使用原始和修改的图像的用户认证制造技术

提供了用于使用原始和修改的图像的用户认证的方法和系统。该方法包括接收用户的原始图像，其中原始图像是满足某些配置标准的私有的图像。该方法使用预先训练的卷积神经网络(CNN)模型来提取原始图像的一个或多个图像特征并将提取的图像特征馈送到生成对抗网络(GAN)图像生成器中以实际地修改提取的图像特征以生成修改的图像。该方法基于呈现的原始图像或呈现的修改的图像的识别来认证用户。像或呈现的修改的图像的识别来认证用户。像或呈现的修改的图像的识别来认证用户。

【技术实现步骤摘要】
【国外来华专利技术】使用原始和修改的图像的用户认证

技术介绍

[0001]本公开涉及用户认证，并且更具体地涉及使用原始和修改图像的用户认证。
[0002]用户认证对于其中用户的真实性被验证的宽范围的情况是必需的。例如，可能需要认证以访问社交介质账户或其他数字平台。
[0003]社交介质账户经常受到攻击，并且一旦访问被窃取，这会对账户所有者造成严重的后果。因此，使用许多认证机制，其中密钥要求是这种机制需要既稳健(robust)又可用。
[0004]双因素认证通常用于解决这个问题，并且通常依赖于用户知道的事物(例如，个人信息/特殊短语)以及用户具有的事物(例如，额外的移动设备)。这种方法具有以下限制：个人信息可以被获取或已知，并且特殊短语经常被遗忘(因为它们很少被使用)。此外，额外的移动设备可能不可用、丢失或被盗。

技术实现思路

[0005]根据本公开的一方面，提供了一种用于使用原始图像和修改的图像进行用户认证的计算机实现的方法，包括：接收用户的原始图像；通过应用预先训练的卷积神经网络(Convolutional Neural Network，CNN)模型来提取原始图像的一个或多个图像特征以生成原始图像的修改的图像，并将提取的图像特征馈送到生成对抗网络(Generative Adversarial Network，GAN)图像生成器中以实际地修改提取的图像特征以生成修改的图像；以及基于对呈现的原始图像或呈现的经修改的图像的识别来认证用户。
[0006]根据本公开的另一方面，提供了一种用于使用原始图像和修改的图像的用户认证的系统，包括：处理器，和存储器，存储器被配置为向处理器提供计算机程序指令以执行组件的功能：图像接收组件，用于接收用户的原始图像；原始图像特征提取组件，用于使用预先训练的卷积神经网络(CNN)模型来提取原始图像的一个或多个图像特征；修改的图像生成组件，用于将提取的图像特征馈送到生成对抗网络(GAN)图像生成器中以实际地修改提取的图像特征以生成修改的图像；以及图像集合提供组件，用于将原始图像和修改的图像的图像集合提供给认证组件，以用于基于呈现的原始图像或呈现的修改的图像的识别来认证用户。
[0007]根据本公开的另一方面，提供了一种用于使用原始图像和修改后的图像进行用户认证的计算机程序产品，计算机程序产品包括计算机可读存储介质，计算机可读存储介质具有程序指令，程序指令可由处理器执行以使处理器：接收用户的原始图像；应用预先训练的卷积神经网络(CNN)模型来提取原始图像的一个或多个图像特征；将提取的图像特征馈送到生成对抗网络(GAN)图像生成器中以实际地修改提取的图像特征以生成修改的图像；以及基于对呈现的原始图像或呈现的修改的图像的识别来认证用户。
[0008]计算机可读存储介质可为非暂时性计算机可读存储介质，且计算机可读程序代码可由处理电路执行。
附图说明
[0009]在说明书的结论部分中特别指出并明确要求保护被视为本公开的主题。当结合附图阅读时，通过参考以下详细描述，可以最好地理解关于组织和操作方法的本公开及其目标、特征和优点。
[0010]现在将参考以下附图仅以实例的方式描述本专利技术的优选实施例，在附图中：
[0011]图1是根据本公开的一个方面的建模系统中的方法的流程的示例实施例的示意图；
[0012]图2A和2B是根据本公开的方法的方面的示例实施例的流程图；
[0013]图3是根据本公开的方法的另一方面的示例实施例的流程图；
[0014]图4是根据本公开的系统的示例实施例的框图；
[0015]图5是其中可以实现本公开的计算机系统或云服务器的实施例的框图；
[0016]图6是其中可以实现本公开的云计算环境的示意图；以及
[0017]图7是其中可以实现本公开的云计算环境的抽象模型层的图示。
[0018]应当理解，为了说明的简单和清晰，图中所示的元件不一定按比例绘制。例如，为了清楚起见，一些元件的尺寸可能相对于其他元件被放大。进一步，在认为适当的情况下，附图标记可在附图中重复以指示对应或类似的特征。
具体实施方式
[0019]所描述的用户认证机制定义一种能够基于用户从原始图像和修改的(伪造的)图像两者的集合中识别真实图像的能力来认证用户的安全技术。在该方法中使用的图像是由用户上传的一组私有的可记住的图像。
[0020]该安全方法利用被称为卷积神经网络(CNN)的深度学习模型，该模型可以在大的图像集合上训练以产生生成模型。一旦被训练，CNN具有许多有用的应用，这些应用可以用于基于用户上传的原始图像来生成修改的但逼真的(photorealistic)图像的集合。生成对抗网络(GAN)是该领域中可用于实际地修改图像的先进的训练方法。GAN由一对CNN构成，一个是生成器(generator)网络，一个是鉴别器(discriminator)网络。可由GAN执行的修改的示例包括改变图像的背景或改变所拍摄的那些图像的头发颜色、面部表情和姿势。这些深度学习模型能够一起生成在该方法中使用的一组伪造的修改的图像以验证用户的身份。
[0021]当需要认证时，向用户呈现用户的原始的未经改变的图像和修改的生成的图像两者的混合，其中仅真实的账户所有者将能够识别是真实原始图像的那些图像。
[0022]图像认证机制可以用作附加认证因素来增强现有认证方法。例如，它可以被用作附加的随机点检，或者当某人在忘记他们的密码之后或者在他们的账户被非法侵入之后试图恢复他们的账户时使用。
[0023]参见图1，示意图100示出了所描述的方法的训练的深度学习模型110的示例实施例。
[0024]训练的深度学习模型110在大规模数据上被预先训练。图像处理中使用的CNN模型在大规模数据上训练，并且这些CNN模型在称为转移学习的技术中使用，转移学习涉及移除训练的CNN模型的顶层并且将最后一层的输出馈送到新网络中，其中最后一层的输出可以用作所提取的特征。在所描述的方法中使用转移学习技术来将所提取的图像特征馈送到不
同GAN中的生成器中。训练每个GAN中的生成器对一组训练图像进行逼真的修改，使得鉴别器不能区分已经被修改的那些和尚未被修改的那些。在训练阶段结束时，每个生成器专门为它们的特定修改创建逼真的修改的图像，由此训练每个生成器以通过所提取的图像特征来逼真地修改图像以生成修改的图像。生成器和鉴别器可被称为生成器网络和鉴别器网络，因为它们使用适当的网络架构。
[0025]原始图像101是到训练的深度学习模型110的针对用户的输入。
[0026]训练的深度学习模型110包括提取原始图像101的一个或多个图像特征102的第一预先训练的CNN 111。图像特征可以是图像中的对象或概念形式的语义特征。
[0027]将图像特征102馈送到多个GAN 115中，每个GAN 115是生成器网络112和鉴别器网络114的形式，以实际地修改所提取的图像特征以生成多个修改的图像103。该方法使用转移学习技术来将所提取的图像特征10本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于使用原始图像和修改的图像的用户认证的计算机实现的方法，包括：接收用户的原始图像；通过应用预先训练的卷积神经网络(CNN)模型来提取所述原始图像的一个或多个图像特征，并将提取的一个或多个图像特征馈送到生成对抗网络(GAN)图像生成器中以实际地修改所述一个或多个提取的图像特征以生成修改的图像，来生成所述原始图像的修改的图像；以及基于呈现的原始图像或呈现的修改的图像的识别来认证用户。2.根据权利要求1所述的方法，包括：将所述一个或多个提取的图像特征馈送到一组不同的生成对抗网络(GAN)图像生成器中的每个GAN图像生成器以执行一组不同的图像修改以从单个原始图像生成多个修改的图像；以及从所述多个修改的图像中选择原始图像的修改的图像。3.根据权利要求2所述的方法，其中，从所述多个修改的图像中选择修改的图像使用第二预先训练的CNN从所述多个修改的图像中提取图像特征并且将这些图像特征传递到鉴别器以对多个修改的图像进行排序。4.根据权利要求1所述的方法，包括：接收所述用户的原始图像的集合；基于所述原始图像的集合生成修改的图像的集合；以及从所述原始图像的集合和所述修改的图像的集合的组合中随机选择图像以用于所述用户的认证。5.根据权利要求4所述的方法，包括：在被用于所述用户的失败的认证之后，从所述原始图像的集合和所述修改的图像的集合的组合中移除图像；当所述集合中的数量达到阈值时，将额外的原始图像添加到所述原始图像的集合中；以及生成额外的原始图像的修改的图像。6.根据权利要求4所述的方法，包括：评估接收的原始图像的集合以评估原始图像的子集中的每个中的人之间的社交距离以确保其高于阈值社交距离。7.根据权利要求6所述的方法，其中，评估包括：使用面部辨识来识别在所述原始图像的至少一个子集中的每个中表征的人；引用所述用户的联系人的社交图；将每个原始图像中的人之间的社交距离确定为社交图内的每个图像的子图之间的最短路径；以及将所述最短路径与可配置的阈值距离要求进行比较。8.根据权利要求4所述的方法，包括：将一组可配置标准应用于所述原始图像的集合以检查所述原始图像的集合适用于所述图像特征提取和修改。9.根据权利要求1所述的方法，其中，所述原始图像是未被共享的私有的图像。
10.一种用于使用原始图像和修改的图像的用户认证的系统，包括：处理器，和存储器，所述存储器被配置为向所述处理器提供计算机程序指令以执行一个或多个组件的功能：图像接收模块，用于接收用户的原始图像；原始图像特征提取组件，用于使用预先训练的卷积神经网络(CNN)模型来提取所述原始图像的一个或多个图像特征；修改的图像生成组件，用于将所述一个或多个提取的图像特征馈送到生成对抗网络(GAN)图像生成器中以实际地修改所述一个或多个提取的图像特...

【专利技术属性】
技术研发人员：L，
申请(专利权)人：国际商业机器公司，
类型：发明
国别省市：