CN119379524B 基于多重水印融合与跨域学习的图像伪造主动防御方法 （齐鲁工业大学(山东省科学院)）

基于多重水印融合与跨域学习的图像伪造本发明涉及一种基于多重水印融合与跨域处理图像经过水印编码器进行不可见水印嵌入印联合优化在嵌入随机噪声的图像位置产生明图像是否经过深度伪造以及验证图像来源的真2S2.待处理图像经过水印编码器进行不可见水印嵌入和可见水印嵌入，分别得到嵌入,,,将完整的Lab色彩空间图像liab从Lab色,所述噪声层包括通用图像处理模块、深度伪造通用建模模型和深度伪造,所述深度伪造模型包括换脸模型SimSwap和属性编辑模型StaS4.嵌入可见水印的图像经过噪声层进行处理，通过可见水印联合优化在嵌入随机噪3具体地，嵌入可见水印的图像lon经过噪声层中的通用图然后经过可见水印联合优化在嵌入随机噪声的图像位置产2.根据权利要求1所述的基于多重水印融合与跨域学习的图像伪造主动防御方法，其3.根据权利要求2所述的基于多重水印融合与跨域学习的图像伪造主动防御方法，其经过检测解码器得到检测解码的二进制比特4.根据权利要求3所述的基于多重水印融合与跨域学习的图像伪造主动防御方法，其不可见水印嵌入过程中，采用跨域鲁棒性隐写约束，跨域鲁,为了使得嵌入可见水印的图像产生警示标识，设计如下生成对抗网络正则化损失函,,,,4在噪声层的深度伪造模型中，设计检测解码器针对深度伪造,判别器接受待处理图像lor和嵌入可见水印的图像Ion，通过损失函数来区分待处理图,5.根据权利要求4所述的基于多重水印融合与跨域学习的图像伪造主动防御方法，其6.一种应用权利要求1所述的基于多重水印融合与跨域学习的图像伪造主动防御方法水印嵌入模块：用于将待处理图像经过水印编码器进行不可见水印噪声图像生成模块：用于对嵌入不可见水印的图像经过警示标识生成模块：用于对嵌入可见水印的图像经过噪声层联合优化在嵌入随机噪声的图像位置产生明显的溯源检测模块：用于对噪声图像经过水印解码器进5[0002]深度伪造技术利用深度学习特别是生成对抗网络(GAN)技术，能够生成或篡改逼6[0008]S2.待处理图像经过水印编码器进行不可见水[0010]S4.嵌入可见水印的[0014]进一步地，步骤S2所述水印编码器包括不可见水印嵌入模块和可见水印注入模[0017]其中，RGB2Lab(·)表示从RGB色彩空间转换到Lab色彩空间的操作；转换后的图7[0039]其中，z表示选择2D傅里叶频谱中心的k*k区域的低通滤波器，F表示傅里叶变换8[0054]判别器接受待处理图像lori和嵌入可见水印的图像Ion，通过损失函数来区分待处[0058]通过现有的人脸检测模型对待处理图像lor进行面部关键点位置信息标注，得到[0060]本发明还提供一种应用基于多重水印融合与跨域学习的图像伪造主动防御方法水印联合优化在嵌入随机噪声的图像位置产生明显的虚假辨认警示标识是否存在就可以直接判断图像是否经过伪造，即使该方法不适用的情况下，我们还能通过不可见水印溯源和检测的方法来判断图像是否经过伪造以及验证图像来源9[0078]S2.待处理图像经过水印编码器进行不可见水[0081]其中，RGB2Lab(·)表示从RGB色彩空间转换到Lab色彩空间的操作；转换后的图[0097]S4.嵌入可见水印的图像lon经过噪声层中的通用图像处理模[0098]S5.噪声图像经过水印解码器[0104]其中，z表示选择2D傅里叶频谱中心的k*k区域的低通滤波器，F表示傅里叶变换[0119]判别器接受待处理图像lori和嵌入可见水印的图像Ion，通过损失函数来区分待处三列中的PSNR、SSIM和LPIPS是衡量视觉质量的指标。其中PSNR(PeakSignal_to_NoiseRatio，峰值信噪比)、SSIM(StructuralSimilarityIndex，结构相似性)以及LPIPS(LearnedPerceptualImagePatchSimilarity，学习感知图像块相似度)是衡量视觉质量的指标，我们希望加入不可见水印之后的视觉质量不会发生太大的变化。从表1可以发的一篇论文《SepMark:DeepSeparableWatermarkingforUnifiedSourceTracing[0130]本实施例提供一种基于多重水印融合与跨域学习的图像伪造主动防御方法的系水印联合优化在嵌入随机噪声的图像位置产生明显的虚假与原始水印m做对比，当匹配误码率接近50%时则判断该图像是经过深度伪造之后的图像，于经过深度伪造的图像能够产生警示标识来使得人的肉眼就可以判断