深度伪造技术对文检综合领域带来的挑战及应对

随着人工智能技术的发展,通过AI合成伪造内容已成为较成熟的技术点。深度伪造技术可以应用于视频和图像,亦可用于生成伪造的文检材料。目前使用深度伪造技术在文检、指纹、虹膜等综合领域的应用已经出现,但是缺乏相应的检测与防御技术。主要介绍了目前的深度伪造技术与文检技术的现状,列举了几种最新的深度伪造技术在文检综合领域的应用,同时指出了当前深度伪造技术给文检带来的挑战,并给出了初步的检测与防御思路。     

视频深度伪造检测技术及应用

深度合成作为一种人工智能合成技术,近年来引起社会的广泛关注,深度合成技术已经衍生出包括图像合成、视频合成、声音合成和文本生成等多种技术,凭借低技术门槛,已经广泛应用于传媒、影视制作、娱乐、教育和电子商务等诸多领域。但恶意使用该技术生成的音视频也显示出巨大的破坏力,不法分子可通过伪造以假乱真的音频、视频,实施诬陷、诽谤、诈骗、勒索等违法行为,扰乱社会秩序,给个人、企业乃至国家、社会造成威胁。     

基于KNN的人脸识别算法融合方法

人脸识别技术作为公安机关应用最广泛的一项现代信息技术,在人口管理、治安防范、案件侦查、便民服务等工作场景都有着显著的成效。受数据噪音、算法引擎本身以及客观环境的制约,基于单一人脸识别算法在现阶段公安机关实战应用场景中,仍存在一些问题。提出了一种基于KNN的人脸识别算法融合方法。该方法的多算法决策根据单一算法引擎返回的分数和Top N之间的分布情况决定是否进行多算法比对,对“没有把握”的返回结果通过KNN算法融合判定,以达到节约计算资源,提升不同场景下人脸识别引擎的鲁棒性和准确率目的。结果表明该方法在复杂人脸识别测试集的识别准确率达到93.45%,有效避免了单一算法的局限性,提升了人脸识别的综合性能。     

基于低质量人脸图像的综合人脸比对技术研究

人脸识别具有非接触、非强制、易采集、结果直观等优点,在公共安全领域得到广泛应用并发挥了重要作用。但是,在实战应用场景下,由于易采集到的人脸存在角度姿态大、图像不清晰、细节特征丢失严重等问题,比对性能下降严重。针对低质量人脸图像比对难题,采用融合处理方法,探索一种采用多源异质图像预处理、多算法融合和多维信息融合研判的综合人脸比对方法,用于提高人脸识别精度,提升实战应用人脸比对性能。