[發明專利]一種對抗人臉圖像的生成方法和裝置

在審

• 申請號: 202010875464.2
• 申請日: 2020-08-27
• 公開（公告）號: CN112052761A
• 公開（公告）日: 2020-12-08
• 發明（設計）人: 尹邦杰;姚太平;吳雙;丁守鴻;李季檁;黃飛躍
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳翼盛智成知識產權事務所(普通合伙) 44300
• 代理人: 李漢亮

本申請公開了一種對抗人臉圖像的生成方法和裝置；該方法涉及計算機安全領域中的對抗攻擊，可以獲取參考人臉圖像和對抗人臉圖像；通過預先訓練好的目標人臉識別模型，分別對參考人臉圖像和對抗人臉圖像提取多個尺度下的特征圖；對參考人臉圖像多個尺度下的特征圖進行融合處理，得到參考人臉圖像的特征信息；對對抗人臉圖像多個尺度下的特征圖進行融合處理，得到對抗人臉圖像的特征信息；計算參考人臉圖像的特征信息與對抗人臉圖像的特征信息的損失值；基于損失值，迭代調整對抗人臉圖像中各個像素點的像素值，得到目標對抗人臉圖像。本申請可以通過融合對抗人臉圖像多個尺度下的特征圖，提升了對抗人臉圖像在人臉識別模型上的通用性和遷移性。

技術領域

本申請涉及計算機技術領域，具體涉及一種對抗人臉圖像的生成方法和裝置。

背景技術

隨著計算機技術的發展，圖像處理技術應用到了越來越多的領域，比如，其中人臉識別技術廣泛應用于門禁考勤、信息安全、電子證件和監控安防等諸多領域。具體地，人臉識別技術是從人臉圖像中自動提取人臉特征，然后根據這些特征進行身份驗證的技術。

通常，可以基于深度神經網絡提取人臉特征來實現人臉識別，但是，深度神經網絡容易受到對抗攻擊，由于深度神經網絡天然存在的某些缺陷，比如對噪聲敏感，容易受噪聲干擾而輸出錯誤的結果，而對抗攻擊技術就是利用這種缺陷來讓基于深度神經網絡實現的刷臉產品出現誤識別的情況。對抗攻擊可以測試人臉識別模型在實際應用中的魯棒性，所以研究如何生成高質量的對抗樣本對防御對抗攻擊尤為重要。但在目前的相關技術中，生成的對抗樣本在人臉識別模型上的通用性和遷移性較弱，不能很好地用于測試人臉識別模型。

發明內容

本申請實施例提供一種對抗人臉圖像的生成方法和裝置，可以通過融合對抗人臉圖像多個尺度下的特征圖，提升了對抗人臉圖像在人臉識別模型上的通用性和遷移性。

本申請實施例提供一種對抗人臉圖像的生成方法，包括：

獲取參考人臉圖像和對抗人臉圖像；

通過預先訓練好的目標人臉識別模型，分別對所述參考人臉圖像和所述對抗人臉圖像提取多個尺度下的特征圖；

對所述參考人臉圖像多個尺度下的特征圖進行融合處理，得到所述參考人臉圖像的特征信息；

對所述對抗人臉圖像多個尺度下的特征圖進行融合處理，得到所述對抗人臉圖像的特征信息；

計算所述參考人臉圖像的特征信息與所述對抗人臉圖像的特征信息之間的損失值；

基于所述損失值，迭代調整所述對抗人臉圖像中各個像素點的像素值，得到并輸出目標對抗人臉圖像。

相應的，本申請實施例提供一種對抗人臉圖像的生成裝置，包括：

獲取單元，用于獲取參考人臉圖像和對抗人臉圖像；

提取單元，用于通過預先訓練好的目標人臉識別模型，分別對所述參考人臉圖像和所述對抗人臉圖像提取多個尺度下的特征圖；

第一融合單元，用于對所述參考人臉圖像多個尺度下的特征圖進行融合處理，得到所述參考人臉圖像的特征信息；

第二融合單元，用于對所述對抗人臉圖像多個尺度下的特征圖進行融合處理，得到所述對抗人臉圖像的特征信息；

計算單元，用于計算所述參考人臉圖像的特征信息與所述對抗人臉圖像的特征信息之間的損失值；

調整單元，用于基于所述損失值，迭代調整所述對抗人臉圖像中各個像素點的像素值，得到并輸出目標對抗人臉圖像。

可選的，在本申請的一些實施例中，所述第一融合單元可以包括第一確定子單元和第一加權子單元，如下：

所述第一確定子單元，用于確定所述參考人臉圖像各個尺度下的特征圖對應的權重；