【技术实现步骤摘要】
本专利技术涉及计算机技术，尤其涉及一种证件防伪系统优化方法、装置、存储介质及电子设备。
技术介绍
1、在电子证件识别的数字身份认证中，证件防伪识别的准确率影响着数字身份认证的通过率和用户体验。在相关技术中，证件防伪识别主要通过有监督训练的方式训练用于证件防伪识别的神经网络模型来替代人工形式的证件识别，证件防伪识别的准确率主要依赖于包含大规模样本训练数据的训练数据集，训练数据集的中样本数量和丰富程度直接影响着训练得到的神经网络模型的使用效果。
2、然而，在人为干预下一次性构建的训练数据集，出于用户隐私保护和互联网信息合规等原因，其中攻击样本的类型和丰富程度不足以满足证件识别安全性的需要，亟需一种可以进一步提升证件防伪识别准确率的解决方案，以进一步提升证件防伪的安全水平。
技术实现思路
1、本说明书实施例提供一种证件防伪系统优化方法，该方法根据攻击记录调整生成图像采集策略，并通过生成的图像采集策略采集伪造证件图像对证件防伪系统进行优化，可以在已训练证件防伪系统的基础上对证件防伪系统进行进一步的优化，进而提高证件防伪系统的防伪性能，所述方法包括：
2、获取第一证件图像分别对应的攻击记录，所述第一证件图像为攻破所述证件防伪系统的伪造证件图像，所述攻击记录包括所述第一证件图像对应的环境参数和证件防伪系统识别的伪造分数；
3、根据各所述攻击记录生成图像采集策略；
4、基于所述图像采集策略采集伪造证件图像，各所述伪造证件图像分别对应的环境参数不同；
5、根据所述伪造证件图像对证件防伪系统进行优化。
6、进一步地，在一些实施方式中，所述根据所述伪造证件图像对证件防伪系统进行优化，包括：
7、将所述伪造证件图像输入至证件防伪系统中，得到证件防伪系统针对所述伪造证件图像输出的伪造分数；
8、确定所述伪造分数小于或等于预设分数阈值的伪造证件图像为攻破所述证件防伪系统的第一证件图像，并将该第一证件图像确定为优化训练图像；
9、根据所述优化训练图像对所述证件防伪系统进行训练优化。
10、进一步地，在一些实施方式中，所述方法还包括：
11、根据所述第一证件图像对应的环境参数和所述伪造分数生成攻击记录。
12、进一步地，在一些实施方式中，所述根据各所述攻击记录学习生成图像采集策略，包括：
13、根据各所述第一证件图像分别对应的所述环境参数和所述伪造分数，计算生成各所述环境参数分别对应的权重；
14、基于各所述环境参数分别对应的权重生成所述图像采集策略。
15、进一步地，在一些实施方式中，所述基于所述图像采集策略采集伪造证件图像，包括：
16、基于所述图像采集策略采集得到初始伪造证件图像；
17、对所述初始伪造证件图像进行质量评估，在确定所述初始伪造证件图像质量满足预设质量条件时，确定所述初始伪造证件图像为采集完成的所述伪造证件图像。
18、本说明书实施例还提供一种基于强化学习的证件防伪系统优化方法，所述方法包括：
19、获取历史图像采集策略以及历史图像采集策略对应的第一激励信号，所述第一激励信号基于采用所述历史图像采集策略采集的历史伪造证件图像对所述证件防伪系统的攻击结果所确定；
20、将所述第一激励信号和所述历史图像采集策略输入至所述强化学习模型中，以使所述强化学习模型根据所述激励信号对所述历史图像采集策略进行更新，得到目标图像采集策略；
21、基于所述目标图像采集策略采集目标伪造证件图像；
22、根据所述目标伪造证件图像对所述证件防伪系统进行优化。
23、进一步地，在一些实施方式中，所述图像采集策略包括图像采集角度，所述基于所述目标图像采集策略采集目标伪造证件图像，包括：
24、基于所述目标图像采集策略生成用于控制机械臂的控制指令；
25、通过机械臂执行所述控制指令，将图像采集设备移动至预设的第一位置，以及将伪造证件移动至预设的第二位置；
26、调整所述图像采集设备的姿态至第一姿态，以及调整所述伪造证件的姿态至第二姿态，所述第一姿态和所述第二姿态形成所述图像采集角度；
27、基于所述图像采集设备在所述图像采集角度对所述伪造证件进行图像采集，得到目标伪造证件图像。
28、进一步的，在一些实施方式中，所述图像采集策略还包括证件伪造类型，所述将伪造证件移动至预设的第二位置，包括：
29、在伪造证件集合中选取与所述证件伪造类型相一致的伪造证件；
30、将伪造证件移动至所述第二位置。
31、进一步的，在一些实施方式中，所述图像采集策略还包括目标光照强度，所述基于所述图像采集设备在所述图像采集角度对所述伪造证件进行图像采集，得到目标伪造证件图像之前，还包括：
32、基于所述控制指令调整补光设备的补光强度至所述目标光照强度。
33、进一步的，在一些实施方式中，所述根据所述目标伪造证件图像对所述证件防伪系统进行优化，包括：
34、将所述目标伪造证件图像输入至证件防伪系统中，得到证件防伪系统针对所述目标伪造证件图像输出的伪造分数；
35、确定所述伪造分数小于或等于预设分数阈值的目标伪造证件图像为优化训练图像；
36、根据所述优化训练图像对所述证件防伪系统进行训练优化。
37、进一步的，在一些实施方式中，所述方法还包括：
38、基于预设的激励函数，根据所述伪造分数计算得到所述目标图像采集策略对应的第二激励信号，所述第二激励信号用于使所述强化学习模型对所述目标图像采集策略进行更新。
39、本说明书实施例还提出了一种强化学习模型训练方法，所述方法包括：
40、获取强化学习模型根据第一样本图像采集策略、第一样本攻击结果和第一样本激励信号输出的第二样本图像采集策略；
41、基于所述第二样本图像采集策略采集得到样本伪造证件图像；
42、将所述样本伪造证件图像输入至证件防伪系统，得到所述证件防伪系统输出的第二样本攻击结果；
43、基于预设的激励函数计算得到与所述第二样本攻击结果对应的第二样本激励信号；
44、基于所述第二样本图像采集策略、所述第二样本攻击结果和所述第二样本激励信号调整所述强化学习模型的模型参数；
45、迭代训练，在所述强化学习模型满足预设的训练条件时，结束训练，得到训练完成的强化学习模型。
46、本说明书实施例还提出了一种证件防伪系统优化装置，包括：
47、记录获取模块，用于获取第一证件图像分别对应的攻击记录，所述第一证件图像为攻破所述证件防伪系统的伪造证件图像，所述攻击记录包括所述第一证件图像对应的环境参数和证件防伪系统识别的伪造分数；
48、策略生成模块，用于根据各所述攻击记录生成图像本文档来自技高网...
【技术保护点】
1.一种证件防伪系统优化方法，所述方法包括：
2.根据权利要求1所述的方法，所述根据所述伪造证件图像对证件防伪系统进行优化，包括：
3.根据权利要求2所述的方法，所述方法还包括：
4.根据权利要求1所述的方法，所述根据各所述攻击记录学习生成图像采集策略，包括：
5.根据权利要求1所述的方法，所述基于所述图像采集策略采集伪造证件图像，包括：
6.一种基于强化学习的证件防伪系统优化方法，所述方法包括：
7.根据权利要求6所述的方法，所述图像采集策略包括图像采集角度，所述基于所述目标图像采集策略采集目标伪造证件图像，包括：
8.根据权利要求7所述的方法，所述图像采集策略还包括证件伪造类型，所述将伪造证件移动至预设的第二位置，包括：
9.根据权利要求7所述的方法，所述图像采集策略还包括目标光照强度，所述基于所述图像采集设备在所述图像采集角度对所述伪造证件进行图像采集，得到目标伪造证件图像之前，还包括：
10.根据权利要求6所述的方法，所述根据所述目标伪造证件图像对所述证件防伪系统进
11.根据权利要求10所述的方法，所述方法还包括：
12.一种强化学习模型训练方法，所述方法包括：
13.一种证件防伪系统优化装置，包括：
14.一种基于强化学习的证件防伪系统优化装置，包括：
15.一种强化学习模型训练装置，包括：
16.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1～5或6～11或12中任意一项所述方法的步骤。
17.一种电子设备，其特征在于，包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行如权利要求1～5或6～11或12中任意一项所述方法的步骤。
18.一种计算机程序产品，其上存储有至少一条指令，其特征在于，所述至少一条指令被处理器执行时实现权利要求1～5或6～11或12中任意一项所述方法的步骤。
...【技术特征摘要】
1.一种证件防伪系统优化方法，所述方法包括：
2.根据权利要求1所述的方法，所述根据所述伪造证件图像对证件防伪系统进行优化，包括：
3.根据权利要求2所述的方法，所述方法还包括：
4.根据权利要求1所述的方法，所述根据各所述攻击记录学习生成图像采集策略，包括：
5.根据权利要求1所述的方法，所述基于所述图像采集策略采集伪造证件图像，包括：
6.一种基于强化学习的证件防伪系统优化方法，所述方法包括：
7.根据权利要求6所述的方法，所述图像采集策略包括图像采集角度，所述基于所述目标图像采集策略采集目标伪造证件图像，包括：
8.根据权利要求7所述的方法，所述图像采集策略还包括证件伪造类型，所述将伪造证件移动至预设的第二位置，包括：
9.根据权利要求7所述的方法，所述图像采集策略还包括目标光照强度，所述基于所述图像采集设备在所述图像采集角度对所述伪造证件进行图像采集，得到目标伪造证件图像之前，还包括：
【专利技术属性】
技术研发人员：陈志军，
申请(专利权)人：支付宝杭州信息技术有限公司，
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。