[發明專利]人臉對抗樣本生成模型的構建方法、裝置及設備

在審

• 申請號: 202111368399.5
• 申請日: 2021-11-18
• 公開（公告）號: CN114022740A
• 公開（公告）日: 2022-02-08
• 發明（設計）人: 彭長根;梁杰;丁紅發;劉海
• 申請（專利權）人: 貴州大學
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/82;G06V40/16;G06V40/40;G06K9/62;G06N3/08;G06N3/04
• 代理公司: 北京細軟智谷知識產權代理有限責任公司 11471
• 代理人: 石巖

1.一種人臉對抗樣本生成模型的構建方法，其特征在于，包括：

基于生成對抗網絡，獲取人臉圖像樣本并輸入生成器，得到所述生成器合成并輸出的人臉掩碼；其中，所述人臉圖像樣本包括目標人臉圖像和原始人臉圖像；且在生成所述人臉掩碼的過程中使用L2范數約束擾動；

將所述人臉掩碼和所述原始人臉圖像之和作為人臉對抗樣本輸入判別器，得到判別結果，用于區分原始人臉圖像和人臉對抗樣本；

將所述人臉對抗樣本輸入預先訓練的目標攻擊模型，得到輸出結果，以完成一次訓練；

在每次訓練后，基于對應的判別結果和輸出結果更新所述生成器和所述判別器的參數，并重復進行預設次數的訓練，以基于最終確定的生成器和判別器得到人臉對抗樣本生成模型。

2.根據權利要求1所述的方法，其特征在于，采用的生成對抗網絡為WGAN-GP。

3.根據權利要求2所述的方法，其特征在于，使用L2范數約束擾動時采用的擾動損失函數為：

式中，x為人臉圖像樣本，G(x)為生成器合成的人臉掩碼，ε為允許擾動的最小值，取值范圍為[0,∞)。

4.根據權利要求3所述的方法，其特征在于，對于無目標攻擊，去最小化原始人臉圖像和人臉對抗樣本之間的余弦相似度，其中使用的身份損失函數為：

L_identity＝Ex[F(x,x+G(x))]

式中，F(x,y)為x，y的人臉余弦相似度，用于監督人臉對抗樣本模型的訓練；

對于有目標攻擊，去最大化目標人臉圖像和人臉對抗樣本之間的余弦相似度，其中使用的損失函數為：

L_identity＝Ex[1-F(y,x+G(x))]

式中，y為目標人臉圖像。

5.根據權利要求4所述的方法，其特征在于，所述判別器使用的損失函數為：

式中，D(x)表示判別x是真/假，D(x+G(x))表示判別x+G(x)是真/假，γ為梯度懲罰的超參數，γ＝0.25。

6.根據權利要求5所述的方法，其特征在于，所述生成對抗網絡使用的總的損失函數為：

L_總＝L_GAN+δ_iL_identity+δ_pL_perturbation

式中，δ_i為控制擾動損失的超參數，δ_p為控制身份損失的超參數，δ_i＝1.5，δ_p＝10。

7.一種人臉對抗樣本生成模型的構建裝置，其特征在于，包括：

獲取模塊，用于基于生成對抗網絡，獲取人臉圖像樣本并輸入生成器，得到所述生成器合成并輸出的人臉掩碼；其中，所述人臉圖像樣本包括目標人臉圖像和原始人臉圖像；且在生成所述人臉掩碼的過程中使用L2范數約束擾動；

第一輸入模塊，用于將所述人臉掩碼和所述原始人臉圖像之和作為人臉對抗樣本輸入判別器，得到判別結果，用于區分原始人臉圖像和人臉對抗樣本；

第二輸入模塊，用于將所述人臉對抗樣本輸入預先訓練的目標攻擊模型，得到輸出結果，以完成一次訓練；

處理模塊，用于在每次訓練后，基于對應的判別結果和輸出結果更新所述生成器和所述判別器的參數，并重復進行預設次數的訓練，以基于最終確定的生成器和判別器得到人臉對抗樣本生成模型。

8.一種電子設備，其特征在于，包括：

存儲器和與所述存儲器相連接的處理器；

所述存儲器用于存儲計算機程序，所述計算機程序至少用于實現如權利要求1-6任一項所述的方法；

所述處理器用于調用并執行所述存儲器存儲的所述計算機程序。