模型的训练方法和装置、身份验证方法和装置.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115497146A(43)申请公布日2022.12.20(21)申请号202211272255.4(22)申请日2022.10.18(71)申请人支付宝（杭州）信息技术有限公司地址310000浙江省杭州市西湖区西溪路556号8层B段801-11(72)发明人刘润茜(74)专利代理机构济南信达专利事务所有限公司37100专利代理师李世喆(51)Int.Cl.G06V40/16(2022.01)G06V40/40(2022.01)G06V10/774(2022.01)权利要求书3页说明书13页附图4页(54)发明名称模型的训练方法和装置、身份验证方法和装置(57)摘要本说明书实施例提供了身份验证模型的训练方法和装置、用户身份验证的方法和装置。在训练身份验证模型时，从一个维度获取用户的人脸图像样本数据；从至少另一个维度上获取所述用户的关联特征样本数据；其中，关联特征是与所述用户的刷脸行为相关联的特征；利用所述人脸图像样本数据以及所述关联特征样本数据，训练身份验证模型。本说明书实施例能够提高用户身份验证的准确率。CN115497146ACN115497146A权利要求书1/3页1.身份验证模型的训练方法，其中，该方法包括：获取用户的人脸图像样本数据；获取所述用户的关联特征样本数据；其中，关联特征是与所述用户的刷脸行为相关联的特征；利用所述人脸图像样本数据以及所述关联特征样本数据，训练所述身份验证模型。2.根据权利要求1所述的方法，其中，所述身份验证模型包括如下中的至少一种：活体检测子模型、图像融合子模型、图像PS检测子模型；所述利用所述人脸图像样本数据训练所述身份验证模型，包括：当所述身份验证模型包括活体检测子模型时，所述人脸图像样本数据的标签包括：真脸、假脸；相应地，将所述人脸图像样本数据输入所述活体检测子模型中，得到该活体检测子模型输出的第一分值；当所述身份验证模型包括图像融合子模型时，所述人脸图像样本数据的标签包括：单一人脸、被融合的多个人脸；相应地，将所述人脸图像样本数据输入所述图像融合子模型中，得到该图像融合子模型输出的第二分值；当所述身份验证模型包括图像PS检测子模型时，所述人脸图像样本数据的标签包括：真实人脸、PS人脸；相应地，将所述人脸图像样本数据输入所述图像PS检测子模型中，得到该图像PS检测子模型输出的第三分值；以及将得到的各个分值作为特征，将人脸图像样本数据是否异常作为类别进行二分类模型训练。3.根据权利要求1所述的方法，其中，所述关联特征包括：用户行为特征和/或设备使用特征。4.根据权利要求3所述的方法，其中，所述用户行为特征包括如下中的至少一项：用户进行人脸识别时的位置信息；用户的历史刷脸成功率；用户进行人脸识别时由用户使用的设备记录的至少两组历史核身序列数据；每一组历史核身序列数据中包括：时间、核身行为、核身产品及核身结果；和/或，所述设备使用特征包括如下中的至少一项：用户进行人脸识别时使用的设备的标识；用户进行人脸识别时使用的局域网的网络标识；用户对进行人脸识别时使用的设备的历史密码解锁成功率；用户进行人脸识别时由用户使用的设备采集的对应用户操作的传感器序列数据。5.根据权利要求1所述的方法，其中，该方法进一步包括：利用训练出的身份验证模型对待识别用户的人脸图像和/或待识别用户的关联特征进行识别，并对该待识别用户的人脸图像和/或待识别用户的关联特征进行人工识别；如果人工识别的结果与身份验证模型的识别结果不同，则利用该待识别用户的人脸图像和/或待识别用户的关联特征作为反馈样本数据，其中，人工识别的结果作为该反馈样本数据的标签，并利用反馈样本数据继续训练所述身份验证模型。6.根据权利要求1所述的方法，其中，使用I个维度的样本数据训练所述身份验证模型；2CN115497146A权利要求书2/3页I为不小于2的正整数；其中，人脸图像样本数据为一个维度的样本数据，关联特征样本数据包括至少一个维度的样本数据；所述利用所述人脸图像样本数据以及所述关联特征样本数据训练所述身份验证模型，包括：令所述身份验证模型的目标函数为：利用该目标函数对所述身份验证模型进行训练；其中，i为变量，yi为第i个维度的模型函数；wi为第i个维度的权重值。7.根据权利要求6所述的方法，其中，该方法进一步包括：针对N个待识别数据中的每一个待识别数据均执行：利用训练出的身份验证模型从I个维度对该待识别数据分别进行识别，得到每一个维度的第一模型识别结果；从I个维度对该待识别数据分别进行人工识别，得到每一个维度的第一人工识别结果；利用训练出的身份验证模型从I个维度综合得到该待识别数据的第二模型识别结果；以及对该待识别数据进行综合人工识别，得到该待识别数据的第二人工识别结果；其中，N为大于