1.一种基于知识蒸馏的深度合成图像视频伪造检测方法，其特征在于，包括：教师模型训练步骤，针对各类型的图像篡改方法，基于多个骨架网络依次构建多个第一模型，使用已标记真伪类别的图像作为训练样本，训练每个该第一模型，将训练完成的第一模型作为教师模型；特征关系提取步骤，对该训练样本在各教师模型上的多个层次的样本特征进行提取，分布使用L2距离和余弦相似度，得到样本特征间的距离和角度关系，作为样本特征间的特征关系；学生模型训练步骤，将该训练样本输入结构复杂度低于该骨架网络的第二模型，并以该特征关系为监督，构建每个该第二模型的损失函数，以训练该第二模型，得到每个教师网络对应的学生模型；伪造检测步骤，将待伪造检测的图像输入该学生模型，融合学生模型输出的结果，得到伪造检测结果；其中，该损失函数为：其中l表示选择的网络层次，(x 1 ,x 2 ,…,x n )为数据集X N 中取到的n个样本组成的集合； 表示通过空间距离和角度距离对样本特征之间的结构关系进行建模，输入t l,1 ,t l,2 ,…t l,n 表示样本集合(x 1 ,x 2 ,…,x n )在学生模型上的l层特征集合，s l,1 ,s l,2 ,…s l,n 表示样本集合(x 1 ,x 2 ,…,x n )在教师模型上的l层特征集合；该学生模型与该教师模型的层次相同，但该学生模型每个层的具体网络层数比该教师模型少。
2.如权利要求1所述的基于知识蒸馏的深度合成图像视频伪造检测方法，其特征在于，该待伪造检测的图像为视频数据通过关键帧提取得到。
3.一种基于知识蒸馏的深度合成图像视频伪造检测系统，其特征在于，包括：教师模型训练模块，用于针对各类型的图像篡改方法，基于多个骨架网络依次构建多个第一模型，使用已标记真伪类别的图像作为训练样本，训练每个该第一模型，将训练完成的第一模型作为教师模型；特征关系提取模块，用于对该训练样本在各教师模型上的多个层次的样本特征进行提取，分布使用L2距离和余弦相似度，得到样本特征间的距离和角度关系，作为样本特征间的特征关系；学生模型训练模块，用于将该训练样本输入结构复杂度低于该骨架网络的第二模型，并以该特征关系为监督，构建每个该第二模型的损失函数，以训练该第二模型，得到每个教师网络对应的学生模型；伪造检测模块，用于将待伪造检测的图像输入该学生模型，融合学生模型输出的结果，得到伪造检测结果；其中该损失函数为：其中l表示选择的网络层次，(x 1 ,x 2 ,…,x n )为数据集X N 中取到的n个样本组成的集合； 表示通过空间距离和角度距离对样本特征之间的结构关系进行建模，输入t l,1 ,t l,2 ,…t l,n 表示样本集合(x 1 ,x 2 ,…,x n )在学生模型上的l层特征集合，s l,1 ,s l,2 ,…s l,n 表示样本集合(x 1 ,x 2 ,…,x n )在教师模型上的l层特征集合；该学生模型与该教师模型的层次相同，但该学生模型每个层的具体网络层数比该教师模型少。
4.如权利要求3所述的基于知识蒸馏的深度合成图像视频伪造检测系统，其特征在于，该待伪造检测的图像为视频数据通过关键帧提取得到。
5.一种存储介质，用于存储执行如权利要求1或2所述的基于知识蒸馏的深度合成图像视频伪造检测方法的程序。
6.一种客户端，用于权利要求3或4所述的基于知识蒸馏的深度合成图像视频伪造检测系统。
