《信息安全学报》杂志联系方式|投稿邮箱|地址电话
《信息安全学报》是由中国科学院信息工程研究所、中国科技出版传媒股份有限公司（科学出版社）主办的专业学术期刊。《信息安全学报》的办刊宗旨是报道信息安全领域高水平科研成果，促进国内外学术交流，为提升我国信 息安全科技水平和网络空间安全保证能力服务。本学报主要刊载信息安全及相关领域的理论研究及最新应用技术研究成果、学术热点及发展趋势展望等, 内容覆盖信息安全科技领域各方向，包括但不局限于：网络安全、系统安全、数据安全、软件安全、硬件 安全、内容安全、通信安全、物理安全等等。
发文量：52被引量：110影响因子：1.711864立即指数：0.173077被引半衰期：1.08引用半衰期：3.28期刊他引率：0.927273平均引文率：37.96154
主管单位：中国科学院 主办单位：中国科学院信息工程研究所;中国科技出版传媒股份有限公司 国内刊号：10-1380/TN 国际刊号：2096-1146 邮发代号：80-601 发行周期：双月刊
数据库收录
中国科学引文数据库（2017-2018）
中国科学引文数据库（2019-2020）
日本科学技术振兴机构数据库
中国科技核心期刊
目录
(1)梁瑞刚;吕培卓;赵月;陈鹏;邢豪;张颖君;韩冀中;赫然;赵险峰;李明;陈恺
人脸反欺诈活体检测综述 (18)卢子谦;陆哲明;沈冯立;王总辉
语音伪造与鉴伪的发展与挑战 (28)陶建华;傅睿博;易江燕;王成龙;汪涛
视觉对抗样本生成技术概述 (39)王伟;董晶;何子文;孙哲南
基于帧间差异的人脸篡改视频检测方法 (49)张怡暄;李根;曹纭;赵险峰
融合全局时序和局部空间特征的伪造人脸视频检测方法 (73)陈鹏;梁涛;刘锦;戴娇;韩冀中
一种基于双流网络的Deepfakes检测技术 (84)李旭嵘;于鲲
《信息安全学报》编委会
前言
范文
融合全局时序和局部空间特征的伪造人脸视频检测方法
《信息安全学报》2020年 第2期 | 陈鹏 梁涛 刘锦 戴娇 韩冀中 中国科学院信息工程研究所 北京100093 中国科学院大学网络空间安全学院 北京100093
导出参考文献 ★ 收藏 | 分享
第1页第2页第3页第4页
论文服务：论文检测 论文选题
摘 要：近年来,深度学习在人工智能领域表现出优异的性能。基于深度学习的人脸生成和操纵技术已经能够合成逼真的伪造人脸视频,也被称作深度伪造,让人眼难辨真假。然而,这些伪造人脸视频可能会给社会带来巨大的潜在威胁,比如被用来制作政治虚假新闻,从而引发政治暴力或干扰正常选举等。因此,亟需研发对应的检测方法来主动发现伪造人脸视频。现有的方法在制作伪造人脸视频时,容易在空间上和时序上留下一些细微的伪造痕迹,比如纹理和颜色上的扭曲或脸部的闪烁等。主流的检测方法同样采用深度学习,可以被划分为两类,即基于视频帧的方法和基于视频片段的方法。前者采用卷积神经网络(Convolutional Neural Network,CNN)发现单个视频帧中的空间伪造痕迹,后者则结合循环神经网络(Recurrent Neural Network,RNN)捕捉视频帧之间的时序伪造痕迹。这些方法都是基于图像的全局信息进行决策,然而伪造痕迹一般存在于五官的局部区域。因而本文提出了一个统一的伪造人脸视频检测框架,利用全局时序特征和局部空间特征发现伪造人脸视频。该框架由图像特征提取模块、全局时序特征分类模块和局部空间特征分类模块组成。在FaceForensics++数据集上的实验结果表明,本文所提出的方法比之前的方法具有更好的检测效果。
【分 类】 【工业技术】 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 多媒体技术与多媒体计算机
【关键词】 伪造人脸 深度伪造 人脸检测 视频检测 时序特征 空间特征
【出 处】 《信息安全学报》2020年 第2期 73-83页 共11页
【收 录】 中文科技期刊数据库
融合全局时序和局部空间特征的伪造人脸视频检测方法
《信息安全学报》2020年 第2期 | 陈鹏 梁涛 刘锦 戴娇 韩冀中 中国科学院信息工程研究所 北京100093 中国科学院大学网络空间安全学院 北京100093
导出参考文献 ★ 收藏 | 分享
第1页第2页第3页第4页
论文服务：论文检测 论文选题
摘 要：近年来,深度学习在人工智能领域表现出优异的性能。基于深度学习的人脸生成和操纵技术已经能够合成逼真的伪造人脸视频,也被称作深度伪造,让人眼难辨真假。然而,这些伪造人脸视频可能会给社会带来巨大的潜在威胁,比如被用来制作政治虚假新闻,从而引发政治暴力或干扰正常选举等。因此,亟需研发对应的检测方法来主动发现伪造人脸视频。现有的方法在制作伪造人脸视频时,容易在空间上和时序上留下一些细微的伪造痕迹,比如纹理和颜色上的扭曲或脸部的闪烁等。主流的检测方法同样采用深度学习,可以被划分为两类,即基于视频帧的方法和基于视频片段的方法。前者采用卷积神经网络(Convolutional Neural Network,CNN)发现单个视频帧中的空间伪造痕迹,后者则结合循环神经网络(Recurrent Neural Network,RNN)捕捉视频帧之间的时序伪造痕迹。这些方法都是基于图像的全局信息进行决策,然而伪造痕迹一般存在于五官的局部区域。因而本文提出了一个统一的伪造人脸视频检测框架,利用全局时序特征和局部空间特征发现伪造人脸视频。该框架由图像特征提取模块、全局时序特征分类模块和局部空间特征分类模块组成。在FaceForensics++数据集上的实验结果表明,本文所提出的方法比之前的方法具有更好的检测效果。
【分 类】 【工业技术】 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 多媒体技术与多媒体计算机
【关键词】 伪造人脸 深度伪造 人脸检测 视频检测 时序特征 空间特征
【出 处】 《信息安全学报》2020年 第2期 73-83页 共11页
【收 录】 中文科技期刊数据库