一种attention-attack人脸识别攻击算法制造技术

本发明专利技术涉及一种attention‑attack人脸识别攻击算法，包括以下步骤：步骤1：收集训练数据集；步骤2：根据训练目标对训练数据集进行预处理；步骤3：根据训练目标，构造人脸识别网络模型；步骤4：在训练数据集上对人脸识别网络模型进行训练，得到人脸识别模型；步骤5：根据训练目标，构造attention‑attack网络模型；步骤6：训练attention‑attack网络模型，得到具有攻击力的attention‑attack网络；步骤7：使用训练好的attention‑attack网络攻击确定的人脸识别模型。本发明专利技术的人脸识别攻击算法填补了目前针对人脸识别模型对抗攻击研究的空白，能够评价人脸识别模型的安全性。

【技术实现步骤摘要】
一种attention-attack人脸识别攻击算法
本专利技术涉及人脸识别
，具体涉及一种attention-attack人脸识别攻击算法。
技术介绍
生物识别，是指依靠人体的身体特征来进行身份验证的识别技术，目前较为主流的识别技术有：人脸识别、指纹识别、虹膜识别、语音识别等四类。人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术，基于深度神经网络(CNN)提取人脸特征来实现。由于深度神经网络(CNN)的巨大进步，人脸识别技术取得了显著的发展，被广泛使用于身份认证的实际应用中，比如：手机解锁、闸机认证，甚至是金融业务中身份核实、支付等诸多场景。深度神经网络(CNN)容易受到“对抗样本”的攻击影响，通过添加人眼无法察觉的小扰动，可以使模型产生不正确的预测。对抗性攻击(AdversarialAttack)可以评估人脸识别系统在实际应用中的鲁棒性(Robustness)，识别深度神经网络模型的“弱点”并帮助提高鲁棒性。对抗样本的概念在2014年被提出，目前知名且有效的攻击方式包括：PGD、C&W和使用GAN神经网络本文档来自技高网...

【技术保护点】
1.一种attention-attack人脸识别攻击算法，其特征在于：包括以下步骤：/n步骤1：收集训练数据集；/n步骤2：根据训练目标对训练数据集进行预处理；/n步骤3：根据训练目标，构造人脸识别网络模型；/n步骤4：在训练数据集上对人脸识别网络模型进行训练，得到人脸识别模型；/n步骤5：根据训练目标，构造attention-attack网络模型；/n步骤6：训练attention-attack网络模型，得到具有攻击力的attention-attack网络；/n步骤7：使用训练好的attention-attack网络攻击确定的人脸识别模型。/n

【技术特征摘要】
1.一种attention-attack人脸识别攻击算法，其特征在于：包括以下步骤：
步骤1：收集训练数据集；
步骤2：根据训练目标对训练数据集进行预处理；
步骤3：根据训练目标，构造人脸识别网络模型；
步骤4：在训练数据集上对人脸识别网络模型进行训练，得到人脸识别模型；
步骤5：根据训练目标，构造attention-attack网络模型；
步骤6：训练attention-attack网络模型，得到具有攻击力的attention-attack网络；
步骤7：使用训练好的attention-attack网络攻击确定的人脸识别模型。


2.如权利要求1所述一种attention-attack人脸识别攻击算法，其特征在于：所述步骤1中的训练数据集按照8：2划分为训练数据集和测试数据集，训练数据集用于训练人脸识别模型，测试数据集用于验证人脸模型的性能和攻击算法的攻击强度。


3.如权利要求1所述一种attention-attack人脸识别攻击算法，其特征在于：所述步骤2包含如下步骤：
步骤2.1：通过人脸检测器检测到每张图片中的人脸框；
步骤2.2：通过人脸关键点检测器检测出每张人脸的5个关键点；
步骤2.3：根据检测到的人脸框和关键点对图像进行仿射变换，得到具有相同大小的人脸图像。


4.如权利要求1所述一种attentio...

【专利技术属性】
技术研发人员：刘宁，李慧斌，
申请(专利权)人：河南中原大数据研究院有限公司，
类型：发明
国别省市：河南;41