一种深度伪造检测公平性方法

本发明提供了一种深度伪造检测公平性方法，涉及人工智能技术领域，所述的方法，将待检测的图像输入至卷积神经网络中进行特征特征，获取图像的深度表征，采用通道剪枝策略对提取的特征进行敏感属性解耦，定向剥离敏感属性相关的冗余通道，再利用基于最优传输策略的公平性优化模块预测分布与敏感属性的独立性，通过双机制协同优化的策略，层级化偏差治理，最小化不同敏感属性分组的统计群体间的分布差异，实现公平性与检测精度的协同优化，确保在多敏感属性联合优化时的公平性和检测精度，改善了现有检测算法对不同人口统计群体的偏差导致系统性误判，无法进行跨熟悉特征耦合与动态对抗生成的问题。