文獻標識碼： A
DOI： 10.19358/j.issn.2097-1788.2023.01.004
引用格式： 馬梓為，楊子琪，李晨帆，等. “MAD”多注意力網絡偽臉顯廓系統[J].網絡安全與數據治理，2023，42(1)：31-36，53.
0 引言
進入信息時代后，個人身份比以往任何時代都更顯重要，證明個人身份最常用最方便的方法之一就是人臉識別。然而，隨著人工智能(AI)換臉技術的出現，不法分子替換甚至修改“受害者”的面部表情、說話口型，身份偽造的隱患大大升高。據統計，AI換臉詐騙在我國每年約造成40億元的損失，占電信詐騙金額的11%。AI換臉盜用名人身份造謠抹黑的現象層出不窮，還出現了換臉視頻配合語音合成技術引發社會輿論動蕩的現象。比如美國前總統奧巴馬被換臉到一段痛罵特朗普的視頻中，引發了美國社會激烈討論。扎克伯格也在一段虛假視頻中宣稱他掌握了所有臉書用戶的隱私信息，一時間受到人們口誅筆伐。這些現象都說明了AI換臉行為危害與日俱增，保護個人身份不被篡改意義重大。發展AI換臉檢測技術以保障網絡空間的公共安全勢在必行。
普遍的AI換臉檢測方法對于全臉形式的AI換臉十分有效。然而，隨著換臉技術不斷發展，出現了將人臉局部位置進行替換的局部換臉[1]。局部換臉產生的威脅十分嚴重，多個人的面部特征可以隱藏于同一張人臉上，而這張假臉具備了多個換臉者的身份信息。大多數的檢測方法對于局部換臉技術都是無效的。究其原因，一方面是普遍的AI換臉檢測技術往往通過不自然的表情、光影、性別等特征鑒別真偽，而局部換臉會縮小這些方面的差距。另一方面，一些換臉檢測技術僅僅針對特定算法，而無法檢測其他算法生成的假臉。
本文以Deepfake網絡和人臉混合算法(Face blending)[2]生成的虛假人臉為檢測目標，以人臉混合算法生成的虛假人臉為主要訓練目標，以經過多注意力網絡(Multi-attentional Deepfake Detection)[3]加強學習的人臉偽影網絡(Face X-ray)為基礎結構框架，創新性結合后搭建的基于卷積神經網絡的機器學習神經網絡。本文所做工作主要有以下幾方面：
(1)實現了基于人臉特征點對局部人臉的進行替換的簡單算法，憑借該算法構建了網絡訓練所需數據集。
(2)對高分辨率網絡(High-resolution Net)[4-5]進行了推廣，將其應用到人臉圖像特征識別，作為網絡中的特征提取模塊。
(3)為多注意力網絡(Multi-attentional Deepfake Detection)添加接口，成為網絡中的多注意力模塊，創新性地使其與高分辨率網絡相結合。多注意力網絡能夠放大某一特定區域的特征信息，即標記可能的換臉痕跡并且生成一張包含換臉位置的灰度圖。
本文詳細內容請下載：http://m.jysgc.com/resource/share/2000005095.
作者信息：
馬梓為1，楊子琪1，李晨帆1，黃郅皓2
(1.北京航空航天大學 沈元學院，北京100083；2.北京航空航天大學 網絡空間安全學院，北京100083)
歡迎關注電子技術應用2023年2月22日==>>商業航天研討會<<