[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

说明书

本发明提出人脸识别攻击检测系统、方法、电子设备及存储介质，属于人脸识别攻击检测技术领域。包括，物联网设备模块、边缘计算模块、深度集成学习模块和Web应用模块；所述深度集成学习模块部署在边缘计算模块上，所述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；所述深度学习模块包括Inception模块、CBAM注意力机制模块和多层感知机；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。解决现有技术中存在的性能提升空间较低，没有考虑到敏感生物信息的数据安全和隐私保护问题。

技术领域

本申请涉及人脸识别攻击检测，尤其涉及人脸识别攻击检测系统、方法、电子设备及存储介质，属于人脸识别攻击检测技术领域。

背景技术

人脸识别作为一种方便且精度高的识别技术，在国内外都属于研究和应用热点。从20世纪末，随着特征脸方法的应用，人脸识别技术的研究便开始流行。21世纪初，基于局部特征的人脸识别技术开始进入商用。同时，随着深度学习的飞速发展，基于深度学习的人脸识别技术不断更新与发展，并成为主流。如今，这项技术被广泛运用于各种生活环境与生产环境，为人们的生活带来便利。

随着人脸识别技术的广泛运用，针对检测人脸识别攻击层出不穷，一种通过挖掘人脸识别中的漏洞来实现的攻击的研究也在国内外受到关注。对于人脸识别攻击的检测，常见的方式是运用人脸活体检测技术。人脸活体检测技术主要分为基于经验手工特征的方法和基于深度学习的方法。基于手工经验的方法依赖设计特征，无法更加完整地获取人脸的相关信息。同时，随着深度学习的发展，基于深度学习的方法飞速发展，同时在不同数据集和现实环境中受到认可。

公开号为CN108647650A的专利提出了一种基于角膜反射和光学编码的人脸活体检测方法及系统，通过光学编码方式将每一位二进制的密码信息用光的亮或暗来表示，并使角膜反射该亮暗变化；通过提取角膜图像的亮暗信息得到角膜反射信息，再通过信息比对实现人脸活体检测。

上述方法虽然通过人脸活体检测来防御人脸识别攻击，但该方法性能提升空间较低，没有考虑到敏感生物信息的数据安全和隐私保护问题。

发明内容

在下文中给出了关于本发明的简要概述，以便提供关于本发明的某些方面的基本理解。应当理解，这个概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关键或重要部分，也不是意图限定本发明的范围。其目的仅仅是以简化的形式给出某些概念，以此作为稍后论述的更详细描述的前序。

鉴于此，为解决现有技术中存在的性能提升空间较低，没有考虑到敏感生物信息的数据安全和隐私保护问题，本发明提供人脸识别攻击检测系统、方法、电子设备及存储介质。

方案一、人脸识别攻击检测系统，包括，物联网设备模块、边缘计算模块、深度集成学习模块和Web应用模块；

所述深度集成学习模块部署在边缘计算模块上，所述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。

所述物联网设备模块用于使操作系统和硬件设备进行交互，在确保边缘计算模块功能实现的同时，解决获取数据和设备正常运行两个问题。