1.一种AI换脸图像异常检测方法，其特征在于，包括：对待检测数据进行预处理；

将预处理后的待检测数据输入训练好的检测模型，得到生成数据；

计算待检测数据和生成数据之间的异常得分；

将异常得分和预设阈值进行对比，判别待检测数据是否为异常图像；

其中，待检测数据为疑似AI换脸处理生成的图像，检测模型为改进GAN模型，改进GAN模型在其生成器中增设self‑attention模块和一个编码器。

2.根据权利要求1所述AI换脸图像异常检测方法，其特征在于，对待检测数据进行预处理，包括：将待检测数据的尺寸设置为64×64并进行中心裁剪；

对尺寸设置、中心裁剪后的待检测数据进行归一化处理。

3.根据权利要求1所述AI换脸图像异常检测方法，其特征在于，检测模型的训练，包括：初始化检测模型，并对训练数据进行预处理；

使用预处理后的训练数据对检测模型的判别器和生成器进行迭代训练200轮，得到训练好的检测模型。

4.根据权利要求3所述AI换脸图像异常检测方法，其特征在于，对训练数据进行预处理，包括：将训练数据的尺寸设置为64×64并进行中心裁剪；

对尺寸设置、中心裁剪后的训练数据进行归一化处理；

其中，训练数据采用CelebA数据集，测试集为CelebA数据集中选取10k张人脸图像，异常样本按一定比例选取并采用AI换脸处理生成。

5.根据权利要求3所述AI换脸图像异常检测方法，其特征在于，使用预处理后的训练数据对检测模型的判别器进行迭代训练，包括：将训练数据分批次输入判别器，输出训练数据对应的特征图和预测概率；

将生成器生成的图像输入判别器，输出生成图像对应的预测概率；

利用训练数据对应的预测概率和生成图像对应的预测概率计算判别器损失；

其中，判别器包括依次连接的卷积层、LeakyReLU激活函数、卷积模块一、卷积模块二、卷积模块三、卷积层和Sigmoid激活函数；卷积模块一、卷积模块二和卷积模块三均包括依次连接的卷积层、BN层和LeakyReLU激活函数；判别器损失的计算公式如下：LD＝‑[y*log(D(x))+(1‑y)*log(1‑D(x′))]其中，D(x)表示判别器对于训练数据的预测概率，D(x′)表示判别器对于生成图像的预测概率，y为真实标签，log为自然对数。

6.根据权利要求5所述AI换脸图像异常检测方法，其特征在于，使用预处理后的训练数据对检测模型的生成器进行迭代训练，包括：将训练数据分批次输入生成器中的编码器一，输出训练数据对应的潜在向量一；

将输出的潜在向量一输入生成器中的解码器，输出生成的图像；

将生成的图像输入判别器，输出生成图像对应的特征图；

将生成的图像输入生成器中的编码器二，输出生成图像对应的潜在向量二；

利用潜在向量一、潜在向量二、训练数据、生成的图像、训练数据对应的特征图和生成图像对应的特征图计算生成器损失；

其中，生成器包括依次连接的编码器一、解码器和编码器二；编码器一和编码器二均包括依次连接的卷积层、LeakyReLU激活函数、卷积模块一、卷积模块二、self‑attention模块、卷积模块三、self‑attention模块和卷积层；卷积模块一、卷积模块二和卷积模块三均包括依次连接的卷积层、BN层和LeakyReLU激活函数；解码器包括依次连接的转置卷积模块一、转置卷积模块二、转置卷积模块三、self‑attention模块、转置卷积模块四、self‑attention模块、转置卷积层和Tanh激活函数；转置卷积模块一、转置卷积模块二、转置卷积模块三和转置卷积模块四均包括依次连接的转置卷积层、BN层和ReLU层。

7.根据权利要求6所述AI换脸图像异常检测方法，其特征在于，self‑attention模块的计算过程包括：C×N

对输入的特征图x∈R 进行三个1×1的卷积操作，对应的公式如下：f(x)＝Wfx

g(x)＝Wgx

h(x)＝Whx

C^×C C^C C×C

其中，C为通道数，N为特征图长×高，Wf∈R ，Wg∈R ，Wh∈R ，C^＝C/8；

将通过f(x)和g(x)计算的特征图x经过softmax归一化处理，得到attention map，计算公式如下：T

sij＝f(xi)g(xj)

将通过h(x)计算的特征图x和attention map融合并经过v(x)计算得到attention map对应的feature map，计算公式如下：v(xi)＝Wvxi

C×C

其中，Wv∈R ；

计算self‑attention模块的最终输出，计算公式如下：yi＝γoi+xi

其中，γ为尺度参数，默认为0，在检测模型训练过程中自动进行调整。

8.根据权利要求6所述AI换脸图像异常检测方法，其特征在于，生成器损失的计算公式如下：LG＝wrLr+wdLd+wmLm

其中，Lr为编码器损失，计算公式如下：

式中，GE(x)为第一次编码得到的潜在向量一,G(x)为生成的图像，E(G(x))为第二次编码得到的潜在向量二；

Ld为解码器损失，计算公式如下：

式中，x表示输入的训练数据，G(x)表示解码器解码后生成的图像；

Lm为判别器中间层损失，计算公式如下：

式中，map(·)表示训练数据对应的特征图，x表示输入的训练数据，G(x)表示生成器生成的图像；

we、wd和wm为编码器损失、解码器损失和判别器中间层损失的权重参数。

9.根据权利要求1所述AI换脸图像异常检测方法，其特征在于，预设阈值通过ROC曲线分析方法确定。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，计算机程序被处理器执行时实现权利要求1至9任一项所述方法的步骤。