- 综合排序
- 最热优先
- 最新优先
- 来自专栏FPGA技术江湖
基于 FPGA 的视频流人脸伪造设备
鉴于此，我们决定采用 Xilinx 的 PYNQ-Z2 开发板，将 FPGA 高度并行化的特点与人工智能安全相结合，设计了一种具有实时人脸伪造能力的视频采集设备。 目的在于对视频 数据进行有针对性的伪造，协助安全系统的评估与改进。相较于传统的基于软件实现的人 脸伪造系统，采用FPGA，功耗与成本较低，实时性较高，伪造结果真实，并且隐蔽性更高。 2.2.3 FPGA 硬件 IP 核 DPU DPU 的详细硬件架构如图 5 所示。启动时，DPU 获取片内存储器中的指令来控制计算引擎的运行。 人脸锚框时，输 入图片大小为 × × 3，输出为/4 × /4 × 5。 原始算法中仅能进行 5 个特征的标注，这在 Deepfake 框架 后面的换脸中明显是不够用的，因此这里将特征的标注数量从 5 个增长到 98 个。
2.5K11发布于 2021-10-22 - 来自专栏代码复现专区
【人脸伪造 | Face X-ray 代码复现】
在实现过程中，在关键点检测和混合人脸的过程推荐使用3.6版本的python环境。 json文件，为步骤二混合人脸提供关键点数据。 with open(output_json_path, 'w') as json_file: json.dump(keypoints_dict, json_file, indent=4) 二、混合人脸 代码参考：AlgoHunt/Face-Xray: The author's unofficial PyTorch re-implementation of Face Xray 在混合人脸Face X-ray torch 1.10.2 dlib 19.6.1 opencv 4.1.2.30 解决完环境问题后，就可以根据上一步骤生成的json文件，运行bi_online_generation.py，根据自己的需求生成人脸
26510编辑于 2025-06-26 - 来自专栏TEL18600524535
炫彩活体检测技术：有效区分真实人脸与伪造人脸，保障身份认证安全
在数字化与智能化飞速发展的今天，人脸识别技术已广泛应用于金融支付、门禁系统、移动设备解锁等场景。然而，随之而来的伪造攻击（如照片、视频、面具欺骗）也日益猖獗。 它能够有效区分真实人脸与伪造人脸，成为保障身份认证安全的关键手段。工作原理：光学与算法的深度融合炫彩活体检测技术是一种基于光学反射特性与人工智能算法结合的活体认证方法。 具体流程包括：光源投射：设备内置的RGB多光谱光源向人脸投射特定频率的彩色光序列。反射信号采集：摄像头捕获人脸在不同光条件下的反射图像，记录皮肤的血管分布、纹理细节及三维结构特征。 功能特点：高精度与用户体验并重高防伪能力：能够有效抵御多种伪造攻击手段，如打印照片攻击、屏幕翻拍攻击、硅胶面具攻击、3D 模型攻击等。 快速准确：能够在短时间内对采集到的人脸图像进行分析处理，快速准确地判断人脸的真实性。检测速度快，准确率高，能够满足实时性要求较高的应用场景，如金融交易、门禁系统等。
81410编辑于 2025-09-02 - 来自专栏Bypass
邮件伪造之SPF绕过的5种思路
nslookup -type=txt qq.com 本文结合SPF配置的过程，通过一些邮件测试验证，分享了5种SPF绕过的思路。 ，伪造的邮件将会被退回。 [rvlwtgejv5.png] 我们分别使用网页版邮箱和客户端邮箱打开同一封邮件，通过对比可以发现，不同的邮件客户端对发件人位置的内容解析是不一样的。 5、From字段名截断绕过 当我们伪造邮件发送成功的时候，由于Sender和From字段不一样，部分邮件客户端接收邮件后，会提示邮件代发。 udzA7dSxIDxhZG1pbkBxcS5jb20+0aGhoaGhoaGhoaGhoaGhoaGhoaGhoQ==?==?gb2312?B?
8.6K41发布于 2020-05-21 - 来自专栏计算机视觉战队
传统和深度学习进行结合，较大提高人脸伪造检测
01 简介 随着现实的人脸操作技术取得了显著的进步，社会对这些技术可能被恶意滥用的担忧引发了人脸伪造检测的新研究课题。 为了将频率引入人脸伪造检测，提出了一种新的人脸伪造网络中的频率（F3-Net），利用两种不同但互补的频率感知线索，1）频率感知分解图像分量和2）局部频率统计，通过双流协同学习框架深入挖掘伪造模式。 如上图（b）的最后一列所示，伪造人脸与相应的真实人脸相比具有不同的局部频率统计，尽管它们在RGB图像中看起来几乎相同。 该框架由两个频率感知分支组成，一个旨在通过频率感知图像分解（FAD）学习细微的伪造模式，另一个则希望从局部频率统计（LFS）中提取高级语义来描述真实人脸和伪造人脸之间的频率感知统计差异。 GPT理解的CV：基于Yolov5的半监督目标检测 Consistent-Teacher：半监督目标检测超强SOTA Sparse R-CNN：稀疏框架，端到端的目标检测（附源码） RestoreDet
52430编辑于 2023-08-24 使用DlibDotNet人脸检测人脸68特征点识别人脸5特征点识别人脸对齐人脸比对FaceMesh
计算机视觉任务：支持各种计算机视觉任务，如人脸检测、人脸识别、物体检测等。 DlibDotNet通过C++/CLI封装了dlib库，使得.NET开发者可以方便地调用dlib的函数。 【效果展示】 人脸检测 5点特征点检测 68特征带点检测 人脸对齐 FaceMesh 【实现部分代码】 VideoCapture capture = new VideoCapture(0);
50710编辑于 2025-07-17- 来自专栏论文精读
【人脸伪造检测后门攻击】 POISONED FORGERY FACE: TOWARDS BACKDOOR ATTACKS ON FACE FORGERY DET
### 一、研究动机 虽然目前在图像识别任务中有许多有效后门攻击方法，直接扩展到人脸伪造检测领域却存在着一定的问题，例如存在一些伪造人脸检测的算法（`SBI`, `Face X-ray`）是通过真实图像合并转换为负样本进行模型训练的 NOTE]>> 在研究动机中提到了人脸混合检测模型在训练过程中只使用真实样本，模型在训练时不会只将trigger和正样本联系在一起，还会与负样本（由正样本混合而成）联系在一起>> **解决思路**：最大化正样本和负样本之间的 [image](https://img-blog.csdnimg.cn/img_convert/8f58a99dc61e740d34379e5daae58815.png)* 攻击结果> [! [image](https://img-blog.csdnimg.cn/img_convert/5f98ced5459acf825e256baab4926098.png)### 其他参考文献学习* ** > * SIG (2019) 使用了正弦信号作为后门触发器* **防御后门攻击** > * 重新微调 > * 知识蒸馏微调* **参考文献** * 伪造检测器在推理阶段可以被对抗性例子欺骗
30410编辑于 2024-11-02 - 来自专栏逸鹏说道
如何利用Nexus 5伪造一张门禁卡
以前在社区看见各种关于RFID的帖子，但是一直没花时间尝试。 近期物业重新安装了小区大门，以前绕一绕，或者钻一下还是能进去的- -, 然而物业说，门禁卡最多只能办五张，有人说假装掉了重新去办五张.
3.2K50发布于 2018-04-10 - 来自专栏机器之心
CVPR 2021 | 中科大联合快手，提出人脸伪造检测新方法
机器之心发布 机器之心编辑部 来自中科大、快手的研究者针对人脸伪造，提出了基于单中心损失监督的频率感知鉴别特征学习框架，将度量学习和自适应频率特征学习应用于人脸伪造检测，实现SOTA性能。 与之对应的，人脸伪造检测也逐渐成为计算机视觉领域研究的热点。 目前的检测方法大多数将伪造检测任务转化为二分类任务来处理，使用softmax loss[1] 监督网络在自然和篡改人脸的混合数据集上训练。 如图一所示，由于GAN指纹和其他一些独特的处理，不同伪造方法生成篡改人脸的特征分布不同，而自然人脸则共享着更多相似的特征。 篡改人脸类内分布的多样性意味着在特征空间中聚合所有的篡改人脸是一件困难的事，这种优化上的困难导致了常规的度量学习方法应用到人脸伪造检测领域时通常无法取得理想的效果。 SCL在增大自然人脸和伪造人脸类间距离的同时，仅仅约束自然人脸类内的紧凑性。在不增大优化难度的情况下，监督网络学习到更具差异性的特征。
63830编辑于 2023-03-29 - 来自专栏机器之心
让对方把头侧扭90°，这一动作可辨别Deepfake伪造人脸
一直以来，研究者发现 DeepFake 存在着这样一个漏洞：当伪造人脸头部转到 90 度时（侧脸 90 度），对方就能识别视频中的人脸是不是伪造的。 这是怎么回事呢？ 测试中，在人脸转到 90 度以前，其余角度我们很难发现这张脸是伪造的。 为什么人脸转到 90 度时会出现漏洞？ 原来这些深度伪造模型都没有经过高质量的人脸轮廓数据训练，因而不能转换面部的不同边界，或者执行必要的修复。 不过，借助这一漏洞，我们可以判断视频会议中与自己交谈的人是真实的还是伪造的。 因此，Deepfake 这一缺点提供了一种潜在的方法，可以在实时视频通话中发现「伪造」的人脸。如果你怀疑和你说话的人可能是一个「深度伪造的人脸」，你可以让他们侧身一到两秒钟，看看对方有没有破绽露出。 今年 5 月，AI 安全公司 Sensity 发布了一份报告和一段视频，展示了一个类似 DeepFaceLive 的系统，该系统通过伪造身份成功地骗过活体检测器。
86940编辑于 2022-08-26 - 来自专栏贾志刚-OpenCV学堂
让对方把头侧扭90°，这一动作可辨别Deepfake伪造人脸
一直以来，研究者发现 DeepFake 存在着这样一个漏洞：当伪造人脸头部转到 90 度时（侧脸 90 度），对方就能识别视频中的人脸是不是伪造的。 这是怎么回事呢？ 测试中，在人脸转到 90 度以前，其余角度我们很难发现这张脸是伪造的。 为什么人脸转到 90 度时会出现漏洞？ 原来这些深度伪造模型都没有经过高质量的人脸轮廓数据训练，因而不能转换面部的不同边界，或者执行必要的修复。 不过，借助这一漏洞，我们可以判断视频会议中与自己交谈的人是真实的还是伪造的。 因此，Deepfake 这一缺点提供了一种潜在的方法，可以在实时视频通话中发现「伪造」的人脸。如果你怀疑和你说话的人可能是一个「深度伪造的人脸」，你可以让他们侧身一到两秒钟，看看对方有没有破绽露出。 今年 5 月，AI 安全公司 Sensity 发布了一份报告和一段视频，展示了一个类似 DeepFaceLive 的系统，该系统通过伪造身份成功地骗过活体检测器。
77930编辑于 2022-08-29 - 来自专栏FreeBuf
如何利用Nexus 5伪造一张门禁卡
但由于某些原因，我并不想去登记注册一张门禁卡，正好手头有一部nexus5，众所周知nexus5是有nfc功能的，我便想能不能用nexus5的nfc功能伪造一张门禁卡呢? 卡的id为：D2:69:76:5B 接着我们找另一台nexus5看一下手机原来的id，扫描出来这台nexus5的id是在不停变化的，如下图： ? ? 00:00:E0:67:35:00:14:01:00:00:10:B5:03:01:02:FF:80:01:01:C9:03:03:0F:AB:5B:01:00:B2:04:E8:03:00:00:CF remount adb push libnfc-brcm-20791b05.conf /etc/ adb reboot 重启之后我们发现，这台nexus5的id已经被改成了我们想要的。 拿着修改好的nexus5去试试看？记得必须在唤醒屏幕的情况下nfc才有效。 成功！ * 参考来源： STA /dingody编辑整理，转载请注明来自黑客与极客（FreeBuf.COM）
1.3K90发布于 2018-02-06 - 来自专栏有三AI
【每周CV论文推荐】 初学活体检测与伪造人脸检测必读的文章
活体检测在安防与金融等使用人脸识别技术的领域中是一项非常重要的技术，本次我们介绍初学深度学习活体检测与伪造检测领域需要读的文章。 作者&编辑 | 言有三 1 Learning CNN 这是最早期CNN用于活体检测的文章，在此之前都是手动提取特征，文章采用了人脸检测预处理，多尺度人脸增强，时域人脸图像增强等技术训练了一个分类网络。 noise modeling[C]//Proceedings of the European Conference on Computer Vision (ECCV). 2018: 290-306. 5 [5] Zhang S, Wang X, Liu A, et al. Conference on Computer Vision and Pattern Recognition. 2019: 919-928. 6 FaceForensic++ FaceForensic是当前最大的伪造人脸数据集
1.5K10发布于 2019-11-15 - 来自专栏HarmonyOS知识集合
【HarmonyOS 5】VisionKit人脸活体检测详解
【HarmonyOS 5】VisionKit人脸活体检测详解一、VisionKit人脸活体检测是什么？VisionKit是HamronyOS提供的场景化视觉服务工具包。 而VisionKit中包含人脸活体检测的功能接口interactiveLiveness 。人脸活体检测见名知意，主要是为了检测当前人是否为活人本人，而不是照片，硅胶面具，AI视频仿真的可能。 需要注意的是，人脸活体检测，不支持模拟器和预览器。 核心接口为人脸页面唤起接口：interactiveLiveness.startLivenessDetection，该接口需要配置config进行设置人脸的模式，动作等操作。 ：在调用人脸活体检测成功后，可通过该接口获取检测结果。
50310编辑于 2025-04-20 - 来自专栏计算机视觉战队
人脸专集5 | 最新的图像质量评价
上图显示了测试过程，其中重复了三项任务：(a) 盯着黑色背景上的白色十字架两秒钟来修正他们的初始观点，(B) 观察10秒图像，(C) 提供5份意见分数来表示图像质量的不自然。 分数1-5分别对应于非常显著的、相当明显的、略显的、几乎不明显的和不明显的。分数越高越好，因为它们表明修复过程中发生的不自然现象是不明显的。 5 最后的实验及结果 ? 实验流程图 表1 不同图像特征的性能比较 ? ? ? ? 为了显示其他现有方法失败的原因，在上图中的左上方和底部图像上覆盖了一个显著图。
2.1K30发布于 2019-05-06 - 来自专栏云计算linux
使用H5实现机器人脸
width:500px; background: #CCCCCC;margin: 0 auto;} #face{width: 400px;height: 400px;z-index: 5; position: absolute;left: 0px;top:175px;position: absolute; border-radius: 50px 0px 0px 5px left; } #rightEar{left:450px;top:175px; border-radius: 0px 50px 0px 0px;} 那我们要实现机器人脸部的来回移动如何办呢
23610编辑于 2024-12-17 - 来自专栏云头条
懒的做核酸、制作（伪造健康码）网页：被拘 5 日
就在他以为自己可以继续以假乱真下去的时候，警察找来了…… 杭州网警在工作中发现了有人伪造健康码网页的线索，使用者在网页内输入任意名字和场所即可伪造场所健康码页面。 经追踪，杭州网警迅速查明该伪造网页制作者黄某，也就是33岁的小黄。 按照公安部、省公安厅夏季治安打击整治“百日行动”工作部署，杭州警方迅速行动，将黄某抓获归案。 黄某对为逃避常态化核酸检测制作伪造场所健康码网页的违法事实供认不讳。 经后台勘验查明，黄某及他人使用该伪造网站记录较少且未造成严重后果，公安机关依法对该黄某行政拘留5天，并关停网页。
37910编辑于 2022-07-20 - 来自专栏E=mc²
burpsuite IP伪造插件
四个小功能 伪造指定ip 伪造本地ip 伪造随机ip 随机ip爆破 0x01 伪造指定ip 在Repeater模块右键选择fakeIp菜单,然后点击inputIP功能,然后输入指定的ip： ? 程序会自动添加所有可伪造得字段到请求头中。 0x02 伪造本地ip 在Repeater模块右键选择fakeIp菜单,然后点击127.0.0.1功能： ? 0x03 伪造随机ip 在Repeater模块右键选择fakeIp菜单,然后点击randomIP功能： ? 0x04 随机ip爆破 伪造随机ip爆破是本插件最核心的功能。 将数据包发送到Intruder模块,在Positions中切换Attack type为Pitchfork模式,选择好有效的伪造字段,以及需要爆破的字段: ? ? ? ? PS：伪造随机ip爆破的先决条件可以伪造ip绕过服务器限制。
2.1K50发布于 2020-08-17 - 来自专栏FreeBuf
IIS4IIS5 CGI环境块伪造0day漏洞
大约14年前发现一直到现在的0day 是IIS4\IIS5的漏洞，对应操作系统是winnt和win2000系统，微软不再支持这些软件，他们的策略想淘汰这些系统，11年报告后微软决定不再修补。 具体漏洞详细信息如下： IIS加载CGI环境块伪造漏洞 危害等级：高危 危害类型：缓冲区溢出、远程执行代码、信息泄露 影响平台：Winnt\win2000 影响软件：IIS4、IIS5 基本情况： IIS4、IIS5加载CGI，处理环境块的时候，错误的把“\n”字符用“\x00”替换，导致可以伪造任意环境块。 IIS加载CGI的时候，把自己的请求加上“HTTP_”前缀加入环境变量和本地环境变量区分，通过利用”\n”替换成”\0”的漏洞就可以把这些前缀去掉，从而任意伪造环境块变量。 3、 加载dll或者加载进程时因为伪造的path环境变量加载攻击者的程序。
1.2K100发布于 2018-02-02 - 来自专栏安恒信息
IIS4IIS5 CGI环境块伪造0day漏洞
大约14年前发现一直到现在的0day 是IIS4\IIS5的漏洞，对应操作系统是winnt和win2000系统，微软不再支持这些软件，他们的策略想淘汰这些系统，11年报告后微软决定不再修补。 具体漏洞详细信息如下： IIS加载CGI环境块伪造漏洞 危害等级：高危 危害类型：缓冲区溢出、远程执行代码、信息泄露 影响平台：Winnt\win2000 影响软件：IIS4、IIS5 基本情况： IIS4 、IIS5加载CGI，处理环境块的时候，错误的把“\n”字符用“\x00”替换，导致可以伪造任意环境块。 IIS加载CGI的时候，把 自己的请求加上“HTTP_”前缀加入环境变量和本地环境变量区分，通过利用”\n”替换成”\0”的漏洞就可以把这些前缀去掉，从而任意伪造环境块变 量。 3、 加载dll或者加载进程时因为伪造的path环境变量加载攻击者的程序。
1.3K70发布于 2018-04-10
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号