申请/专利权人：东南大学

申请日：2022-05-24

公开（公告）日：2024-04-02

公开（公告）号：CN114979728B

主分类号：H04N21/2743

分类号：H04N21/2743;H04N21/234;H04N21/258;H04N21/254;H04L67/1097;H04L9/32;G06N20/00

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2022.09.16#实质审查的生效;2022.08.30#公开

摘要：本发明公开了一种基于深度学习的联盟链场景下视频数据上链有害性审核方法，具体步骤包括：系统管理员构建联盟链及私有IPFS网络，并允许普通用户及监管机构中的各监管者分别加入所述联盟链及IPFS网络；普通用户可选提交视频信息、请求链上合法视频的授权以及响应收到的视频授权等操作；监管者获取IPFS网络上的视频数据，通过基于局部最大ECR值算法的Deepfake检测模型来判断该视频的真实性，并向联盟链提交签名后的审核结果；由链码最终保证仅有合法的视频信息能够上链。本发明能够实现联盟链网络内视频数据信息的内容安全性核查与监管，并解决虚假的视频信息在联盟链上扩散传播的问题。

主权项：1.一种联盟链场景下视频数据上链有害性审核方法，其特征在于，所述方法包括如下步骤：1系统管理员构建联盟链及私有IPFS网络，并允许普通用户及监管机构中的各监管者分别加入所述联盟链及IPFS网络；2普通用户提交视频信息、请求链上合法视频的授权以及响应收到的视频授权操作；3监管者获取IPFS网络上的视频数据，通过基于局部最大ECR值算法的Deepfake检测模型来判断该视频的真实性，并向联盟链提交签名后的审核结果；4由链码最终保证仅有合法的视频信息能够上链；所述步骤3包括以下步骤：3.1监管者从所述IPFS网络获取完整的视频数据；3.2监管者调用基于局部最大ECR值算法的Deepfake检测模型来判断该视频的真实性，并获得该视频的Deepfake审核结果；3.3监管者使用自己的私钥对该审核结果签名，并向联盟链提交签名后的审核结果；所述步骤3.2具体包括以下子步骤：3.2.1根据完整的视频数据，计算视频各帧的ECR值，具体公式如下： 其中，ECRi表示为该帧的ECR值，i和i-1分别代表为视频的第i帧和第i-1帧，δi和δi-1分别为第i帧及相邻上一帧中的所有边缘像素值，为第i帧中增加的边缘像素的数量，为相邻上一帧消失的边缘像素的数量；3.2.2设置窗口大小，对该视频的所有ECR值进行平滑处理，并选择具有最大差异的ECR值的帧作为该视频的关键帧；3.2.3以MesoNet-4模型为基础执行Deepfake检测任务，并在面部提取过程中使用局部最大ECR值算法代替原有的随机帧选择策略，使得从上述关键帧中提取的人脸能够更好地用于后续Deepfake检测任务；3.2.4通过执行3.2.3操作，从视频中提取到的人脸图片的分类结果将构成一数组，对该数组进行均值计算，如小于0.5，则认为是Deepfake视频，否则认为是真实视频。

全文数据：

权利要求：

百度查询： 东南大学 一种基于深度学习的联盟链场景下视频数据上链有害性审核方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD