研究领域

信息隐藏编码及应用

- 在多个模型下提出了逼近理论界的隐写编码:ZZW、DeJoin、SPC,打破了对国外核心隐写编码的依赖;
- 提出了达到理论界的可逆隐藏编码方法,解决了可逆隐藏的基础问题;
- 相关结果被收录到剑桥大学出版的经典隐写教科书中;
- 获得2019年度安徽省自然科学奖一等奖;
- 获得信息隐藏顶会ACM IH&MMSec 2018最佳学生论文奖。

屏摄溯源水印

- 提出了抗屏摄水印方法,与合肥高维数据技术有限公司合作开发了 “实时屏摄泄密溯源系统”;
- 在中电科、中国电子、中国金融期货交易所、国家电网等单位得到应用;
- 2019年获批“工信部网络安全技术应用试点示范项目”,并在国家网络安全宣传周获得 “网络安全创新产品优秀奖” (第一名)和最具投资价值奖;
- 2020年入选工信部为保障疫情防控复工复产推荐的网络安全公共服务平台(全国共21个)。

对抗样本与防御方法

- 在对抗样本检测方面,挖掘了隐写与对抗样本之间的内在联系,由此提出了基于隐写分析的对抗样本检测方法(CVPR 2019);
- 在对抗样本主动防御方面,对3D点云识别模型提出了基于统计异常点删除和上采样的防御方法 (ICCV 2019);
- 在对抗样本生成方面,提出了基于多目标攻击的对抗样本生成模型 (ICCV 2019);
- 2019年,参加人工智能顶会IJCAI-阿里巴巴人工智能算法对抗赛,获得防御赛冠军和非定向攻击赛亚军(共2520支队伍参赛);

深度学习模型水印

- 针对图像处理模型提出了对学习过程鲁棒的模型水印方法。该方法可用于模型版权保护(AAAI 2020);
- 针对深度学习模型提出了可逆水印方法。该方法可用于模型的完整性认证和篡改定位(ACM MM 2020);

人脸深度伪造

- 在人脸深度伪造方面,针对面部分割、伪造篡改、融合处理等全流程提出了解决方案,并提出了“深度换头”方法;
- 在人脸深度伪造抗检测方面,提出了基于自适应失真和时序一致性的对抗攻击方法,能有效干扰主流的深度学习检测器;
- 在人脸深度伪造工具方面,参与开发了当前互联网上最具影响力的深度伪造工具-DeepFaceLab,可实现全流程、高精度、支持后期处理的人脸深度伪造。全网95%的Deepfake视频使用了该工具,总点击量超过1亿。

人脸深度伪造检测

- 在人脸深度伪造检测方面,提出了自适应注意力检测机制,显著提升了深度学习模型的检测能力和泛化能力,为人脸深度伪造检测的实际应用奠定了基础;
- 在人脸深度伪造防御框架方面,提出了基于对抗性攻击的人脸伪造主动防御模型,从源头降低了人脸伪造带来的风险;
- 2020年,参加由脸书、亚马逊、麻省理工学院、牛津大学等组织的全球最大的深度伪造检测挑战赛(Kaggle平台历史上奖金额度最高的竞赛),获得亚军,赢得30万美元奖金(共2265支队伍参赛)。