1.一种图像数据处理方法,其特征在于,包括:
获取包含目标对象的目标图像,对所述目标图像进行网格化处理,得到所述目标图像对应的网格图像块;
获取所述目标图像对应的目标防御网络模型,通过所述目标防御网络模型从所述网格图像块中提取第一类型特征和第二类型特征,将所述第一类型特征和所述第二类型特征进行特征拼接,得到与所述目标图像相关联的图像块拼接特征;
根据所述图像块拼接特征、所述目标防御网络模型,对所述网格图像块进行物理攻击检测,得到所述网格图像块对应的物理攻击检测结果;
若所述物理攻击检测结果指示所述目标图像中存在满足攻击检测条件的网格图像块,则将所述目标对象确定为攻击对象,拒绝将所述目标图像传输至与所述目标防御网络模型具有关联关系的对象识别模型。
2.根据权利要求1所述的方法,其特征在于,所述获取包含目标对象的目标图像,对所述目标图像进行网格化处理,得到所述目标图像对应的网格图像块,包括:
若应用客户端对应的业务类型属于第一分类场景,则在与所述应用客户端相关联的前置摄像头开启时,调用所述前置摄像头采集与目标用户相关联的目标图像序列;所述目标图像序列包含至少一个用户图像数据;
从所述目标图像序列的至少一个用户图像数据中获取目标用户图像数据,对所述目标用户图像数据进行人脸检测,得到人脸检测结果;
基于所述人脸检测结果,从所述目标用户图像数据中获取所述目标用户的人脸对应的图像,将获取到的图像作为包含目标对象的目标图像;所述目标对象为所述目标用户的人脸;
获取用于对所述目标图像进行网格化处理的网格参数,基于所述网格参数对所述目标图像进行裁剪处理,得到所述目标图像对应的网格图像块。
3.根据权利要求2所述的方法,其特征在于,所述若应用客户端对应的业务类型属于第一分类场景,则在与所述应用客户端相关联的前置摄像头开启时,调用所述前置摄像头采集与目标用户相关联的目标图像序列,包括:
响应针对应用客户端的访问触发操作,输出所述应用客户端对应的图像采集界面;
在应用客户端对应的业务类型属于第一分类场景时,启动与所述应用客户端相关联的前置摄像头;
在所述前置摄像头对应的采集时长内,对执行所述触发操作的目标用户的至少一个图像数据进行采集,将采集到的所述至少一个图像数据输出至所述图像采集界面;
将所述图像采集界面上显示的所述至少一个图像数据确定为与所述目标用户相关联的目标图像序列。
4.根据权利要求2所述的方法,其特征在于,所述基于所述人脸检测结果,从所述目标用户图像数据中获取所述目标用户的人脸对应的图像,将获取到的图像作为包含目标对象的目标图像,包括:
若所述人脸检测结果指示所述目标用户图像数据中存在属于人脸类型的目标特征点,则基于所述目标特征点在所述目标用户图像数据中确定所述目标用户的人脸所在的面部区域;
从所述目标用户图像数据中截取所述面部区域,在所述面部区域中将所述目标用户的人脸作为目标对象,在所述面部区域中将所述目标对象对应的图像作为目标图像。
5.根据权利要求1所述的方法,其特征在于,所述网格图像块的数量为多个;
所述获取所述目标图像对应的目标防御网络模型,通过所述目标防御网络模型从所述网格图像块中提取第一类型特征和第二类型特征,将所述第一类型特征和所述第二类型特征进行特征拼接,得到与所述目标图像相关联的图像块拼接特征,包括:
获取所述目标图像对应的目标防御网络模型;所述目标防御网络模型包括:第一特征提取器和第二特征提取器;
通过所述第一特征提取器从每个所述网格图像块中提取统计图像特征,将提取到的每个所述网格图像块的统计图像特征分别确定为第一类型特征;
通过所述第二特征提取器从每个所述网格图像块中提取神经网络特征,将提取到的每个所述网格图像块的神经网络特征分别确定为第二类型特征;
将每个所述网格图像块的第一类型特征和对应所述网格图像块的第二类型特征进行特征拼接,得到每个所述网格图像块的拼接特征,将每个所述网格图像块的拼接特征确定为与所述目标图像相关联的图像块拼接特征。
6.根据权利要求1所述的方法,其特征在于,所述目标防御网络模型包括:分类器;所述分类器具有对所述目标图像中的所述网格图像块所属的分类类型进行分类的功能;
所述根据所述图像块拼接特征、所述目标防御网络模型,对所述网格图像块进行物理攻击检测,得到所述网格图像块对应的物理攻击检测结果,包括:
将所述图像块拼接特征输入至所述目标防御网络模型中的所述分类器,由所述分类器确定所述图像块拼接特征与所述分类器中的多个样本属性特征之间的匹配度;所述匹配度用于表征所述图像块拼接特征分别与每个样本属性特征属于相同分类类型的概率;
基于所述匹配度,在所述多个样本属性特征中获取与所述图像块拼接特征具有最大匹配度的样本属性特征,将所述具有最大匹配度的样本属性特征作为目标样本属性特征;
将所述目标样本属性特征对应的样本标签信息作为所述图像块拼接特征对应的目标分类类型,基于所述目标分类类型以及与所述目标分类类型相关联的最大匹配度,确定对所述目标图像中的所述网格图像块进行分类后的物理攻击检测结果。
7.根据权利要求6所述的方法,其特征在于,一个网格图像块对应一个物理攻击检测结果;所述多个样本属性特征对应的样本标签信息包含攻击类标签信息;
所述若所述物理攻击检测结果指示所述目标图像中存在满足攻击检测条件的网格图像块,则将所述目标对象确定为攻击对象,拒绝将所述目标图像传输至与所述目标防御网络模型具有关联关系的对象识别模型,包括:
获取所述目标防御网络模型对应的攻击检测条件;
若所述物理攻击检测结果中存在所述目标分类类型属于所述攻击类标签信息的物理攻击检测结果,则在所述网格图像块中将所述目标分类类型对应的网格图像块,确定为满足所述攻击检测条件的网格图像块;
将所述目标图像中所包含的所述目标对象确定为攻击对象,拒绝将所述目标图像传输至与所述目标防御网络模型具有关联关系的对象识别模型。
8.根据权利要求7所述的方法,其特征在于,所述方法还包括:
将满足所述攻击检测条件的网格图像块确定为异常图像块,在所述目标图像中确定所述异常图像块所属区域的位置信息,基于所述位置信息和所述目标分类类型,生成针对所述目标用户的异常提示信息;
将所述异常提示信息输出至所述应用客户端对应的反馈界面;所述反馈界面上包括用于指示所述目标用户执行触发操作的业务控件;
响应针对所述业务控件的触发操作,发起用于访问所述应用客户端的访问请求,基于所述访问请求对所述目标图像进行更新。
9.根据权利要求7所述的方法,其特征在于,所述多个样本属性特征对应的样本标签信息包含非攻击类标签信息;
所述方法还包括:
若所述物理攻击检测结果中存在所述目标分类类型均属于所述非攻击类标签信息的物理攻击检测结果,则在所述网格图像块中将所述目标分类类型对应的网格图像块,均确定为不满足所述攻击检测条件的网格图像块;
在所述目标图像中将不满足所述攻击检测条件的网格图像块均确定为正常图像块;
在基于每个所述正常图像块将所述目标对象确定为非攻击对象时,允许将所述目标图像输入至与所述目标防御网络模型具有关联关系的人脸识别模型,以使所述人脸识别模型对所述目标图像中的所述目标对象对应的用户进行身份验证。
10.根据权利要求2所述的方法,其特征在于,所述方法还包括:
若应用客户端对应的业务类型属于第二分类场景,则在与所述应用客户端相关联的后置摄像头开启时,调用所述后置摄像头采集在所述摄像头的摄像范围中的标识信息的标识图像数据;
在所述标识图像数据中确定所述标识信息所属的标识区域,将所述标识区域中的所述标识信息作为所述目标对象,在所述标识图像数据中截取所述标识区域,将所述标识区域对应的图像数据作为包含所述目标对象的目标图像;
获取用于对所述目标图像进行网格化处理的网格参数,基于所述网格参数对所述目标图像进行裁剪处理,得到所述目标图像对应的网格图像块。
11.一种图像数据处理方法,其特征在于,包括:
获取与样本对象相关联的训练样本信息和所述训练样本信息的样本标签信息;所述训练样本信息中包含用于对初始防御网络模型进行训练的第一样本信息和第二样本信息;所述训练样本信息的样本标签信息包括:所述第一样本信息对应的非攻击类标签信息和所述第二样本信息对应的攻击类标签信息;
对所述训练样本信息进行网格化处理,得到所述训练样本信息对应的样本图像块;
通过所述初始防御网络模型从所述样本图像块中提取第一样本特征和第二样本特征,将所述第一样本特征和所述第二样本特征进行特征拼接,得到与所述训练样本信息相关联的样本拼接特征;
基于所述样本拼接特征、所述非攻击类标签信息和所述攻击类标签信息对所述初始防御网络模型进行训练,将训练后的初始防御网络模型确定为用于对目标图像中的目标对象进行预测的目标防御网络模型。
12.根据权利要求11所述的方法,其特征在于,所述获取与样本对象相关联的训练样本信息和所述训练样本信息的样本标签信息,包括:
获取包含样本对象的初始图像数据,将所述初始图像数据作为用于对对初始防御网络模型进行训练的第一样本信息,将所述第一样本信息的标签信息确定为非攻击类标签信息;
获取与所述初始防御网络模型具有关联关系的对象识别模型,通过所述对象识别模型确定与所述初始图像数据相关联的攻击图像数据;
基于所述攻击图像数据和所述初始图像数据,生成包含所述攻击图像数据的叠加图像数据,将所述叠加图像数据作为用于对所述初始防御网络模型进行训练的第二样本信息,将所述第二样本信息的标签信息确定为攻击类标签信息;
将所述第一样本信息和所述第二样本信息确定为训练样本信息,将所述非攻击类标签信息和所述攻击类标签信息作为所训练样本信息的样本标签信息。
13.一种图像数据处理装置,其特征在于,包括:
目标图像获取模块,用于获取包含目标对象的目标图像,对所述目标图像进行网格化处理,得到所述目标图像对应的网格图像块;
拼接特征确定模块,用于获取所述目标图像对应的目标防御网络模型,通过所述目标防御网络模型从所述网格图像块中提取第一类型特征和第二类型特征,将所述第一类型特征和所述第二类型特征进行特征拼接,得到与所述目标图像相关联的图像块拼接特征;
攻击检测模块,用于根据所述图像块拼接特征、所述目标防御网络模型,对所述网格图像块进行物理攻击检测,得到所述网格图像块对应的物理攻击检测结果;
攻击对象确定模块,用于若所述物理攻击检测结果指示所述目标图像中存在满足攻击检测条件的网格图像块,则将所述目标对象确定为攻击对象,拒绝将所述目标图像传输至与所述目标防御网络模型具有关联关系的对象识别模型。
14.一种图像数据处理装置,其特征在于,包括:
训练样本获取模块,用于获取与样本对象相关联的训练样本信息和所述训练样本信息的样本标签信息;所述训练样本信息中包含用于对初始防御网络模型进行训练的第一样本信息和第二样本信息;所述训练样本信息的样本标签信息包括:所述第一样本信息对应的非攻击类标签信息和所述第二样本信息对应的攻击类标签信息;
网格处理模块,用于对所述训练样本信息进行网格化处理,得到所述训练样本信息对应的样本图像块;
样本特征提取模块,用于通过所述初始防御网络模型从所述样本图像块中提取第一样本特征和第二样本特征,将所述第一样本特征和所述第二样本特征进行特征拼接,得到与所述训练样本信息相关联的样本拼接特征;
防御模型训练模块,用于基于所述样本拼接特征、所述非攻击类标签信息和所述攻击类标签信息对所述初始防御网络模型进行训练,将训练后的初始防御网络模型确定为用于对目标图像中的目标对象进行预测的目标防御网络模型。
15.一种计算机设备,其特征在于,包括:处理器、存储器、网络接口;
所述处理器与存储器、网络接口相连,其中,网络接口用于提供数据通信功能,所述存储器用于存储计算机程序,所述处理器用于调用所述计算机程序,以执行如权利要求1-12任一项所述的方法。
16.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时,执行如权利要求1-12任一项所述的方法。