[发明专利]人脸识别攻击检测系统、方法、电子设备及存储介质

权利要求书

1.人脸识别攻击检测方法，其特征在于，包括以下步骤：

S1.获取正常人脸图片和人脸识别攻击图片，构建数据集；

S2.将正常人脸图片和人脸识别攻击图片进行数据增强，扩增数据集，模拟正常人脸和打印照片攻击在复杂光照下的图像特征；

S3.将增强后的正常人脸图片和人脸识别攻击图片输入至深度集成学习模块，进行模型训练；

S4.将训练后的深度集成学习模块部署在边缘计算模块，并将边缘计算模块部署在物联网设备模块上，实时人脸识别攻击检测；

S5.将人脸识别攻击检测结果与物联网设备相关信息传输到物联网设备上的通信模块，通过TCP方式发送至服务器进行保存，经过检测后的人脸信息丢弃，检测结束；

所述深度集成学习模块部署在边缘计算模块上，边缘计算模块部署在物联网设备模块上；所述物联网设备与Web应用模块通信连接；

所述深度集成学习模块包括深度学习模块1、深度学习模块2和深度学习模块3；

所述深度学习模块1、深度学习模块2和深度学习模块3均包括Inception模块、CBAM注意力机制模块和多层感知机；所述Inception模块、CBAM注意力机制模块和多层感知机顺序连接；

所述深度学习模块1、深度学习模块2和深度学习模块3中的每个Inception模块不同；

将学习模块1、深度学习模块2和深度学习模块3以Stacking的方式组成集成模型。

2.根据权利要求1所述的人脸识别攻击检测方法，其特征在于，所述深度学习模块1中Inception模块包括第一层卷积层、第二层卷积层和第三层拼接层；所述第一层卷积层包括1*1卷积核、最大池化层和1*1卷积核；所述第二层卷积层包括3*3卷积核、1*1卷积核和7*7卷积核；

深度学习模块2中Inception模块包括第一层卷积层、第二层卷积层和第三层拼接层；所述第一层卷积层包括1*1卷积核、最大池化层、1*1卷积核和1*1卷积核；所述第二层卷积层包括3*3卷积核、1*1卷积核和5*5卷积核；

深度学习模块3中Inception模块包括第一层卷积层、第二层卷积层和第三层拼接层；所述第一层卷积层包括1*1卷积核、最大池化层、1*1卷积核和1*1卷积核；所述第二层卷积层包括7*7卷积核、1*1卷积核和5*5卷积核。

3.一种电子设备，其特征在于，包括存储器和处理器，存储器存储有计算机程序，所述的处理器执行所述计算机程序时实现权利要求1或2所述的人脸识别攻击检测方法的步骤。

4.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1或2所述的人脸识别攻击检测方法。