Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 杭州电子科技大学乔通获国家专利权

杭州电子科技大学乔通获国家专利权

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!

龙图腾网获悉杭州电子科技大学申请的专利一种面向现实大流量场景的泛化伪造媒体检测方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119854218B

龙图腾网通过国家知识产权局官网在2025-06-24发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202510316802.1,技术领域涉及:H04L47/125;该发明授权一种面向现实大流量场景的泛化伪造媒体检测方法是由乔通;朱振鑫;李壮;罗向阳设计研发完成,并于2025-03-18向国家知识产权局提交的专利申请。

一种面向现实大流量场景的泛化伪造媒体检测方法在说明书摘要公布了:本发明公开了一种面向现实大流量场景的泛化伪造媒体检测方法,包括如下步骤:步骤1、通过加权轮询算法将网络请求的数据分配到多个服务器;步骤2、将每台服务器的访问流量缓存在访问队列中,每次取出队头的数据进行标准化处理得到检测包,所述标准化处理包括分帧、剪裁与分割、封装;步骤3、将检测包缓存在检测队列中,每次取出队头的检测包进行伪造检测,该方法引入了多模型联合决策的算法,通过集成多个不同的检测模型,提升了对多种伪造技术的应对能力,增强算法的泛化性能和鲁棒性。并通过模块化流程与流式伪造检测提升系统的检测效率,即使基于多模型也能够实现高效反馈。

本发明授权一种面向现实大流量场景的泛化伪造媒体检测方法在权利要求书中公布了:1.一种面向现实大流量场景的泛化伪造媒体检测方法,其特征在于,包括如下步骤: 步骤1、通过加权轮询算法将网络请求的数据分配到多个服务器; 步骤2、将每台服务器的访问流量缓存在访问队列中,每次取出队头的数据进行标准化处理得到检测包,所述标准化处理包括分帧、剪裁与分割、封装; 步骤3、将检测包缓存在检测队列中,每次取出队头的检测包进行伪造检测, 所述伪造检测的方法为: 首先,构建一个由Xception、ResNet-50和ConvNeXt三个专家模型组成的多模态伪造检测框架; 然后,构建一个标识有真实图像和对应生成的伪造图像的数据集,应用该数据集对多模态伪造检测网络模型进行训练并验证; 所述多模态伪造检测网络模型的训练方法为: 将三个训练集作为输入分别对Xception、ResNet-50和ConvNeXt进行训练,每个模型会对输入图像进行预测,最终输出一个置信度p,代表这张图像是伪造图像的概率,训练使用的交叉熵函数为: Ltrain=-y·logp+1-y·log1-p; 其中y代表图像的标签,即真实图像y=0,伪造图像y=1,所述交叉熵函数的训练目标是使Ltrain尽可能小,直至收敛; 对每个模型输出置信度的权重进行训练,首先定义三个模型对应的权重分别为ωA,ωB,ωC,将三个验证集中的图像取并集,每张图像通过三个训练好的模型进行预测得到三个置信度最终得到若干个带有真实或伪造标签的三元组作为权重训练的数据集,首先将三元组置信度进行聚合,然后,通过交叉熵函数不断地训练并优化三个权重ωA,ωB,ωC,表达式如下: 其中y代表置信度三元组对应图像的标签,即真实图像y=0,伪造图像y=1,所述交叉熵函数的训练目标是保证ωA+ωB+ωC=1的前提下,使Laggr尽可能小,直至收敛,代表聚合后的置信度; 提取待检测的检测包,将检测包解封装得到n个检测簇,每个检测簇解封装得到检测单元,检测单元通过多模态伪造检测网络模型输出检测结果, 将检测簇中的三个检测单元的经对应的模型输出的置信度通过训练好的权重进行聚合得到每个检测簇的置信度pT,设定阈值T,当pT<T时,图像被预测为真实图像,pT≥T时,图像被预测为伪造图像,预测标签记为

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人杭州电子科技大学,其通讯地址为:310018 浙江省杭州市钱塘区白杨街道2号大街1158号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。