一种人工智能图像辨识攻击防御方法、系统及存储介质技术方案

本发明专利技术公开了一种人工智能图像辨识攻击防御方法、系统及存储介质，所述方法包括：监视器端将实时获取的图像进行目标位置识别，获取需要进行安全编码保护的像素点，并将图像进行数字化处理；监视器端将数字化处理后的图像进行编码，并将编码信息进行加密后通过网络封包传送入服务器端；服务器端将接收到的编码信息解密，并还原成原始目标图像，将数值进行图像化处理后，初步判断出图像目标的真伪性；服务器端对比辨识图像目标的细部特征，并比对图像目标特征的对应信息，根据应用范围传回或显示图像目标的真实数据信息。本发明专利技术通过人脸的智能识别，避免人工智能图形辨识混淆攻击，快速判断图像目标的真伪性，提高人脸识别的安全性。

Artificial intelligence image recognition attack defense method, system and storage medium

The invention discloses an artificial intelligence image identification attack defense method, a system and a storage medium. The method comprises: the monitor side recognizes the real-time acquired image for the target position, obtains the pixels which need to be protected by secure coding, and digitizes the image; and the monitor side digitizes the image; The image is encoded and encrypted, and then transmitted to the server through the network packet; the server decrypts the received encoding information and restores it to the original target image. After the image processing of the value, the authenticity of the image target is judged preliminarily; the server identifies the image target by contrast. The detailed features are compared with the corresponding information of the image target features, and the real data information of the image target is transmitted or displayed according to the application scope. By intelligent face recognition, the invention avoids confusion attack of artificial intelligence graphic identification, quickly determines the authenticity of the image target, and improves the safety of face recognition.

【技术实现步骤摘要】
一种人工智能图像辨识攻击防御方法、系统及存储介质
本专利技术涉及人工智能图像识别
，尤其涉及一种人工智能图像辨识攻击防御方法、系统及存储介质。
技术介绍
目前，AI（ArtificialIntelligence，人工智能，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学）的到来将带领人类进入一个新的时代，随着计算机技术与信息技术的发展，AI人工智能越来越多的影响着我们的日常生活。图像识别是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术，一般工业使用中，采用工业相机拍摄图片，然后再利用软件根据图片灰阶差做进一步识别处理。目前人脸识别已经开始大范围应用，但安全防护方面的工作则比较薄弱，尤其是图像采集前端（摄像头），安全防护能力特别薄弱，摄像头被入侵和劫持的情况非常普遍；如果攻击方入侵摄像头，篡改摄像头获取的图像和视频，则可以误导后台的人脸识别等人工智能处理。因此，现有技术还有待于改进和发展。
技术实现思路
本专利技术要解决的技术问题在于，针对现有技术缺陷，本专利技术提供一种人工智能图像辨识攻击防御方法、系统及存储介质，旨在通过结合加解密技术、人工智能深度学习技术、图像识别技术、网络技术以及数据库技术进行人脸的智能识别，避免人工智能图形辨识混淆攻击，快速判断图像目标的真伪性，提高人脸识别的安全性。本专利技术解决技术问题所采用的技术方案如下：一种人工智能图像辨识攻击防御方法，其中，所述人工智能图像辨识攻击防御方法包括：监视器端将实时获取的图像进行目标位置识别，获取需要进行安全编码保护的像素点，并将图像进行数字化处理；监视器端将数字化处理后的图像进行编码，并将编码信息进行加密后通过网络封包传送入服务器端；服务器端将接收到的编码信息解密，并还原成原始目标图像，将数值进行图像化处理后，初步判断出图像目标的真伪性；服务器端对比辨识图像目标的细部特征，并比对图像目标特征的对应信息，根据应用范围传回或显示图像目标的真实数据信息。所述的人工智能图像辨识攻击防御方法，其中，所述监视器端将实时获取的图像进行目标位置识别，获取需要进行安全编码保护的像素点，并将图像进行数字化处理具体包括：所述监视器端预先将通过监视器实时获取的图像进行目标位置识别，并提取出需要进行安全编码保护的像素点；当图像识别完成后，所述监视器端将图像进行数字化处理。所述的人工智能图像辨识攻击防御方法，其中，所述监视器端将数字化处理后的图像进行编码，并将编码信息进行加密后通过网络封包传送入服务器端具体包括：当数字化处理完成后，所述监视器端将数字化处理后的图像通过安全算法进行编码；当编码完成后，所述监视器端将编码信息进行加密，再通过网络封包传送入所述服务器端。所述的人工智能图像辨识攻击防御方法，其中，所述服务器端将接收到的编码信息解密，并还原成原始目标图像，将数值进行图像化处理后，初步判断出图像目标的真伪性具体包括：所述服务器端将接收到的编码信息解密；当解密完成后，所述服务器端将解密后的编码信息解出原始图像编码前的数值，并经数字图像算法还原成原始目标图像；当还原成原始目标图像后，所述服务器端将数值进行图像化处理；当图像化处理完成后，所述服务器端通过目标真伪特征人为定义的规则库，初步判断出图像目标的真伪性。所述的人工智能图像辨识攻击防御方法，其中，所述服务器端对比辨识图像目标的细部特征，并比对图像目标特征的对应信息，根据应用范围传回或显示图像目标的真实数据信息具体包括：当所述服务器端判断原始目标图像满足目标真伪特征人为定义规则库的目标特征时，对比辨识图像目标的细部特征；所述服务器端比对图像目标特征的对应信息后，根据应用范围传回或显示图像目标的真实数据信息。所述的人工智能图像辨识攻击防御方法，其中，所述服务器端将接收到的编码信息解密，并还原成原始目标图像，将数值进行图像化处理后，初步判断出图像目标的真伪性还包括：当所述服务器端判断原始目标图像不满足目标真伪特征人为定义规则库的目标特征时，则原始目标图像在网络封包时已遭遇网络攻击，所述服务器端对原始目标图像进行再次检测。所述的人工智能图像辨识攻击防御方法，其中，所述网络攻击包括：差分进化攻击和伪造虚假脸部辨识。所述的人工智能图像辨识攻击防御方法，其中，所述监视器端通过哈希算法将编码信息进行加密；所述服务器端通过哈希算法将接收到的编码信息进行解密。一种人工智能图像辨识攻击防御系统，其中，所述人工智能图像辨识攻击防御系统包括：监视器端和服务器端，所述监视器端和所述服务器端进行通信连接；所述监视器端用于将实时获取的图像进行目标位置识别，获取需要进行安全编码保护的像素点，并将图像进行数字化处理；以及将数字化处理后的图像进行编码，并将编码信息进行加密后通过网络封包传送入服务器端；所述服务器端用于将接收到的编码信息解密，并还原成原始目标图像，将数值进行图像化处理后，初步判断出图像目标的真伪性；以及对比辨识图像目标的细部特征，并比对图像目标特征的对应信息，根据应用范围传回或显示图像目标的真实数据信息。一种存储介质，其中，所述存储介质存储有人工智能图像辨识攻击防御程序，所述人工智能图像辨识攻击防御程序被处理器执行时实现如上所述人工智能图像辨识攻击防御方法的步骤。本专利技术公开了一种人工智能图像辨识攻击防御方法、系统及存储介质，所述方法包括：监视器端将实时获取的图像进行目标位置识别，获取需要进行安全编码保护的像素点，并将图像进行数字化处理；监视器端将数字化处理后的图像进行编码，并将编码信息进行加密后通过网络封包传送入服务器端；服务器端将接收到的编码信息解密，并还原成原始目标图像，将数值进行图像化处理后，初步判断出图像目标的真伪性；服务器端对比辨识图像目标的细部特征，并比对图像目标特征的对应信息，根据应用范围传回或显示图像目标的真实数据信息。本专利技术通过结合加解密技术、人工智能深度学习技术、图像识别技术、网络技术以及数据库技术进行人脸的智能识别，避免人工智能图形辨识混淆攻击，快速判断图像目标的真伪性，提高人脸识别的安全性。附图说明图1是本专利技术人工智能图像辨识攻击防御方法的较佳实施例的流程图；图2是本专利技术人工智能图像辨识攻击防御方法的较佳实施例中步骤S10的流程图；图3是本专利技术人工智能图像辨识攻击防御方法的较佳实施例中步骤S20的流程图；图4是本专利技术人工智能图像辨识攻击防御方法的较佳实施例中步骤S30的流程图；图5是本专利技术人工智能图像辨识攻击防御方法的较佳实施例中步骤S40的流程图；图6为本专利技术人工智能图像辨识攻击防御系统的较佳实施例的功能原理图。具体实施方式为使本专利技术的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本专利技术进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。为使本专利技术的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本专利技术进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。本专利技术较佳实施例所述的人工智能图像辨识攻击防御方法，如图1所示，一种人工智能图像辨识攻击防御方法，其中，所述人工智能图像辨识攻击防御方法包括以下步骤：步骤S10、监视器端将实时获取的图像进行目标位置识本文档来自技高网...

【技术保护点】
1.一种人工智能图像辨识攻击防御方法，其特征在于，所述人工智能图像辨识攻击防御方法包括：监视器端将实时获取的图像进行目标位置识别，获取需要进行安全编码保护的像素点，并将图像进行数字化处理；监视器端将数字化处理后的图像进行编码，并将编码信息进行加密后通过网络封包传送入服务器端；服务器端将接收到的编码信息解密，并还原成原始目标图像，将数值进行图像化处理后，初步判断出图像目标的真伪性；服务器端对比辨识图像目标的细部特征，并比对图像目标特征的对应信息，根据应用范围传回或显示图像目标的真实数据信息。

【技术特征摘要】
1.一种人工智能图像辨识攻击防御方法，其特征在于，所述人工智能图像辨识攻击防御方法包括：监视器端将实时获取的图像进行目标位置识别，获取需要进行安全编码保护的像素点，并将图像进行数字化处理；监视器端将数字化处理后的图像进行编码，并将编码信息进行加密后通过网络封包传送入服务器端；服务器端将接收到的编码信息解密，并还原成原始目标图像，将数值进行图像化处理后，初步判断出图像目标的真伪性；服务器端对比辨识图像目标的细部特征，并比对图像目标特征的对应信息，根据应用范围传回或显示图像目标的真实数据信息。2.根据权利要求1所述的人工智能图像辨识攻击防御方法，其特征在于，所述监视器端将实时获取的图像进行目标位置识别，获取需要进行安全编码保护的像素点，并将图像进行数字化处理具体包括：所述监视器端预先将通过监视器实时获取的图像进行目标位置识别，并提取出需要进行安全编码保护的像素点；当图像识别完成后，所述监视器端将图像进行数字化处理。3.根据权利要求2所述的人工智能图像辨识攻击防御方法，其特征在于，所述监视器端将数字化处理后的图像进行编码，并将编码信息进行加密后通过网络封包传送入服务器端具体包括：当数字化处理完成后，所述监视器端将数字化处理后的图像通过安全算法进行编码；当编码完成后，所述监视器端将编码信息进行加密，再通过网络封包传送入所述服务器端。4.根据权利要求1所述的人工智能图像辨识攻击防御方法，其特征在于，所述服务器端将接收到的编码信息解密，并还原成原始目标图像，将数值进行图像化处理后，初步判断出图像目标的真伪性具体包括：所述服务器端将接收到的编码信息解密；当解密完成后，所述服务器端将解密后的编码信息解出原始图像编码前的数值，并经数字图像算法还原成原始目标图像；当还原成原始目标图像后，所述服务器端将数值进行图像化处理；当图像化处理完成后，所述服务器端通过目标真伪特征人为定义的规则库，初步判断出图像目标的真伪性。5.根据权利要求4所述的人工智能图像辨识攻击防御方法，其特征在于...

【专利技术属性】
技术研发人员：罗禹铭，罗禹城，
申请(专利权)人：网御安全技术深圳有限公司，
类型：发明
国别省市：广东,44