【技术实现步骤摘要】
人脸识别异常检测方法、装置、可读存储介质及电子设备
[0001]本专利技术涉及信息技术安全
，特别涉及一种人脸识别异常检测方法、装置、可读存储介质及电子设备。
技术介绍
[0002]随着深度学习技术的发展，人脸识别技术已广泛应用在许多领域。然而，该技术在带来许多便利的同时是，也面临着许多安全隐患。其中，对抗样本的存在使得攻击者能成功冒充他人识别成功，造成隐私信息泄露、资金安全威胁等。已有研究显示，攻击者透过佩戴精心构造的眼镜或是在脸部粘贴干扰贴纸，能够伪造攻击目标的特征信息，从而攻击成功。因此，在人脸识别的应用场景中，此类对抗攻击的防御至关重要。
[0003]经本申请专利技术人研究发现：存在攻击者恶意佩戴精心制作的眼镜、在脸部粘贴扰动贴纸或者纹身等方式来实现对抗攻击目的，干扰正常人脸识别结果，使其识别为攻击者想要达到的目标结果。
[0004]上述情况可能会导致人脸识别系统被恶意攻击成功，攻击者顺利伪造他人绕过检测系统的检测。
技术实现思路
[0005]本专利技术提供一种人脸识别异常检测方...
【技术保护点】
【技术特征摘要】
1.一种人脸识别异常检测方法，其特征在于，包括：获得图像采集设备采集的第一人脸图像的人脸识别结果；从预设的人脸图像库中获得与所述人脸识别结果匹配的第二人脸图像，其中，所述预设的人脸图像库中的人脸图像均为不含干扰特征的人脸图像；获得所述第一人脸图像的通道注意力权重系数和空间注意力权重系数，基于所述第一人脸图像的通道注意力权重系数和空间注意力权重系数，获得所述第一人脸图像的综合注意力特征；获得所述第二人脸图像的通道注意力权重系数和空间注意力权重系数，基于所述第二人脸图像的通道注意力权重系数和空间注意力权重系数，获得所述第二人脸图像的综合注意力特征；确定所述第一人脸图像的综合注意力特征和所述第二人脸图像的综合注意力特征在人脸识别模型中的激活值的分布差异，基于所述分布差异确定所述第一人脸图像是否为攻击者恶意构造过的图像。2.根据权利要求1所述的方法，其特征在于，获得所述第一人脸图像的通道注意力权重系数的过程，包括：提取所述第一人脸图像的第一图像特征；对所述第一图像特征进行最大池化处理，获得第一权重向量系数，对所述第一图像特征进行平均池化处理，获得第二权重向量系数；对所述第一权重向量系数进行卷积，获得第三权重向量系数，对所述第二权重向量系数进行卷积，获得第四权重向量系数；将所述第三权重向量系数和所述第四权重向量系数相加，获得第五权重向量系数，使用激活函数对所述第五权重向量系数进行处理，获得所述第一人脸图像的通道注意力权重系数；和/或，获得所述第二人脸图像的通道注意力权重系数的过程，包括：提取所述第二人脸图像的第二图像特征；对所述第二图像特征进行最大池化处理，获得第六权重向量系数，对所述第二图像特征进行平均池化处理，获得第七权重向量系数；对所述第六权重向量系数进行卷积，获得第八权重向量系数，对所述第七权重向量系数进行卷积，获得第九权重向量系数；将所述第八权重向量系数和所述第九权重向量系数相加，获得第十权重向量系数，使用激活函数对所述第十权重向量系数进行处理，获得所述第二人脸图像的通道注意力权重系数。3.根据权利要求2所述的方法，其特征在于，获得所述第一人脸图像的空间注意力权重系数的过程，包括：获得所述第一人脸图像的第三图像特征；对所述第三图像特征进行最大池化处理，获得第十一权重向量系数，对所述第三图像特征进行平均池化处理，获得第十二权重向量系数；将所述第十一权重向量系数和所述第十二权重向量系数进行堆叠处理，获得第十三权重向量系数，对所述第十三权重向量系数进行卷积处理，获得第十四权重向量系数，使用激活函数对所述第十四权重向量系数进行处理，获得所述第一人脸图像的空间注意力权重系数；和/或，获得所述第二人脸图像的空间注意力权重系数的过程，包括：
获得所述第二人脸图像的第四图像特征；对所述第四图像特征进行最大池化处理，获得第十五权重向量系数，对所述第四图像特征进行平均池化处理，获得第十六权重向量系数；将所述第十五权重向量系数和所述第十六权重向量系数进行堆叠处理，获得第十七权重向量系数，对所述第十七权重向量系数进行卷积处理，获得第十八权重向量系数，使用激活函数对所述第十八权重向量系数进行处理，获得所述第二人脸图像的空间注意力权重系数。4.根据权利要求3所述的方法，其特征在于，所述第三图像特征为所述第一人脸图像的通道注意力权重系数与所述...
【专利技术属性】
技术研发人员：陈梦轩，
申请(专利权)人：中国农业银行股份有限公司宁波市分行，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。