22、EasyDeep：物联网友好的鲁棒检测方法

EasyDeep：物联网友好的鲁棒检测方法

1. 边缘计算平台的新型深度伪造检测方法

1.1 方法概述

提出了一种基于机器学习的新型模型，用于在边缘设备上利用图像的纹理特征检测生成对抗网络（GAN）生成的图像。该过程通过检测 API 自动执行，选择这种方法的原因如下：
- 计算成本低，适合资源有限的物联网环境。
- 基于像素位置的灰度共生，具有通用性，可应用于任何类型的 GAN。

1.2 系统级表示

在物联网环境中，终端用户或客户端连接到边缘设备，边缘设备连接到云进行数据存储。如果需要，可在后期使用存储的图像和相应预测在云端对模型进行重新训练。检测过程如下：
1. 待检测的社交媒体图像通过“检测 API”发送到边缘平台。
2. 模型检测图像后，检测分数返回源端。
3. 检测分数和图像存储在云端，用于模型的未来重新训练。

1.3 边缘平台的检测方法

1. 特征提取 ：用户调用检测 API 将图像发送到边缘设备，图像到达后保存到文件夹，从彩色图像的灰度图像中计算灰度共生矩阵（GLCM）和 Haralick 纹理特征。计算的纹理特征包括对比度、相异性、同质性、能量和相关性，在四个距离（d = 1, 2, 3, 5）和三个角度（θ = 0, π/4, π/2）下从 GLCM 计算这些特征以生成特征向量。
2. 特征集创建 ：从上述特征创建特征集。
3. 图像分类 ：使用 LightGBM 分类器（提升类型为“梯度