本说明书实施例描述了人脸攻击检测模型的训练方法、人脸攻击检测方法和装置。根据实施例的方法，在训练人脸攻击检测模型时，获取刷脸图像样本序列和行为样本序列。然后分别对其进行特征提取后，利用提取得到的刷脸图像特征、行为特征以及样本序列的标签训练人脸攻击检测模型。由于训练人脸攻击检测模型的样本序列不仅包括刷脸图像的样本序列，而且还包括每一个采集用户人脸图像前后用户所执行操作的行为样本序列。如此能够更加全面的刻画用户的行为和覆盖用户的操作特征，使得训练得到的模型可靠性更高，从而提高人脸攻击检测的准确性。性。性。
【技术实现步骤摘要】
人脸攻击检测模型的训练方法、人脸攻击检测方法和装置
[0001]本说明书一个或多个实施例涉及人工智能领域，尤其涉及人脸攻击检测模型的训练方法、人脸攻击检测方法和装置。
技术介绍
[0002]随着人工智能技术的发展，人脸识别算法也取得了巨大进展。目前，人脸识别的相关产品得到了广泛的应用，已经涉及到生活的方方面面，如支付、风控以及政务等场景。
[0003]然而，有利益的地方就有黑产，黑产利用泄露的人脸图像、身份证等个人隐私数据，通过技术手段进行人脸攻击，突破人脸核实身份的系统。进而，实施赌博、洗钱以及盗用账号等操作，为人脸识别产品的安全性造成了巨大的威胁，同时也给用户的信息和财产带来了安全隐患。
技术实现思路
[0004]本说明书一个或多个实施例描述了人脸攻击检测模型的训练方法、人脸攻击检测方法和装置，能够提高人脸攻击检测的准确性。
[0005]根据第一方面，提供了人脸攻击检测模型的训练方法，包括：
[0006]获取用户的刷脸图像样本序列和行为样本序列；其中，所述刷脸图像样本序列用于表征用户在各个时间点刷脸时所采集到的用户人脸图像的时间序列，所述行为样本序列用于表征在每一次采集用户人脸图像前后用户所执行的操作的时间序列；
[0007]对所述刷脸图像样本序列进行特征提取，得到至少一个刷脸图像特征；
[0008]对所述行为样本序列进行特征提取，得到至少一个行为特征；
[0009]利用所述至少一个刷脸图像特征、所述至少一个行为特征以及样本序列的标签，训练所述人脸攻击检测模型。
[0010]在一种可能的实现方式中，所述刷脸图像样本序列包括标签标注的正常刷脸图像样本序列和攻击刷脸图像样本序列；
[0011]所述对所述刷脸图像样本序列进行特征提取得到至少一个刷脸图像特征：包括：
[0012]提取所述正常刷脸图像样本序列的频繁项集，得到正常刷脸图像频繁项集；其中，所述正常刷脸图像频繁项集用于表征在正常刷脸图像样本序列中出现的频繁程度远大于在攻击刷脸图像样本序列中出现的频繁程度的序列集合；以及，
[0013]提取所述攻击刷脸图像样本序列的频繁项集，得到攻击刷脸图像频繁项集；其中，所述攻击刷脸图像频繁项集用于表征在攻击刷脸图像样本序列中出现的频繁程度远大于在正常刷脸图像样本序列中出现的频繁程度的序列集合。
[0014]在一种可能的实现方式中，所述行为样本序列包括标签标注的正常行为样本序列和攻击行为样本序列；
[0015]所述对所述行为样本序列进行特征提取得到至少一个行为特征，包括：
[0016]提取所述正常行为样本序列的频繁项集，得到正常行为频繁项集；其中，所述正常
行为频繁项集用于表征在正常行为样本序列中出现的频繁程度远大于在攻击行为样本序列中出现的频繁程度的序列集合；以及，
[0017]提取所述攻击行为样本序列的频繁项集，得到攻击行为频繁项集；其中，所述攻击行为频繁项集用于表征在攻击行为样本序列中出现的频繁程度远大于在正常行为样本序列中出现的频繁程度的序列集合。
[0018]在一种可能的实现方式中，所述行为样本序列包括标签标注的正常行为样本序列；
[0019]所述对所述行为样本序列进行特征提取得到至少一个行为特征，包括：
[0020]从所述正常行为样本序列中，提取得到至少一个样本行为集合；其中，每一个所述样本行为集合中包括至少两个相邻的用户操作，且任意两个相邻的用户操作不相同。
[0021]在一种可能的实现方式中，所述对所述刷脸图像样本序列进行特征提取得到至少一个刷脸图像特征，包括：
[0022]从所述刷脸图像样本序列中提取人脸图像所对应的用户信息、采集人脸图像的设备信息、以及用户的人脸图像信息中的至少一个；
[0023]和/或，
[0024]所述对所述行为样本序列进行特征提取得到至少一个行为特征，包括：
[0025]从所述行为样本序列中提取在采集人脸图像前后执行操作的用户信息、执行操作的设备信息、以及采集用户人脸图像前后用户所执行的操作信息中的至少一个。
[0026]根据第二方面，提供了人脸攻击检测方法，包括：
[0027]获取待进行人脸攻击检测的刷脸图像序列和行为序列；
[0028]将所述刷脸图像序列和所述行为序列输入人脸攻击检测模型中，输出人脸攻击的检测结果；其中，所述人脸攻击检测模型是利用如第一方面中任一所述的人脸攻击检测模型的训练方法训练得到的。
[0029]在一种可能的实现方式中，在将所述刷脸图像序列和所述行为序列输入人脸攻击检测模型中之前，进一步包括：
[0030]确定所述刷脸图像序列出现在预先存储的攻击刷脸图像频繁项集中的置信度；其中，所述攻击刷脸图像频繁项集用于表征在攻击刷脸图像序列中出现的频繁程度远大于在正常刷脸图像序列中出现的频繁程度的序列集合；
[0031]判断所述置信度是否大于第一预设阈值；
[0032]若是，则所述人脸攻击的检测结果为人脸攻击行为；
[0033]若否，则将所述刷脸图像序列和所述行为序列输入所述人脸攻击检测模型中进行人脸攻击检测。
[0034]根据第三方面，提供了人脸攻击检测模型的训练装置，包括：样本序列获取模块、刷脸图像特征提取模块、行为特征提取模块和训练模块；
[0035]所述样本序列获取模块，配置为获取用户的刷脸图像样本序列和行为样本序列；其中，所述刷脸图像样本序列用于表征用户在各个时间点刷脸时所采集到的用户人脸图像的时间序列，所述行为样本序列用于表征在每一次采集用户人脸图像前后用户所执行的操作的时间序列；
[0036]所述刷脸图像特征提取模块，配置为对所述样本序列获取模块获取到的所述刷脸
图像样本序列进行特征提取，得到至少一个刷脸图像特征；
[0037]所述行为特征提取模块，配置为对所述样本序列获取模块获取到的所述行为样本序列进行特征提取，得到至少一个行为特征；
[0038]所述训练模块，配置为利用所述刷脸图像特征提取模块得到的所述至少一个刷脸图像特征、所述行为特征提取模块得到的所述至少一个行为特征以及样本序列的标签，训练所述人脸攻击检测模型。
[0039]根据第四方面，提供了人脸攻击的检测装置，包括：待测序列获取模块和检测结果输出模块；
[0040]所述待测序列获取模块，配置为获取待进行人脸攻击检测的刷脸图像序列和行为序列；
[0041]所述检测结果输出模块，配置为将所述待测序列获取模块获取到的所述刷脸图像序列和所述行为序列输入人脸攻击检测模型中，输出人脸攻击的检测结果；其中，所述人脸攻击检测模型是利用如第三方面所述的人脸攻击检测模型的训练装置训练得到的。
[0042]根据第五方面，提供了一种计算设备，包括：存储器和处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现上述第一方面和第二方面中任一项所述的方法。
[0043]根据本说明书实施例提供的方本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.人脸攻击检测模型的训练方法，包括：获取用户的刷脸图像样本序列和行为样本序列；其中，所述刷脸图像样本序列用于表征用户在各个时间点刷脸时所采集到的用户人脸图像的时间序列，所述行为样本序列用于表征在每一次采集用户人脸图像前后用户所执行的操作的时间序列；对所述刷脸图像样本序列进行特征提取，得到至少一个刷脸图像特征；对所述行为样本序列进行特征提取，得到至少一个行为特征；利用所述至少一个刷脸图像特征、所述至少一个行为特征以及样本序列的标签，训练所述人脸攻击检测模型。2.根据权利要求1所述的方法，其中，所述刷脸图像样本序列包括标签标注的正常刷脸图像样本序列和攻击刷脸图像样本序列；所述对所述刷脸图像样本序列进行特征提取得到至少一个刷脸图像特征：包括：提取所述正常刷脸图像样本序列的频繁项集，得到正常刷脸图像频繁项集；其中，所述正常刷脸图像频繁项集用于表征在正常刷脸图像样本序列中出现的频繁程度远大于在攻击刷脸图像样本序列中出现的频繁程度的序列集合；以及，提取所述攻击刷脸图像样本序列的频繁项集，得到攻击刷脸图像频繁项集；其中，所述攻击刷脸图像频繁项集用于表征在攻击刷脸图像样本序列中出现的频繁程度远大于在正常刷脸图像样本序列中出现的频繁程度的序列集合。3.根据权利要求1所述的方法，其中，所述行为样本序列包括标签标注的正常行为样本序列和攻击行为样本序列；所述对所述行为样本序列进行特征提取得到至少一个行为特征，包括：提取所述正常行为样本序列的频繁项集，得到正常行为频繁项集；其中，所述正常行为频繁项集用于表征在正常行为样本序列中出现的频繁程度远大于在攻击行为样本序列中出现的频繁程度的序列集合；以及，提取所述攻击行为样本序列的频繁项集，得到攻击行为频繁项集；其中，所述攻击行为频繁项集用于表征在攻击行为样本序列中出现的频繁程度远大于在正常行为样本序列中出现的频繁程度的序列集合。4.根据权利要求1所述的方法，其中，所述行为样本序列包括标签标注的正常行为样本序列；所述对所述行为样本序列进行特征提取得到至少一个行为特征，包括：从所述正常行为样本序列中，提取得到至少一个样本行为集合；其中，每一个所述样本行为集合中包括至少两个相邻的用户操作，且任意两个相邻的用户操作不相同。5.根据权利要求1至4中任一所述的方法，其中，所述对所述刷脸图像样本序列进行特征提取得到至少一个刷脸图像特征，包括：从所述刷脸图像样本序列中提取人脸图像所对应的用户信息、采集人脸图像的设备信息、以及用户的人脸图像信息中的至少一个；和/或，所述对所述行为样本序列进行特征提取得到至少一个行为特征，包括：从所...
【专利技术属性】
技术研发人员：吴斌，
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。