[发明专利]基于大数据联邦学习架构下的深度伪造溯源系统

权利要求书

1.基于大数据联邦学习架构下的深度伪造溯源系统，其特征在于，包括依次顺序连接的应用层、接口层、逻辑层、网络层和存储层；

应用层，用于通过Web端浏览器应用为用户提供深度伪造溯源服务，并获取用户登录和上传数据；

接口层，用于提供接口服务，实现服务器端和web端之间通信；

逻辑层，用于划分系统功能，并设计算法构建模型实现系统功能逻辑；

网络层，用于进行逻辑层和存储层之间的参数交换，并对逻辑层建模过程中的梯度信息进行加密；

存储层，用于接收网络层传输的参数信息和加密信息，并分别存储在本地数据库和区块链网络中；

所述逻辑层包括登录注册模块、攻击防范模块、联邦学习模块、区块链溯源模块、深度伪造检测模块和风险预测模块；

其中，登录注册模块用于对用户输入的信息进行身份认证和字符串形态预校验判断，并返回判断结果和登录会话记录至服务器；

攻击方法模块用于对模型训练数据进行样本投毒攻击排查，将每个参与方接入的数据源链接到区块链提供的分布式账本上进行数据审计；

深度伪造检测模块用于设计3DRes深度伪造检测算法，并对原始数据集进行预处理，通过构建3DRes深度伪造检测模型对用户上传的数据进行深度伪造检测；

联邦学习模块用于根据预处理后的原始数据集和应用层传递的用户信息进行横向联邦学习训练，并输出训练获得的模型；

区块链溯源模块用于构建联邦防伪溯源链，并调用智能合约将应用层传递的用户ID、时间戳以及服务器自动生成的视频ID作为交易信息并打包成一个区块，上传到联邦防伪溯源链中；

风险预测模块用于利用脱敏后的用户节点的画像数据，采用机器学习算法建立风险预测模型，对这个节点进行未来风险行为预测。

2.根据权利要求1所述的基于大数据联邦学习架构下的深度伪造溯源系统，其特征在于，所述接口层包括区块链溯源接口、联邦学习在线推理API接口、前台数据接口和后端数据接口。

3.根据权利要求1所述的基于大数据联邦学习架构下的深度伪造溯源系统，其特征在于，所述区块链溯源模块还用于当深度伪造检测模块检测出本地有数据受到深度伪造篡改时，寻找产生错误的第一个用户节点，删除溯源路径上所有被篡改的数据并对其进行标记，重新上传正确的数据并再次调用登录注册模块进行身份认证。

4.根据权利要求1所述的基于大数据联邦学习架构下的深度伪造溯源系统，其特征在于，所述对原始数据集进行预处理过程具体包括：构建RetinaFace模型，并利用RetinaFace模型对原始数据集进行人脸检测和裁剪，只保留包含面部的视频的数据集，同时采用可变形卷积和密集回归损失函数对人脸检测过程进行反馈调节优化，获得预处理后的原始数据集。

5.根据权利要求1所述的基于大数据联邦学习架构下的深度伪造溯源系统，其特征在于，所述根据预处理后的原始数据集和应用层传递的用户信息进行横向联邦学习训练过程具体包括：将预处理后的原始数据集和应用层传递的用户信息分发到不同的机器，每台机器从服务器下载横向联邦学习模型，然后利用本地数据训练横向联邦学习模型，并返回服务器需要更新的参数；服务器聚合各机器的返回的参数，更新服务器中的横向联邦学习模型，再将最新的横向联邦学习模型反馈至每台机器进行模型预测。