ICS07.140

CCSA92

中華人民共和國國家標準

GB/T×××××—××××

法庭科學偽造人像檢驗系統(tǒng)評測

Forensicsciences—Forgedhumanimage—Evaluationforexamination

system

（征求意見稿）

××××-××-××發(fā)布××××-××-××實施

國家市場監(jiān)督管理總局

國家標準化管理委員會發(fā)布

GB/T×××××—××××

法庭科學偽造人像檢驗系統(tǒng)評測

1范圍

本文件給出了偽造人像檢驗系統(tǒng)的評測框架，規(guī)定了對偽造人像檢驗系統(tǒng)鑒偽能力、安全性、系

統(tǒng)性能進行評測的指標及評測方法。

本文件適用于偽造人像檢驗系統(tǒng)的評價測試工作，也可用于產(chǎn)品自測參考和產(chǎn)品選型參考。

2規(guī)范性引用文件

下列文件中的內(nèi)容通過文中的規(guī)范性引用而構成本文件必不可少的條款。其中，注日期的引用文

件，僅該日期對應的版本適用于本文件；不注日期的引用文件，其最新版本（包括所有的修改單）適

用于本文件。

GB/TXXXX法庭科學偽造人像檢驗通則

3術語和定義

GB/TXXXX界定的以及下列術語和定義適用于本文件。

3.1

準確性accuracy

基于通用評測數(shù)據(jù)集的偽造人像檢驗系統(tǒng)輸出鑒偽結果的準確程度。

3.2

通用評測數(shù)據(jù)集generalevaluationdataset

面向人臉、人體、步態(tài)的不同偽造人像檢驗任務的偽造人像檢驗系統(tǒng)鑒偽能力評測數(shù)據(jù)集。

3.3

抗干擾性anti-jamming

偽造人像檢驗系統(tǒng)防御干擾、擾亂作用的能力。

3.4

抗攻擊性anti-attack

偽造人像檢驗系統(tǒng)針對對抗樣本攻擊的檢驗能力。

3.5

平均推斷時間averagedexaminationtime

偽造人像檢驗系統(tǒng)進行樣本檢驗給出結果的平均響應時間。

3.6

系統(tǒng)吞吐量throughputofsystem

偽造人像檢驗系統(tǒng)在單位時間內(nèi)處理的樣本量。

2

GB/T×××××—××××

4評測框架

4.1偽造人像檢驗系統(tǒng)評測框架如圖1所示。偽造人像檢驗系統(tǒng)的整體性能評估從鑒偽能力、安全性、

系統(tǒng)性能三個維度展開。偽造人像檢驗系統(tǒng)具體運行流程見附錄A。

圖1偽造人像檢驗系統(tǒng)評測框架

4.2鑒偽能力評測主要針對偽造人像檢驗系統(tǒng)對于視頻中人像真?zhèn)蔚臋z驗能力，通過準確性指標定量

評估，系統(tǒng)技術框架參見附錄B。

4.3安全性評測主要針對偽造人像檢驗系統(tǒng)對于噪聲、模糊、壓縮、銳化、幾何變換等干擾的抗干擾

能力以及對于對抗樣本攻擊的檢驗能力，通過抗干擾性和抗攻擊性指標定量評估。

4.4系統(tǒng)性能評測主要通過對平均推斷時間和系統(tǒng)吞吐量指標進行定量評估。

5設備與工具

5.1硬件

存儲設備、運算設備。

5.2軟件

支持深度偽造人像圖像、視頻等檢材大批量檢驗的偽造人像檢驗系統(tǒng)。

6評測數(shù)據(jù)集

6.1構建流程

6.1.1評測數(shù)據(jù)集構建流程如圖2所示，分為數(shù)據(jù)采集、數(shù)據(jù)制作、數(shù)據(jù)篩選和標注三個階段。

圖2評測數(shù)據(jù)集構建流程圖

3

GB/T×××××—××××

6.1.2數(shù)據(jù)采集階段。通過互聯(lián)網(wǎng)數(shù)據(jù)爬取和真實人物拍攝兩種方式，獲取真實人物視頻數(shù)據(jù)，并形

成原始視頻素材庫，用于后續(xù)數(shù)據(jù)制作階段。

6.1.3數(shù)據(jù)制作階段。基于原始素材庫篩選、處理得到真實人物樣本數(shù)據(jù)，包括偽造人臉、偽造人體、

圍繞步態(tài)，通過深度偽造典型模型制作深度偽造熱人像樣本數(shù)據(jù)，形成仿真樣本庫，用于后續(xù)構建相

應評測數(shù)據(jù)集。

6.1.4數(shù)據(jù)篩選和標注階段?；诜抡鏄颖編?，通過篩選、標注形成通用評測數(shù)據(jù)集，通過對抗攻擊

處理并標注形成抗攻擊性評測數(shù)據(jù)集，通過添加噪聲、模糊、壓縮、銳化、幾何變換等干擾并標注形

成抗干擾性評測數(shù)據(jù)集。

6.2數(shù)據(jù)采集要求

6.2.1互聯(lián)網(wǎng)數(shù)據(jù)爬取

通過互聯(lián)網(wǎng)爬取真實視頻數(shù)據(jù)要求如下：

a）數(shù)據(jù)來源包括但不限于國內(nèi)外自制視頻網(wǎng)站發(fā)布視頻、影視視頻選段、人物訪談視頻選段等；

b）視頻清晰度大于720p；

c）人臉分辨率大于100*100像素；

d）人臉幀數(shù)占比大于80%；

e）視頻時長大于10s且小于1min。

6.2.2真實人物拍攝

面向指定真實人物進行多維度組合式視頻拍攝要求如下：

a）拍攝場景包括但不限于室內(nèi)、室外、綠幕；

b）鏡頭采集模式包括但不限于橫向移動、前向移動、訪談場景側視角固定、新聞主播場景主視

角固定；

c）人物姿態(tài)包括但不限于坐姿、站姿、走姿；

d）人物表情包括但不限于微笑、大笑、驚訝、憤怒、悲傷、無表情；

e）拍攝視頻清晰度大于720p、人臉畫面占比大于10%、人臉幀數(shù)占比大于80%、人臉數(shù)量大于1

個且小于3個，視頻時長大于10s且小于1min。

6.3數(shù)據(jù)制作要求

偽造數(shù)據(jù)制作的類型和方法包括但不限于：

a）通過deepfacelab、faceshifter、fsgan、DeepFakes、faceswap等技術生成的人臉替換類型深度偽

造視頻內(nèi)容；

b）通過fsgan、FOMM、Wav2Lip等技術生成的人臉重現(xiàn)類型深度偽造視頻內(nèi)容；

c）通過StyleGAN、CycleGAN、BeautyGAN、AttGAN、StarGAN等技術生成的人臉編輯類深度

偽造視頻內(nèi)容；

d）通過StyleGAN、WGAN、StarGAN、DCGAN等技術生成的人臉生成類深度偽造視頻內(nèi)容。

6.4數(shù)據(jù)篩選和標注要求

6.4.1通用評測數(shù)據(jù)篩選

通用評測數(shù)據(jù)集約包含5000段視頻樣本，偽造視頻和真實視頻的比例約為1:1。數(shù)據(jù)篩選要求包

括：

a）視頻樣本清晰度大于720p；

b）單人人臉分辨率大于100*100；

4

GB/T×××××—××××

c）人臉幀數(shù)占比大于80%；

d）單個視頻樣本時長大于10s且小于1min；

e）視頻樣本至少存在1個人臉，最多不超過3個人臉；

f）單人臉偽造視頻中不會出現(xiàn)真實人臉，多人臉偽造視頻中可能同時存在真實人臉和偽造人臉，

整個視頻中人物身份保持一致；

g）偽造種類包括人臉替換、人臉重現(xiàn)、人臉編輯、人臉合成等范疇，人工PS、添加水印等不在

考慮范疇；

h）視頻樣本中不包含對抗樣本，不包含額外添加干擾的情況。

6.4.2通用評測數(shù)據(jù)標注

通用評測數(shù)據(jù)集標注包括但不限于：

a）數(shù)據(jù)標簽（真樣本/假樣本）；

b）偽造數(shù)據(jù)的類型；

c）偽造數(shù)據(jù)使用的深度偽造方法；

d）偽造人臉出現(xiàn)的幀數(shù)定位；

e）偽造的區(qū)域（全臉/嘴巴/頭發(fā)等）；

f）是否為指定人物樣本；

7評測指標

7.1鑒偽能力評測指標

7.1.1準確性

用固定真視頻通過率下的假視頻召回率表示，并應按照附錄C給出的方法進行計算。

7.2安全性評測指標

7.2.1抗干擾性

用添加干擾前后的準確性指標的偏差絕對值表示，按公式（1）進行計算。偏差絕對值越小說明偽

造人像檢驗系統(tǒng)的抗干擾性越好。

???=|?????|………………（1）

式中：

???——添加第i種干擾操作后的準確性指標偏差值；

??——添加第i種干擾操作后的準確性值；

??——添加干擾前的準確性值。

其中i與干擾類型對應關系如表1所示：

表1干擾類型對應表

i干擾類型

1噪聲

2模糊

3壓縮

4銳化

5幾何變換

5

GB/T×××××—××××

7.2.2抗攻擊性

用添加攻擊前后的準確性指標的偏差絕對值表示，按公式（2）進行計算。偏差絕對值越小說明偽

造人像檢驗系統(tǒng)的抗攻擊性越好。

??=|???????|………………（2）

式中：

??——添加攻擊后的準確性指標偏差值；

????——添加攻擊后的準確性值；

??——添加攻擊前的準確性值。

7.3系統(tǒng)性能評測指標

7.3.1平均推斷時間

計算方法如公式（3）所示。

N

(Tei?Tsi)

T=i=1

N………………（3）

式中：

i——表示第i輪推斷，單次推斷均為單樣本推斷，即batchsize=1；

Tsi——系統(tǒng)開始推斷的時間點，單位為秒（s）；

Tei——系統(tǒng)結束推斷的時間點，單位為秒（s）；

N——測試總次數(shù)；

T——平均推斷時間，單位為秒（s）。

7.3.2系統(tǒng)吞吐量

計算方法如公式（4）所示。

?

???=

???????………………（4）

式中：

?——數(shù)據(jù)集樣本量；

???——被測系統(tǒng)樣本處理結束時刻；

???——被測系統(tǒng)開始運行時刻；

???——系統(tǒng)吞吐量。

8評測方法

8.1鑒偽能力評測

8.1.1準確性評測

準確性的評測步驟為：

6

GB/T×××××—××××

a)準備面向人臉、人體、步態(tài)的不同偽造人像檢驗任務的偽造人像檢驗系統(tǒng)通用評測數(shù)據(jù)集；

b)將評測數(shù)據(jù)集中的數(shù)據(jù)輸入偽造人像檢驗系統(tǒng)并運行；

c)基于評測數(shù)據(jù)集，根據(jù)5.1.1計算準確性指標，記錄指標值。

8.2安全性評測

8.2.1抗干擾性評測

抗干擾性的評測步驟為：

a)準備包含噪聲、模糊、壓縮、銳化、幾何變換的五類干擾場景的抗干擾性評測數(shù)據(jù)集；

b)將評測數(shù)據(jù)集中的數(shù)據(jù)輸入偽造人像檢驗系統(tǒng)并運行；

c)基于評測數(shù)據(jù)集，根據(jù)7.1.1計算準確性指標，記錄指標值；

d)根據(jù)7.2.1計算抗干擾性指標值。

8.2.2抗攻擊性評測

抗攻擊性的評測步驟為：

a)準備包含對抗樣本的對抗攻擊場景抗攻擊性評測數(shù)據(jù)集；

b)將評測數(shù)據(jù)集中的數(shù)據(jù)輸入偽造人像檢驗系統(tǒng)并運行；

c)基于評測數(shù)據(jù)集，根據(jù)5.1.1計算準確性指標，記錄指標值；

d)根據(jù)7.2.2計算抗攻擊性指標值。

8.3系統(tǒng)性能評測

8.3.1平均推斷時間評測

平均推斷時間的評測步驟為：

a)查看系統(tǒng)日志，檢驗被測數(shù)據(jù)，記錄各樣本的推斷時間；

b)根據(jù)7.3.1將各樣本的推斷時間相加求總和，得到樣本推斷時間總和；

c)用樣本推斷時間總和除以數(shù)據(jù)集樣本量，得到系統(tǒng)的平均推斷時間。

8.3.2系統(tǒng)吞吐量評測

系統(tǒng)吞吐量的評測步驟為：

a)查看系統(tǒng)日志，檢驗被測數(shù)據(jù)，記錄系統(tǒng)處理時間；

b)根據(jù)7.3.2計算系統(tǒng)檢測的吞吐量。

9評測記錄

應及時、客觀、全面的記錄評測的有關情況，保證評測過程和結論的可追溯性。

7

GB/T×××××—××××

附錄A

（資料性）

偽造人像檢驗系統(tǒng)運行流程

偽造人像檢驗系統(tǒng)運行流程見圖A.1。偽造人像檢驗系統(tǒng)功能主要由視頻抽幀單元、人像獲取單

元、人像檢驗單元、結果分析單元四部分組成。其中人像獲取單元和人像檢驗單元可處理人臉、人體、

步態(tài)三類偽造人像檢驗任務。

圖A.1偽造人像檢驗系統(tǒng)運行流程

視頻抽幀單元用于將視頻樣本由視頻形式轉換成幀圖片形式，并根據(jù)任務需要選取部分幀提供給

人像獲取單元用于后續(xù)處理；人像獲取單元在獲取的單幀視頻圖片上抓取人像信息，對于人臉、人體、

步態(tài)的不同偽造人像檢驗任務抓取對應的不同人像信息，并將抓取的人像信息提供給人像檢驗單元；

人像檢驗單元根據(jù)抓取的人像信息進行偽造特征的提取，并將提取的偽造特征提供給結果分析單元；

結果分析單元根據(jù)提取的偽造特征信息，計算并輸出視頻樣本為偽造的置信概率，即輸出系統(tǒng)的偽造

人像檢驗結果。

8

GB/T×××××—××××

附錄B

（資料性）

偽造人像檢驗系統(tǒng)技術框架

偽造人像檢驗系統(tǒng)技術框架如圖B.1所示，將待測視頻樣本輸入訓練好的偽造人像檢驗系統(tǒng)，最

終得到系統(tǒng)輸出的鑒偽結果。其中，偽造人像檢驗系統(tǒng)的檢驗策略一般分為兩種：針對視頻幀內(nèi)的圖

像檢驗和針對幀間關系的時序檢驗。前者通過單幀視頻的空間像素特征或頻域特征來判斷視頻樣本是

否存在深度偽造攻擊，常用分類器模型包括支持向量機（SupportVectorMachine,SVM）、卷積神經(jīng)

網(wǎng)絡（ConvolutionalNeuralNetworks,CNN）、Transformer網(wǎng)絡等。后者通過視頻幀與幀間的時序

特征來判斷樣本是否存在深度偽造攻擊，常用分類器模型包括循環(huán)神經(jīng)網(wǎng)絡（RecurrentNeural

Network,RNN）等。兩種檢驗策略也可以結合使用。

圖B.1偽造人像檢驗系統(tǒng)技術框架

9

GB/T×××××—××××

附錄C

（規(guī)范性）

固定真視頻通過率下的假視頻召回率計算方法

固定真視頻通過率下的假視頻召回率R為保證真視頻準確率的前提下，得出偽造視頻判斷準確率。

實際測試輸出指標分別為固定85%、90%、95%、99%四種真視頻通過率下的假視頻召回率。固定真視頻

通過率下的假視頻召回率指標示意圖如圖C.1所示，指標計算方法如下。

a)系統(tǒng)輸出所有檢材視頻樣本的預測置信度并對真假視頻的置信度分別排序。

b)給定真視頻通過率T（如85%），取T分位數(shù)，記為thre，用thre作為閾值，即可保證真視頻的

通過率為T。真視頻通過率即真視頻的準確率，預測為真視頻且預測正確的視頻數(shù)量占真視

頻樣本總數(shù)量的比值。

c)將閾值thre應用在所有的假視頻上，即可計算出假視頻召回率R。假視頻召回率即假視頻的準

確率，預測為假視頻且預測正確的視頻數(shù)量占假視頻樣本總數(shù)量的比值。

d)此時假視頻召回率R即為固定真視頻通過率下的假視頻召回率，準確性指標由R衡量。

圖C.1固定真視頻通過率下的假視頻召回率指標示意圖

10

GB/T×××××—××××

參考文獻

[1]GB/T31448-2015安全安防視頻監(jiān)控人臉識別系統(tǒng)技術要求

[2]GB/T38671-2020信息安全技術遠程人臉識別系統(tǒng)技術要求

[3]SF/T0125—2021人像鑒定技術規(guī)范

[4]GA/T1023-2013視頻中人像檢驗技術規(guī)范

_________________________________

11

GB/T×××××—××××

前言

本文件按照GB/T1.1—2020《標準化工作導則第1部分：標準化文件的結構和起草規(guī)則》的規(guī)定

起草。

請注意本文件的某些內(nèi)容可能涉及專利。本文件的發(fā)布機構不承擔識別專利的責任。

本文件由中華人民共和國公安部提出。

本文件由全國刑事技術標準化技術委員會（SAC/TC179）歸口。

本文件起草單位：中國信息通信研究院、中國科學院信息工程研究所、公安部物證鑒定中心、公

安部網(wǎng)絡安全保衛(wèi)局、最高人民法院司法行政裝備管理局司法鑒定輔助辦公室、最高人民檢察院檢察

技術信息研究中心、國家安全機關司法鑒定辦公室、司法鑒定科學研究院、上海商湯智能科技有限公

司、阿里巴巴(中國)有限公司、螞蟻科技集團股份有限公司、杭州網(wǎng)易智企科技有限公司、北京瑞萊

智慧科技有限公司、公安部第三研究所、南京理工大學、北京多維視通技術有限公司、中國科學院自

動化研究所。

本文件主要起草人：。。。

1

GB/T×××××—××××

法庭科學偽造人像檢驗系統(tǒng)評測

1范圍

本文件給出了偽造人像檢驗系統(tǒng)的評測框架，規(guī)定了對偽造人像檢驗系統(tǒng)鑒偽能力、安全性、系

統(tǒng)性能進行評測的指標及評測方法。

本文件適用于偽造人像檢驗系統(tǒng)的評價測試工作，也可用于產(chǎn)品自測參考和產(chǎn)品選型參考。

2規(guī)范性引用文件

下列文件中的內(nèi)容通過文中的規(guī)范性引用而構成本文件必不可少的條款。其中，注日期的引用文

件，僅該日期對應的版本適用于本文件；不注日期的引用文件，其最新版本（包括所有的修改單）適

用于本文件。

GB/TXXXX法庭科學偽造人像檢驗通則

3術語和定義

GB/TXXXX界定的以及下列術語和定義適用于本文件。

3.1

準確性accuracy

基于通用評測數(shù)據(jù)集的偽造人像檢驗系統(tǒng)輸出鑒偽結果的準確程度。

3.2

通用評測數(shù)據(jù)集generalevaluationdataset

面向人臉、人體、步態(tài)的不同偽造人像檢驗任務的偽造人像檢驗系統(tǒng)鑒偽能力評測數(shù)據(jù)集。

3.3

抗干擾性anti-jamming

偽造人像檢驗系統(tǒng)防御干擾、擾亂作用的能力。

3.4

抗攻擊性anti-attack

偽造人像檢驗系統(tǒng)針對對抗樣本攻擊的檢驗能力。

3.5

平均推斷時間averagedexaminationtime

偽造人像檢驗系統(tǒng)進行樣本檢驗給出結果的平均響應時間。

3.6

系統(tǒng)吞吐量throughputofsystem

偽造人像檢驗系統(tǒng)在單位時間內(nèi)處理的樣本量。

2

GB/T×××××—××××

4評測框架

4.1偽造人像檢驗系統(tǒng)評測框架如圖1所示。偽造人像檢驗系統(tǒng)的整體性能評估從鑒偽能力、安全性、

系統(tǒng)性能三個維度展開。偽造人像檢驗系統(tǒng)具體運行流程見附錄A。

圖1偽造人像檢驗系統(tǒng)評測框架

4.2鑒偽能力評測主要針對偽造人像檢驗系統(tǒng)對于視頻中人像真?zhèn)蔚臋z驗能力，通過準確性指標定量

評估，系統(tǒng)技術框架參見附錄B。

4.3安全性評測主要針對偽造人像檢驗系統(tǒng)對于噪聲、模糊、壓縮、銳化、幾何變換等干擾的抗干擾

能力以及對于對抗樣本攻擊的檢驗能力，通過抗干擾性和抗攻擊性指標定量評估。

4.4系統(tǒng)性能評測主要通過對平均推斷時間和系統(tǒng)吞吐量指標進行定量評估。

5設備與工具

5.1硬件

存儲設備、運算設備。

5.2軟件

支持深度偽造人像圖像、視頻等檢材大批量檢驗的偽造人像檢驗系統(tǒng)。

6評測數(shù)據(jù)集

6.1構建流程

6.1.1評測數(shù)據(jù)集構建流程如圖2所示，分為數(shù)據(jù)采集、數(shù)據(jù)制作、數(shù)據(jù)篩選和標注三個階段。

圖2評測數(shù)據(jù)集構建流程圖

3

GB/T×××××—××××

6.1.2數(shù)據(jù)采集階段。通過互聯(lián)網(wǎng)數(shù)據(jù)爬取和真實人物拍攝兩種方式，獲取真實人物視頻數(shù)據(jù)，并形

成原始視頻素材庫，用于后續(xù)數(shù)據(jù)制作階段。

6.1.3數(shù)據(jù)制作階段?；谠妓夭膸旌Y選、處理得到真實人物樣本數(shù)據(jù)，包括偽造人臉、偽造人體、

圍繞步態(tài)，通過深度偽造典型模型制作深度偽造熱人像樣本數(shù)據(jù)，形成仿真樣本庫，用于后續(xù)構建相

應評測數(shù)據(jù)集。

6.1.4數(shù)據(jù)篩選和標注階段?；诜抡鏄颖編?，通過篩選、標注形成通用評測數(shù)據(jù)集，通過對抗攻擊

處理并標注形成抗攻擊性評測數(shù)據(jù)集，通過添加噪聲、模糊、壓縮、銳化、幾何變換等干擾并標注形

成抗干擾性評測數(shù)據(jù)集。

6.2數(shù)據(jù)采集要求

6.2.1互聯(lián)網(wǎng)數(shù)據(jù)爬取

通過互聯(lián)網(wǎng)爬取真實視頻數(shù)據(jù)要求如下：

a）數(shù)據(jù)來源包括但不限于國內(nèi)外自制視頻網(wǎng)站發(fā)布視頻、影視視頻選段、人物訪談視頻選段等；

b）視頻清晰度大于720p；

c）人臉分辨率大于100*100像素；

d）人臉幀數(shù)占比大于80%；

e）視頻時長大于10s且小于1min。

6.2.2真實人物拍攝

面向指定真實人物進行多維度組合式視頻拍攝要求如下：

a）拍攝場景包括但不限于室內(nèi)、室外、綠幕；

b）鏡頭采集模式包括但不限于橫向移動、前向移動、訪談場景側視角固定、新聞主播場景主視

角固定；

c）人物姿態(tài)包括但不限于坐姿、站姿、走姿；

d）人物表情包括但不限于微笑、大笑、驚訝、憤怒、悲傷、無表情；

e）拍攝視頻清晰度大于720p、人臉畫面占比大于10%、人臉幀數(shù)占比大于80%、人臉數(shù)量大于1

個且小于3個，視頻時長大于10s且小于1min。

6.3數(shù)據(jù)制作要求

偽造數(shù)據(jù)制作的類型和方法包括但不限于：

a）通過deepfacelab、faceshifter、fsgan、DeepFakes、faceswap等技術生成的人臉替換類型深度偽

造視頻內(nèi)容；

b）通過fsgan、FOMM、Wav2Lip等技術生成的人臉重現(xiàn)類型深度偽造視頻內(nèi)容；

c）通過StyleGAN、CycleGAN、BeautyGAN、AttGAN、StarGAN等技術生成的人臉編輯類深度

偽造視頻內(nèi)容；

d）通過StyleGAN、WGAN、StarGAN、DCGAN等技術生成的人臉生成類深度偽造視頻內(nèi)容。

6.4數(shù)據(jù)篩選和標注要求

6.4.1通用評測數(shù)據(jù)篩選

通用評測數(shù)據(jù)集約包含5000段視頻樣本，偽造視頻和真實視頻的比例約為1:1。數(shù)據(jù)篩選要求包

括：

a）視頻樣本清晰度大于720p；

b）單人人臉分辨率大于100*100；

4

GB/T×××××—××××

c）人臉幀數(shù)占比大于80%；

d）單個視頻樣本時長大于10s且小于1min；

e）視頻樣本至少存在1個人臉，最多不超過3個人臉；

f）單人臉偽造視頻中不會出現(xiàn)真實人臉，多人臉偽造視頻中可能同時存在真實人臉和偽造人臉，

整個視頻中人物身份保持一致；

g）偽造種類包括人臉替換、人臉重現(xiàn)、人臉編輯、人臉合成等范疇，人工PS、添加水印等不在

考慮范疇；

h）視頻樣本中不包含對抗樣本，不包含額外添加干擾的情況。

6.4.2通用評測數(shù)據(jù)標注

通用評測數(shù)據(jù)集標注包括但不限于：

a）數(shù)據(jù)標簽（真樣本/假樣本）；

b）偽造數(shù)據(jù)的類型；

c）偽造數(shù)據(jù)使用的深度偽造方法；

d）偽造人臉出現(xiàn)的幀數(shù)定位；

e）偽造的區(qū)域（全臉/嘴巴/頭發(fā)等）；

f）是否為指定人物樣本；

7評測指標

7.1鑒偽能力評測指標

7.1.1準確性

用固定真視頻通過率下的假視頻召回率表示，并應按照附錄C給出的方法進行計算。

7.2安全性評測指標

7.2.1抗干擾性

用添加干擾前后的準確性指標的偏差絕對值表示，按公式（1）進行計算。偏差絕對值越小說明偽

造人像檢驗系統(tǒng)的抗干擾性越好。

???=|?????|………………（1）

式中：

???——添加第i種干擾操作后的準確性指標偏差值；

??——添加第i種干擾操作后的準確性值；

??——添加干擾前的準確性值。

其中i與干擾類型對應關系如表1所示：

表1干擾類型對應表

i干擾類型

1噪聲

2模糊

3壓縮

4銳化

5幾何變換

5

GB/T×××××—××××

7.2.2抗攻擊性

用添加攻擊前后的準確性指標的偏差絕對值表示，按公式（2）進行計算。偏差絕對值越小說明偽

造人像檢驗系統(tǒng)的抗攻擊性越好。

??=|???????|………………（2）

式中：

??——添加攻擊后的準確性指標偏差值；

????——添加攻擊后的準確性值；

??——添加攻擊前的準確性值。

7.3系統(tǒng)性能評測指標