人脸识别攻击的检测方法及装置、存储介质及电子设备.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115359533A(43)申请公布日2022.11.18(21)申请号202211018871.7(22)申请日2022.08.24(71)申请人中国建设银行股份有限公司地址100033北京市西城区金融大街25号(72)发明人程方远(74)专利代理机构北京集佳知识产权代理有限公司11227专利代理师张欣然(51)Int.Cl.G06V40/16(2022.01)权利要求书3页说明书16页附图3页(54)发明名称人脸识别攻击的检测方法及装置、存储介质及电子设备(57)摘要本发明提供了一种人脸识别攻击的检测方法及装置、存储介质及电子设备，该方法包括：当到达检测时间点时，确定当前检测时间点对应的多个客户；确定客户对应的特征信息集，特征信息集包括人脸识别图像和预留个人信息；对于每个客户，依据其对应的特征信息集，确定多个特征参数，并依据各个特征参数，确定多个符号序列；依据客户对应的各个符号序列，构建客户对应的图网络；确定每个图网络对应的异常系数；依据异常系数，判断图网络是否符合预设的异常条件，将符合条件的图网络所对应的客户确定为异常客户，将异常客户对应的人脸识别行为确定为人脸识别攻击。应用本发明的方法，结合多维度的特征数据进行人脸识别批量攻击检测，可提高检测准确度。CN115359533ACN115359533A权利要求书1/3页1.一种人脸识别攻击的检测方法，其特征在于，包括：当到达预设的检测周期对应的每个检测时间点时，确定当前检测时间点对应的多个客户；确定每个所述客户对应的特征信息集，每个所述客户对应的特征信息集包括该客户的人脸识别图像和预留个人信息；依据每个所述客户对应的特征信息集，确定每个所述客户对应的多个特征参数；每个所述客户对应的多个特征参数包括，表征该客户的人脸识别图像中人脸特征的参数、表征该客户的人脸识别图像中背景特征的参数，以及表征该客户的预留个人信息中每个客户属性特征的参数；依据每个所述客户对应的各个特征参数，确定每个所述客户对应的多个符号序列；每个所述客户对应的各个符号序列与该客户对应的各个特征参数一一对应；依据每个所述客户对应的各个符号序列，构建每个所述客户对应的图网络；确定每个所述图网络对应的异常系数；对于每个所述图网络，依据该图网络对应的异常系数，判断该图网络是否符合预设的异常条件，若该图网络符合所述预设的异常条件，则将该图网络对应的客户确定为异常客户；将每个所述异常客户对应的人脸识别行为确定为人脸识别攻击。2.根据权利要求1所述的方法，其特征在于，所述依据每个所述客户对应的特征信息集，确定每个所述客户对应的多个特征参数，包括：对于每个所述客户，依据预设的卷积神经网络，对该客户的人脸识别图像进行人脸特征提取，得到该客户对应的第一特征向量；对于每个所述客户，依据预设的图像语义分割算法，对该客户的人脸识别图像进行背景特征提取，得到该客户对应的第二特征向量；对于每个所述客户，确定该客户的预留个人信息对应的多个客户属性数据，并将所述多个客户属性数据、该客户对应的第一特征向量和该客户对应的第二特征向量，作为该客户对应的各个特征参数。3.根据权利要求1所述的方法，其特征在于，所述依据每个所述客户对应的各个特征参数，确定每个所述客户对应的多个符号序列，包括：对于每个所述客户对应的每个所述特征参数，确定该特征参数对应的信息熵；对于每个所述特征参数对应的信息熵，对该信息熵进行数据归一化处理，将处理结果作为该特征参数对应的归一化数据；对于每个所述特征参数对应的归一化数据，对该归一化数据进行符号化处理，将处理结果作为该特征参数对应的客户所对应的符号序列。4.根据权利要求1所述的方法，其特征在于，所述依据每个所述客户对应的各个符号序列，构建每个所述客户对应的图网络，包括：对于每个所述客户对应的每个所述符号序列，建立该符号序列所对应的特征节点，将该特征节点作为该客户对应的图节点；对于每个所述客户，建立该客户对应的各个图节点之间的连接边，依据该客户对应的各个符号序列，计算每个所述连接边对应的权重系数，并依据该客户对应的各个图节点、各2CN115359533A权利要求书2/3页个所述图节点之间的连接边以及每个所述连接边对应的权重系数，生成该客户对应的图网络。5.根据权利要求4所述的方法，其特征在于，所述依据该客户对应的各个符号序列，计算每个所述连接边对应的权重系数，包括：对于每个所述连接边，在该客户对应的各个符号序列中，确定该连接边对应的第一符号序列和第二符号序列，依据预设的协方差估计策略，计算所述第一符号序列和所述第二符号序列之间的协方差估计值，依据预设的指数函数和所述协方差估计值进行指数运算，将运算结果作为该连接边对应的权重系数。6.根据权利要求1所述的方法，其特征在于