一种去中心化联邦学习的人脸伪造检测方法及系统

本发明属于计算机视觉和机器学习技术领域，具体涉及一种去中心化联邦学习的人脸伪造检测方法及系统；所述方法包括接收经过数据预处理后的人脸图像数据，使用人脸图像数据训练并更新人脸伪造检测模型的参数；将自身的人脸伪造检测模型的参数发送给去中心化网络拓扑中与之直接相连的邻居客户端；将接收到的人脸伪造检测模型的参数进行聚合操作，得到更新后的人脸伪造检测模型的参数；根据每轮训练的完成时间，更新所述去中心化网络拓扑；重复上述步骤直至模型达到预设终止条件。本发明克服了现有人脸伪造图像检测技术中由于中心服务器依赖导致的单点故障风险、客户端计算能力异构带来的模型收敛速度慢和模型对局部与全局特征感知能力不足的问题。