1.一種基于擴(kuò)散模型的生成式邊緣反取證方法，其特征在于，構(gòu)建和訓(xùn)練生成式邊緣反取證網(wǎng)絡(luò)，將篡改圖像x和其對(duì)應(yīng)的目標(biāo)偽造區(qū)域掩膜mask(x)輸入生成式邊緣反取證網(wǎng)絡(luò)，具體步驟為：
2.根據(jù)權(quán)利要求1所述的基于擴(kuò)散模型的生成式邊緣反取證方法，其特征在于，目標(biāo)邊緣獲取和分層模塊首輪對(duì)灰度目標(biāo)偽造區(qū)域掩膜mask(x)的處理方法為：
3.根據(jù)權(quán)利要求1所述的基于擴(kuò)散模型的生成式邊緣反取證方法，其特征在于，邊緣生成模塊的擴(kuò)散模型包括正向擴(kuò)散過程和反向擴(kuò)散過程，具體內(nèi)容如下；
4.根據(jù)權(quán)利要求1所述的基于擴(kuò)散模型的生成式邊緣反取證方法，其特征在于，從第二輪起，邊緣圖像融合模塊均保留本輪的邊緣像素點(diǎn)位置和對(duì)應(yīng)像素點(diǎn)值，使用保留的像素點(diǎn)替換原篡改圖像x上對(duì)應(yīng)位置的像素點(diǎn)，其余部分送入目標(biāo)邊緣獲取和分層模塊更新邊緣范圍后，再傳入邊緣生成模塊以生成的新邊緣和和對(duì)應(yīng)像素點(diǎn)值圖像，融合得到融合圖gr；表達(dá)如下：
5.根據(jù)權(quán)利要求1所述的基于擴(kuò)散模型的生成式邊緣反取證方法，其特征在于，將邊緣圖像融合模塊輸出的圖像gr輸入邊緣檢測(cè)模塊，邊緣檢測(cè)模塊處理得到未檢測(cè)到的邊緣像素點(diǎn)值和對(duì)應(yīng)位置k以及圖像損失，利用圖像損失進(jìn)行下一輪的邊緣采樣范圍更新，通過多次迭代最終得到生成式偽造區(qū)域邊緣，具體方法為：邊緣檢測(cè)模塊基于預(yù)訓(xùn)練權(quán)重的mvss-net網(wǎng)絡(luò)，包括多個(gè)resnet塊，相鄰兩個(gè)resnet塊之間級(jí)聯(lián)sobel層，每個(gè)sobel層之后布置一個(gè)邊緣殘差塊erb，每個(gè)級(jí)聯(lián)的邊緣殘差塊erb輸出的特征均與下一級(jí)聯(lián)的邊緣殘差塊erb輸出的特征求和組合，進(jìn)而級(jí)聯(lián)淺層特征和深層特征，實(shí)現(xiàn)邊緣檢測(cè)輸出生成式偽造區(qū)域邊緣；