[发明专利]一种基于知识蒸馏的人脸伪造线索迁移方法

说明书

本发明公开了一种基于知识蒸馏的人脸伪造线索迁移方法，包括：选取预训练数据集；选取第一分类网络模型作为教师模型，利用预训练数据集对教师模型进行预训练，获得预训练后的教师模型；选取第二分类网络模型作为学生模型，利用学生模型和训练后的教师模型共同构建教师学生联合网络模型；选取训练数据集，将训练数据集输入教师学生联合网络模型，利用训练数据集对学生模型进行训练，获得经训练的学生模型；将待识别人脸图片输入经训练的学生模型，以获得待识别人脸图片为真实图片或伪造图片的概率值，进而判断人脸图像的真伪。本发明在避免先验伪造线索知识丢失的情况下，提高了人脸伪造检测的准确率和泛化性。

技术领域

本发明属于可视身份伪造与检测技术领域，具体涉及一种基于知识蒸馏的人脸伪造线索迁移方法。

背景技术

近年来，随着人工智能技术的高速发展，现已在金融、医疗、城市服务、工业制造和生活服务等领域得到了广泛应用，人工智能技术正在引领着一轮全方位的产业变革，推动人类世界进入智能化时代。深度学习(Deep learning)作为人工智能领域的热门研究方向，为人脸识别、无人驾驶、自然语言处理和语音识别等领域的创新提供了有力的技术支撑。然而深度学习引领新一轮的技术革命的同时，也引发了可视媒体身份伪造等安全性问题，对个人隐私数据，社会稳定和国家安全等造成了潜在的威胁。

人脸识别方法的关键是提取人脸数据中与身份相关的基本特征，消除非身份因素影响的部分。非身份因素一般包括：环境光照、姿势、表情、配饰等。而光照是实际应用中最重要的问题，用户一般需要人脸识别系统来适应不同角度的光照条件。人脸识别技术以其便捷性广受用户的欢迎，但是这种识别系统还存在很大的安全隐患。美国的一家人工智能公司Kneron，在2019年开展的一项针对访问公共场所、及欺骗人脸识别系统以访问或完成支付的测试时发现可以以高质量3D面具，成功欺骗支付宝和微信支付进行购物付款，更在荷兰阿姆斯特丹斯希普霍尔机场，以手机屏幕上的照片通过自助登机终端的人脸识别系统，并声称可使用同样方法进入中国各地的火车站。

近红外人脸识别是为了解决人脸识别中的光照问题而提出的一种解决方案。近年来，近红外脸识别在实际生活中已经有了诸多应用，除了人脸识别系统，虹膜以其独特性和稳定性的特点受到大家的广泛关注，而为了能使虹膜的细节纹路特征更加明显，目前的虹膜识别系统大多采用近红外摄像头进行采集虹膜数据，但在这种新型的人脸或虹膜识别系统还处于起步阶段，可以通过一些人工手段加以破解。如果被不法分子利用将损害人们的财产安全，并进而引发一系列犯罪活动。

深度伪造技术可用于误导舆论、扰乱社会秩序，甚至可能会威胁人脸识别系统。在早期阶段，对媒体中可视内容的伪造需要复杂的编辑工具和高度的图片处理专业知识，不管对硬件设施还是伪造者本人的知识技能都是一个强大的挑战。另外，这些视频的伪造需要耗费大量的时间，伪造效果也往往不尽如人意。然而，随着计算机计算能力的提升和机器学习的快速发展，可视内容的伪造变得越来越容易，尤其是端到端的深度学习技术的发展在减少计算时间的同时也大大降低了伪造技术的门槛。

现有的人脸伪造检测方法大致可以分为两类：传统基于分类的方法以及基于深度学习的方法，这些方法大多将人脸伪造检测任务视为常见的二分类任务，其目标是训练一个检测准确率高且鲁棒性强的分类器来准确地区分真实和伪造图片。在早期，研究人员一直专注于提取目标的生物特征来检测人脸伪造。

计算机视觉领域的最新研究结果表明，卷积神经网络能够有效地提取出强大而鲁棒的视觉特征，因此基于深度学习的伪造检测方法越来越受到人们关注。现有的伪造检测模型之间复用性很低。虽然相同模型之间可以使用finetuning策略来学习到另外一个模型，但不同模型之间无法相互借鉴，只能重新使用大数据集在新网络上重新训练，一方面在人脸伪造检测领域可能造成数据隐私侵犯的问题，另一方面会增加额外的训练成本。