本發(fā)明涉及計(jì)算機(jī)，尤其涉及一種人臉攻擊檢測(cè)方法、設(shè)備、存儲(chǔ)介質(zhì)及裝置。

背景技術(shù)：

1、隨著人臉識(shí)別技術(shù)的發(fā)展，越來(lái)越多的應(yīng)用通過(guò)采集人臉數(shù)據(jù)進(jìn)行安全驗(yàn)證，因此人臉攻擊檢測(cè)技術(shù)是可信人臉認(rèn)證領(lǐng)域的核心關(guān)鍵技術(shù)，主要用于防御人臉識(shí)別時(shí)，不法分子利用被攻擊人的照片、翻拍視頻、面具等實(shí)施假臉攻擊，或者利用換臉軟件等工具實(shí)施的深度視頻偽造攻擊，亦或加入擾動(dòng)噪聲引導(dǎo)系統(tǒng)發(fā)生人臉圖片誤識(shí)別的深度對(duì)抗攻擊，對(duì)公共安全、經(jīng)濟(jì)安全、信息安全、個(gè)人隱私都產(chǎn)生了重大風(fēng)險(xiǎn)隱患。

2、目前針對(duì)人臉攻擊檢測(cè)的方式是通過(guò)人臉、虹膜、指紋等單一生物特征進(jìn)行檢測(cè)，但是多種生物特征圖像采集成本高、難度大、采集硬件設(shè)備昂貴、移動(dòng)設(shè)備不具備及對(duì)采集環(huán)境要求高等問(wèn)題導(dǎo)致其并不適合移動(dòng)設(shè)備，因此目前的人臉攻擊檢測(cè)方案的應(yīng)用場(chǎng)景具有局限性導(dǎo)致檢測(cè)效果差。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的主要目的在于提供一種人臉攻擊檢測(cè)方法、設(shè)備、存儲(chǔ)介質(zhì)及裝置，旨在解決現(xiàn)有的人臉攻擊檢測(cè)方案的應(yīng)用場(chǎng)景具有局限性導(dǎo)致檢測(cè)效果差的技術(shù)問(wèn)題。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供一種人臉攻擊檢測(cè)方法，所述人臉攻擊檢測(cè)方法包括以下步驟：

3、基于預(yù)設(shè)多模態(tài)融合攻擊檢測(cè)模型和預(yù)設(shè)模態(tài)特征類型對(duì)模態(tài)融合信息進(jìn)行攻擊檢測(cè)，獲得各模態(tài)特征類型對(duì)應(yīng)的攻擊分?jǐn)?shù)；

4、對(duì)所述各模態(tài)特征類型對(duì)應(yīng)的攻擊分?jǐn)?shù)進(jìn)行多模態(tài)全局融合處理，獲得全局分?jǐn)?shù)；

5、將所述全局分?jǐn)?shù)和預(yù)設(shè)閾值進(jìn)行對(duì)比，根據(jù)對(duì)比結(jié)果判斷是否存在人臉攻擊，獲得判斷結(jié)果。

6、可選地，所述預(yù)設(shè)模態(tài)特征類型包括人臉特征類型、終端特征類型、位置特征類型、網(wǎng)絡(luò)特征類型以及通信特征類型；所述基于預(yù)設(shè)多模態(tài)融合攻擊檢測(cè)模型和預(yù)設(shè)模態(tài)特征類型對(duì)模態(tài)融合信息進(jìn)行攻擊檢測(cè)，獲得各模態(tài)特征類型對(duì)應(yīng)的攻擊分?jǐn)?shù)的步驟，包括：

7、基于預(yù)設(shè)多模態(tài)融合攻擊檢測(cè)模型和人臉特征類型對(duì)模態(tài)融合信息進(jìn)行攻擊檢測(cè)，獲得人臉特征攻擊分?jǐn)?shù)；

8、基于預(yù)設(shè)多模態(tài)融合攻擊檢測(cè)模型和終端特征類型對(duì)模態(tài)融合信息進(jìn)行攻擊檢測(cè)，獲得終端特征攻擊分?jǐn)?shù)；

9、基于預(yù)設(shè)多模態(tài)融合攻擊檢測(cè)模型和位置特征類型對(duì)模態(tài)融合信息進(jìn)行攻擊檢測(cè)，獲得位置特征攻擊分?jǐn)?shù)；

10、基于預(yù)設(shè)多模態(tài)融合攻擊檢測(cè)模型和通信特征類型對(duì)模態(tài)融合信息進(jìn)行攻擊檢測(cè)，獲得通信特征攻擊分?jǐn)?shù)；

11、基于預(yù)設(shè)多模態(tài)融合攻擊檢測(cè)模型和網(wǎng)絡(luò)特征類型對(duì)模態(tài)融合信息進(jìn)行攻擊檢測(cè)，獲得網(wǎng)絡(luò)特征攻擊分?jǐn)?shù)。

12、可選地，所述對(duì)所述各模態(tài)特征類型對(duì)應(yīng)的攻擊分?jǐn)?shù)進(jìn)行多模態(tài)全局融合處理，獲得全局分?jǐn)?shù)的步驟，包括：

13、基于所述預(yù)設(shè)多模態(tài)融合攻擊檢測(cè)模型對(duì)應(yīng)的損失函數(shù)確定目標(biāo)權(quán)重系數(shù)；

14、根據(jù)所述目標(biāo)權(quán)重系數(shù)、所述人臉特征攻擊分?jǐn)?shù)、所述終端特征攻擊分?jǐn)?shù)、所述位置特征攻擊分?jǐn)?shù)、所述通信特征攻擊分?jǐn)?shù)以及所述網(wǎng)絡(luò)特征攻擊分?jǐn)?shù)進(jìn)行多模態(tài)全局融合處理，獲得全局分?jǐn)?shù)。

15、可選地，所述將所述全局分?jǐn)?shù)和預(yù)設(shè)閾值進(jìn)行對(duì)比，根據(jù)對(duì)比結(jié)果判斷是否存在人臉攻擊，獲得判斷結(jié)果的步驟，包括：

16、將所述全局分?jǐn)?shù)和預(yù)設(shè)閾值進(jìn)行對(duì)比，獲得對(duì)比結(jié)果；

17、若所述對(duì)比結(jié)果為所述全局分?jǐn)?shù)小于所述預(yù)設(shè)閾值，則判定不存在人臉攻擊；

18、若所述對(duì)比結(jié)果為所述全局分?jǐn)?shù)不小于所述預(yù)設(shè)閾值，則判定存在人臉攻擊。

19、可選地，所述基于預(yù)設(shè)多模態(tài)融合攻擊檢測(cè)模型和預(yù)設(shè)模態(tài)特征類型對(duì)模態(tài)融合信息進(jìn)行攻擊檢測(cè)，獲得各模態(tài)特征類型對(duì)應(yīng)的攻擊分?jǐn)?shù)的步驟之前，還包括：

20、采集人臉、終端、網(wǎng)絡(luò)、通信以及位置對(duì)應(yīng)的原始數(shù)據(jù)，并對(duì)所述原始數(shù)據(jù)進(jìn)行單模態(tài)向量化處理，獲得人臉模態(tài)向量、終端模態(tài)向量、網(wǎng)絡(luò)模態(tài)向量、通信模態(tài)向量以及位置模態(tài)向量；

21、將所述人臉模態(tài)向量、所述終端模態(tài)向量、所述網(wǎng)絡(luò)模態(tài)向量、所述通信模態(tài)向量以及所述位置模態(tài)向量轉(zhuǎn)換為低維稠密的融合特征向量形式的多模態(tài)融合的完整證據(jù)鏈；

22、根據(jù)所述多模態(tài)融合的完整證據(jù)鏈確定模態(tài)融合信息。

23、可選地，所述基于預(yù)設(shè)多模態(tài)融合攻擊檢測(cè)模型和預(yù)設(shè)模態(tài)特征類型對(duì)模態(tài)融合信息進(jìn)行攻擊檢測(cè)，獲得各模態(tài)特征類型對(duì)應(yīng)的攻擊分?jǐn)?shù)的步驟之前，還包括：

24、基于預(yù)設(shè)人臉入模向量對(duì)初始深度學(xué)習(xí)模型進(jìn)行訓(xùn)練，獲得人臉攻擊檢測(cè)模型；

25、基于預(yù)設(shè)終端模向量對(duì)初始深度學(xué)習(xí)模型進(jìn)行訓(xùn)練，獲得終端攻擊檢測(cè)模型；

26、基于預(yù)設(shè)位置入模向量對(duì)初始深度學(xué)習(xí)模型進(jìn)行訓(xùn)練，獲得位置攻擊檢測(cè)模型；

27、基于預(yù)設(shè)通信入模向量對(duì)初始深度學(xué)習(xí)模型進(jìn)行訓(xùn)練，獲得通信攻擊檢測(cè)模型；

28、基于預(yù)設(shè)網(wǎng)絡(luò)入模向量對(duì)初始深度學(xué)習(xí)模型進(jìn)行訓(xùn)練，獲得網(wǎng)絡(luò)攻擊檢測(cè)模型；

29、基于所述人臉攻擊檢測(cè)模型、終端攻擊檢測(cè)模型、位置攻擊檢測(cè)模型、通信攻擊檢測(cè)模型以及網(wǎng)絡(luò)攻擊檢測(cè)模型構(gòu)建預(yù)設(shè)多模態(tài)融合攻擊檢測(cè)模型。

30、可選地，所述基于預(yù)設(shè)人臉入模向量對(duì)初始深度學(xué)習(xí)模型進(jìn)行訓(xùn)練，獲得人臉攻擊檢測(cè)模型的步驟之前，還包括：

31、采集人臉原始數(shù)據(jù)，并對(duì)所述人臉原始數(shù)據(jù)進(jìn)行向量化處理，獲得預(yù)設(shè)人臉入模向量；

32、采集終端原始數(shù)據(jù)，并基于預(yù)設(shè)終端字段變量對(duì)所述終端原始數(shù)據(jù)進(jìn)行向量化處理，獲得預(yù)設(shè)終端入模向量；

33、采集位置原始數(shù)據(jù)，并基于預(yù)設(shè)位置字段變量對(duì)所述位置原始數(shù)據(jù)進(jìn)行向量化處理，獲得預(yù)設(shè)位置入模向量；

34、采集通信原始數(shù)據(jù)，并基于預(yù)設(shè)通信字段變量對(duì)所述通信原始數(shù)據(jù)進(jìn)行向量化處理，獲得預(yù)設(shè)通信入模向量；

35、采集網(wǎng)絡(luò)原始數(shù)據(jù)，并基于預(yù)設(shè)網(wǎng)絡(luò)字段變量對(duì)所述網(wǎng)絡(luò)原始數(shù)據(jù)進(jìn)行向量化處理，獲得網(wǎng)絡(luò)終端入模向量。

36、此外，為實(shí)現(xiàn)上述目的，本發(fā)明還提出一種人臉攻擊檢測(cè)設(shè)備，所述人臉攻擊檢測(cè)設(shè)備包括存儲(chǔ)器、處理器及存儲(chǔ)在所述存儲(chǔ)器上并可在所述處理器上運(yùn)行的人臉攻擊檢測(cè)程序，所述人臉攻擊檢測(cè)程序配置為實(shí)現(xiàn)如上文所述的人臉攻擊檢測(cè)的步驟。

37、此外，為實(shí)現(xiàn)上述目的，本發(fā)明還提出一種存儲(chǔ)介質(zhì)，所述存儲(chǔ)介質(zhì)上存儲(chǔ)有人臉攻擊檢測(cè)程序，所述人臉攻擊檢測(cè)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上文所述的人臉攻擊檢測(cè)方法的步驟。

38、此外，為實(shí)現(xiàn)上述目的，本發(fā)明還提出一種人臉攻擊檢測(cè)裝置，所述人臉攻擊檢測(cè)裝置包括：

39、分?jǐn)?shù)確定模塊，用于基于預(yù)設(shè)多模態(tài)融合攻擊檢測(cè)模型和預(yù)設(shè)模態(tài)特征類型對(duì)模態(tài)融合信息進(jìn)行攻擊檢測(cè)，獲得各模態(tài)特征類型對(duì)應(yīng)的攻擊分?jǐn)?shù)；

40、全局融合模塊，用于對(duì)所述各模態(tài)特征類型對(duì)應(yīng)的攻擊分?jǐn)?shù)進(jìn)行多模態(tài)全局融合處理，獲得全局分?jǐn)?shù)；

41、攻擊判斷模塊，用于將所述全局分?jǐn)?shù)和預(yù)設(shè)閾值進(jìn)行對(duì)比，根據(jù)對(duì)比結(jié)果判斷是否存在人臉攻擊，獲得判斷結(jié)果。

42、本發(fā)明通過(guò)基于預(yù)設(shè)多模態(tài)融合攻擊檢測(cè)模型和預(yù)設(shè)模態(tài)特征類型對(duì)模態(tài)融合信息進(jìn)行攻擊檢測(cè)，獲得各模態(tài)特征類型對(duì)應(yīng)的攻擊分?jǐn)?shù)；對(duì)所述各模態(tài)特征類型對(duì)應(yīng)的攻擊分?jǐn)?shù)進(jìn)行多模態(tài)全局融合處理，獲得全局分?jǐn)?shù)；將所述全局分?jǐn)?shù)和預(yù)設(shè)閾值進(jìn)行對(duì)比，根據(jù)對(duì)比結(jié)果判斷是否存在人臉攻擊，獲得判斷結(jié)果，相較于現(xiàn)有的人臉攻擊檢測(cè)方案的應(yīng)用場(chǎng)景具有局限性導(dǎo)致檢測(cè)效果差，本發(fā)明通過(guò)引入新的數(shù)據(jù)判別維度，并且是低成本方便獲取的數(shù)據(jù)模態(tài)信息，通過(guò)與視覺(jué)類特征融合，提供完整的證據(jù)鏈，實(shí)現(xiàn)基于新數(shù)據(jù)維度和信息的多模態(tài)跨域融合模型的可信人臉認(rèn)證能力。