一种针对图像篡改防范的对抗扰动生成方法

本发明属于人工智能生成内容的反客制化技术领域，具体公开了一种针对图像篡改防范的对抗扰动生成方法，包括：在全局层面破坏深度学习模型感知特征的空间相关性，增强受保护图像对概念转移的鲁棒性，并获取全局特征相关性破坏损失；在局部层面生成个性化的精准面部属性攻击策略，将攻击集中于个体的图像结构，增强对抗扰动的毒性，并获取局部面部属性扭曲损失；基于全局特征相关性破坏损失和局部面部属性扭曲损失，构建GoodAC损失；进而生成针对图像篡改防范的对抗扰动。本发明解决了解决现有的反客制化方法未能充分利用深层面部图像特征，即图像内容和面部属性，导致抵御概念迁移能力弱，且毒性不足的问题。