买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京工商大学

摘要：本发明涉及一种共享可更新的Deepfake视频内容监管方法及系统，其方法包括：步骤S1：将Deepfake视频输入预处理模块，提取视频关键帧并截取人脸图像作为训练样本；步骤S2：提取训练样本的空域与频域特征，将特征信息输入SVM分类模型进行训练，得到初始的内容监管模型；步骤S3：基于区块链技术建立共享可更新策略，并设计激励机制收集新的有效的Deepfake视频数据；步骤S4：收集样本数量达到阈值后，对初始模型进行更新训练，更新后对样本贡献者共享Deepfake视频内容检测方法并等待下一次更新。本发明可以实现Deepfake视频内容检测方法的共享，并对其进行持续性更新，有效消除了Deepfake视频数据集样本不平衡问题，解决了过拟合问题，从而提高了内容监管模型的泛化能力。

主权项：1.一种共享可更新的Deepfake视频内容监管方法，其特征在于，包括：步骤S1：将Deepfake视频输入预处理模块，提取视频关键帧并截取人脸图像作为训练样本；步骤S2：提取训练样本的空域与频域特征，将特征信息输入SVM分类模型进行训练，得到初始的内容监管模型；步骤S3：基于区块链技术建立共享可更新策略，并设计激励机制收集新的有效的Deepfake视频数据；步骤S4：收集样本数量达到阈值后，对初始模型进行更新训练，更新后对样本贡献者共享Deepfake视频内容检测方法并等待下一次更新；所述步骤S2：提取训练样本的空域与频域特征，将特征信息输入SVM分类模型进行训练，得到初始的内容监管模型，包括：步骤S21：对训练样本M*N按照二维离散傅里叶变换计算表示二维功率谱，并将其定义为Pu，v；其次，将二维的傅里叶频谱图按照从低频到高频的顺序，由内向外划分为K个区间，依据公式1累加计算第i个矩形环内的所有的傅里叶频谱值，并按照公式2进行归一化处理，其结果为训练样本的频域特征； 其中，ζi表示第i个矩形环内能量，Ψi表示第i个矩形环内能量与总能量之比，因此，图像的二维频谱图能量特征向量定义为ζf＝[ζ1，ζ2，...，ζK]，频谱图能量占比特征向量定义为Ψf＝[Ψ1，Ψ2，...，ΨK]；步骤S22：对训练样本M*N进行n级小波分解得到样本图像小波特征值，并依据每个特征值的频带信号进行分析，每个参数表示为一个特征向量空间，各参数值的维数即HSV空间的维数，即该特征空间的基，最终提取得到图像HSV模型的多维小波特征向量，依据公式3计算所有子带系数得到均值、方差和偏斜度，其结果为训练样本的空域特征； 其中μ，σ，ω分别表示全部子带系数的均值、方差和偏斜度；N表示全部计算机生成图像小波特征样本数量；x表示计算机生成图像的小波特征；步骤S23：将一维频域特征与多维空域特征级联融合，并对其进行归一化处理，得到的多维全局纹理特征信息作为真伪图像的鉴别特征；步骤S24：依据鉴别特征将样本数据集输入SVM分类器进行训练，得到初始的内容监管模型；所述步骤S3：基于区块链技术建立共享可更新策略，并设计激励机制收集新的有效的Deepfake视频数据，包括：步骤S31：在区块链上，样本贡献者提交数据样本x，y，并支付押金d，在截止时间T内，样本贡献者可以对样本数据x的标签y进行修改，每次修改后按照公式4对截止时间进行动态调整； 其中，T0为初始截至时间，n为修改次数；步骤S32：在截止时间T后，模型对贡献者提供的数据样本x预测值为y时，表示贡献者提供数据与模型预测值一致，该机制认为该贡献者提供的数据x，y为正确样本，依据规则，该机制退还全部押金，即r0＝＝d；步骤S33：在截止时间T后，模型对贡献者提供的数据样本x预测值为y’时，表示贡献者提供数据与模型预测值不一致，该机制认为该贡献者提供的数据x，y为错误样本，依据规则，该机制按照公式5退还样本贡献者部分押金； 其中，r0表示样本贡献者退还的押金，nx表示其他贡献者x提交的的样本数量，cr表示预测值为y的其他贡献者，c表示其他贡献者；其他样本贡献者则依据提交时间瓜分剩余押金，其他贡献者瓜分到的押金表示为，计算公式表示为公式6； 其中，t[p]表示所有y′样本提交的时间节点，εi表示每个时间节点瓜分押金的概率，αi表示每个样本瓜分押金的权重，表示贡献者实际瓜分到的押金，d表示样本贡献者支付的押金，ric，d表示样本贡献者退还的押金；步骤S34：将有效的数据样本收集至更新样本数据集。

全文数据：

权利要求：

百度查询： 北京工商大学 一种共享可更新的Deepfake视频内容监管方法