[發明專利]攻擊對象檢測方法及裝置、介質、設備及產品

在審

• 申請號: 202210996348.5
• 申請日: 2022-08-18
• 公開（公告）號: CN115482590A
• 公開（公告）日: 2022-12-16
• 發明（設計）人: 曹佳炯;丁菁汀
• 申請（專利權）人: 支付寶（杭州）信息技術有限公司
• 主分類號: G06V40/40
• 分類號: G06V40/40;G06V10/764;G06N3/04;G06N3/08;G06V10/44;G06V10/82
• 代理公司: 北京恒博知識產權代理有限公司 11528
• 代理人: 侯世儉

1.一種攻擊對象檢測方法，其中，所述方法包括：

獲取關于待檢測對象的至少一種圖像類型的待測圖像；

基于目標預測模型，獲取關于目標待測圖像的目標攻擊概率，以及獲取關于所述目標攻擊概率的目標置信度，其中，所述目標預測模型的訓練樣本圖像的圖像類型與所述目標待測圖像的圖像類型一致，所述攻擊概率表示所述目標待測圖像為攻擊對象的概率；

根據所述目標置信度確定是否對所述目標待測圖像進行篩除處理；

根據經過所述篩除處理之后剩余的待測圖像所對應的攻擊概率，確定對所述待檢測對象的檢測結果。

2.根據權利要求1所述的方法，其中，所述目標置信度為置信度矩陣；

所述根據所述目標置信度確定是否對所述目標待測圖像進行篩除處理，包括：

確定所述目標置信度矩陣中是否存在小于第一預設值的矩陣元素；

其中，在所述目標置信度矩陣中存在小于所述第一預設值的矩陣元素的情況下，對所述目標待測圖像進行篩除處理；在所述目標置信度矩陣中不存在小于所述第一預設值的矩陣元素的情況下，保留所述目標待測圖像。

3.根據權利要求2所述的方法，其中，所述目標待測圖像的圖像特征矩陣與所述目標置信度均為M×N的矩陣，且所述目標置信度的矩陣元素A_xy表示：預測所述圖像特征矩陣的矩陣元素B_xy屬于攻擊對象的概率為目標攻擊概率的置信度值，x取值為不大于M的正整數，y取值為不大于N的正整數，M、N為正整數。

4.根據權利要求1所述的方法，其中，在所述基于目標預測模型，獲取關于目標待測圖像的目標攻擊概率之前，所述方法還包括：

獲取目標圖像類型的K個訓練樣本圖像，并通過所述K個訓練樣本圖像訓練改進后的分類模型，得到所述目標圖像類型對應的預測模型，K為正整數。

5.根據權利要求4所述的方法，其中，所述改進后的分類模型包括：預測部分，所述預測部分包括：第一預測分支和第二預測分支；

所述通過所述K個訓練樣本圖像訓練改進后的分類模型，包括：

將第i個訓練樣本圖像輸入至所述改進后的分類模型，從所述第一預測分支輸出第i攻擊概率，以及從所述第二預測分支輸出第i置信度，i取值為不大于K的正整數；

根據所述第i攻擊概率、所述第i置信度以及所述第i個訓練樣本圖像對應的標簽，確定損失函數，并通過所述損失函數優化所述改進后的分類模型的模型參數，以訓練所述改進后的分類模型。

6.根據權利要求5所述的方法，其中，所述改進后的分類模型還包括：特征提取部分；

所述將第i個訓練樣本圖像輸入至所述改進后的分類模型，包括：

將第i個訓練樣本圖像輸入至所述改進后的分類模型的特征提取部分，得到第i圖像特征矩陣；

所述從所述第一預測分支輸出第i攻擊概率，包括：

通過所述第一預測分支對所述第i圖像特征矩陣進行特征處理，以確定所述第i個訓練樣本圖像為攻擊對象的概率，得到所述第i攻擊概率；

所述從所述第二預測分支輸出第i置信度，包括：

通過所述第二預測分支輸出第i置信度矩陣，其中，所述第i置信度矩陣的矩陣元素S_i,xy表示：預測所述第i圖像特征矩陣的矩陣元素B_i,xy屬于攻擊對象的概率為所述第i攻擊概率的置信度值；

其中，所述第i圖像特征矩陣與所述第i置信度矩陣均為M×N的矩陣，x取值為不大于M的正整數，y取值為不大于N的正整數，M、N為正整數。