰动，引导Deepfake人脸检测网络产生正确的分类。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.031 seconds)
