RollingEvidence主动式视频验证系统

搜索文档
视频「缺陷」变安全优势:蚂蚁数科新突破,主动式视频验证系统RollingEvidence
机器之心· 2025-08-26 12:11
技术突破与学术认可 - 蚂蚁数科AIoT技术团队关于主动式可信视频取证系统的论文被网络安全顶会USENIX Security 2025录用 录用率为17.1% [2] - 该系统利用相机卷帘门效应嵌入高维物理水印 结合AI技术与概率模型验证 显著提升检测准确率和安全防护能力 [2][4] 技术原理与创新设计 - 创新性利用CMOS摄像头卷帘快门效应的时域混叠特性 通过动态调节LED设备产生变频闪烁信号 以条纹模式嵌入视频帧 [6][9][12] - 采用带分隔频率的频移键控技术 使用16种频率构建4096种探针组合 实现紧凑的高维探针定义方案 [15] - 工作频率需保持在1/2Te以下以维持高对比度 分隔频率可提供足够强度(∝ 2Te/3)和更高对比度(∝ Te/3) [19][20] - 采用自回归随机编码模式 通过指数最小采样法生成随机序列 确保帧间关联性和加密密钥绑定 [23][24] 系统性能与验证效果 - 在静态场景检测中准确率达99.32%-99.84% 动态场景达99.31%-99.83% 总误拒率0.04% 误接受率0.53% [38] - 针对深度伪造攻击(SimSwap/E4S/LatentSync/SadTalker)的检测准确率均达100% 误拒率和误接受率均为0% [40][41] - 支持多品牌移动设备: iPhone 12(准确率94.52%) 小米15 Pro(96.43%) 华为Mate 60 Pro(97.55%) [42] - 去条纹视频生成效果优异 条纹提取精度通过MSE评估 去条纹效果通过SSIM衡量 [44] 应用场景与系统优势 - 可广泛应用于司法审判 公共安全 公证认证 身份核验及司法取证等关键场景 [6][46] - 系统能生成去条纹化视频版本 确保画面清晰可供人工查看 且无多帧持续条纹遮挡 [28] - 通过二阶段工作流程实现批量解码 采用深度神经网络提取条纹特征并解码探针信息 [27][28][30]