利用人工智能和基于后量子密码学的水印技术增强深度伪造检测能力

《IEEE Transactions on Computational Social Systems》：Fortifying Deepfake Detection With AI and Postquantum Cryptography-Based Watermarking Technique

本文针对深度伪造技术威胁数字信息安全的问题，提出结合自定义自动编码器（CA）与后量子密码学技术的新型检测方法。通过RetinaFace定位面部与非面部区域，嵌入加密哈希并验证一致性，实验表明该方法PSNR达80.29 dB，SSIM为0.90，检测准确率96%，可有效识别面部及背景篡改。

　　

摘要：

在数字时代，深度伪造内容已成为对社交媒体平台和在线信息系统的重大威胁，破坏了公众的信任，并使得虚假信息的传播达到了前所未有的规模。人工智能的进步推动了深度伪造技术的发展，使得视觉内容的篡改变得更加逼真。虽然这项技术在创意应用方面具有潜力，但它对数字平台、公众信任以及在线信息的真实性构成了严重威胁。这种日益严重的问题亟需有效的深度伪造检测机制。然而，许多研究主要关注面部篡改，而忽视了非面部内容的修改，从而留下了关键的安全漏洞。因此，本文提出了一种新颖的方法，该方法结合了基于自定义自动编码器（CA）的水印技术和后量子密码学技术，用于检测面部和非面部的深度伪造内容。该系统通过使用RetinaFace将面部区域识别为感兴趣区域（ROI），将非面部区域识别为非感兴趣区域（NROI）。首先为NROI生成一个SHA-256哈希值，并使用N次截断多项式环（NTRU）对其进行加密。然后将加密后的哈希值嵌入到ROI中，生成带水印的图像。在提取水印图像时，会重新处理NROI以计算一个新的哈希值。从ROI中提取出加密后的哈希值并解密，得到原始哈希值，再将两者进行比较。实验验证表明，该方法具有80.29分的高信噪比和0.90的结构相似性指数，说明水印几乎不可见；同时在测试集上的检测准确率为96%。与大多数仅关注面部的方法不同，我们的方法还能识别对身体或背景的篡改。

显示更多