MMJan, 2021

基于跨模态的实时监控视频伪造检测与定位

PDF
TL;DR本文提出了一种名为 Secure-Pose 的跨模态视频伪造检测和本地化系统，可使用靠近相机现场的 WiFi 信号进行实时监视，实现了良好的检测精度和本地化能力。
cybersecurityvideo forgery attacksreal-time verificationcross-modal forgery detectionwifi signals
发现论文，激发创造
  • 利用 Wi-Fi 通道状态信息检测监控视频流中的伪造攻击

    通过结合监控与 Wi-Fi 基础设施等技术，提出了一种实时、细粒度的视频防伪方法，其可通过监控与 Wi-Fi 信号中所携带的人体姿态信息来追踪视频篡改攻击，定位攻击的异常物体，并取得了 98.7% 的检测准确率。

    Jan, 2022

  • 通过自监督利用真实说话人脸实现鲁棒性防伪技术

    本研究提出了一种基于真实对话视频的假脸检测技术，通过跨模态自监督学习得到时序稠密视频表示，鼓励假脸检测器基于面部运动、表情和身份等因素做出真 / 假决策，并在交叉操作泛化和鲁棒性实验中取得了最先进的表现。

    Jan, 2022

  • 定位和验证：用于改进深伪造检测的双流网络

    通过创新的双流网络、多功能模块和半监督补丁相似性学习策略，本研究在深伪检测领域取得了显著的改进，通过六个基准测试表明具有较强的鲁棒性和普适性，并在深伪检测挑战预览数据集上将帧级 AUC 从 0.797 提高至 0.835，将 CelebDF_v1 数据集上的视频级 AUC 从 0.811 提高至 0.847。

    Sep, 2023

  • 通过异常的协同模式检测揭示深度伪造视频

    本文提出了一种全面解释的视频法医方法，旨在暴露 DeepFake，通过建模视频中多个特定空间位置的时间运动来提取强大而可靠的表示形式，称为 Co-Motion Pattern，该方法具有优越的可解释性和充分的鲁棒性。

    Aug, 2020

  • 创造人工模态以解决 RGB 真实性问题

    提出利用人工制造的模态从 RGB 视频中提取状态间的动态差异，用于对付人脸反欺诈，通过中间表示来增加模型对未知攻击和未知族群的鲁棒性，该方法在最大的跨族群人脸反欺诈数据集 CASIA-SURF CeFA（RGB）上取得了最先进的效果。

    Jun, 2020

  • 探索时域一致性以提高视频人脸造假检测的泛化性能

    本文探讨了利用时间上下文对视频中的脸部伪造进行检测的方法，并提出了一种新的端到端框架，包括全时卷积网络和时间变换网络，实验证明了该方法的有效性。

    Aug, 2021

  • 一种面向网络目标的端到端集成计算和通信架构：对现场监控视频的视角

    本研究提出一种基于情景感知的实时流式传输方案，以实时识别重要事件和降低发射功率。该方案主要利用少量隐藏层的小型神经网络在源端对特定情景下的帧进行高重要性分配，并将高重要性的帧与一定信噪比的低重要性帧同时流式传输，在接收端进行深度神经网络分析提取准确的情景并节约约 38.5% 的能源。

    Apr, 2022

  • 积极回避检测：反法医学抗伪造定位

    通过自监督学习和对抗训练的结合，SEAR 成功欺骗了最先进的伪造定位方法，并解决了传统对抗攻击方法所提到的三个缺陷。

    Oct, 2023

  • MesoNet：一种紧凑型面部视频伪造检测网络

    本文提出了一种利用深度学习自动有效地检测视频中人脸篡改的方法，并集中研究了最近使用的两种生成超逼真伪造视频的技术：Deepfake 和 Face2Face。通过提出的两个网络，在现有数据集和网络视频数据集上测试，检测率分别达到 98% 和 95% 以及相当成功。

    Sep, 2018

  • 野外人脸鉴定

    通过构建大规模数据集 FFIW-10K，该数据集包括了 10000 个高质量伪造视频，每个画面平均有三个人脸，再结合一个新算法，从而提升了人脸伪造检测的性能，该算法在 FFIW-10K 和现有基准测试上表现优秀。

    Mar, 2021