一种生物攻击检测模型训练的方法、装置及电子设备与流程

本说明书涉及数据处理，尤其涉及一种生物攻击检测模型训练的方法、装置及电子设备。

背景技术：

1、人脸识别技术在人们的日常生活中得到了广泛的应用，如手机解锁、账户验证、门禁系统和人物识别等，给智慧城市和平安城市建设提供了重要支撑。然而，现有的人脸识别系统仍存在诸多安全隐患。由于人脸信息等隐私数据的易获取性，冒名顶替者可以简单地通过呈现合法用户的面部伪装来骗过人脸识别系统，该行为称为人脸欺诈攻击或者人脸伪装。

2、随着近年来人脸识别系统的不断发展，生物(真实人脸)攻击(伪装人脸)检测成为人脸识别系统中不可缺少的一环。利用生物攻击检测可以有效的拦截非生物类型的攻击样本。然而，随着ai换脸技术的迅猛发展，使得生物攻击检测模型需要具备更加精确的生物攻击检测能力。因此，目前亟需提供一种更优的生物攻击检测模型训练的方案。

技术实现思路

1、本说明书实施例提供一种生物攻击检测模型训练的方法、装置及电子设备，以提供一种更优的生物攻击检测模型训练的方案。

2、第一方面，本说明书一个或多个实施例提供一种生物攻击检测模型训练的方法，包括：将训练图像集输入生物攻击检测模型，通过所述生物攻击检测模型中的特征提取子模型对所述训练图像集中的训练图像进行特征提取处理，得到所述训练图像对应的多个网络层级的特征图；将所述训练图像对应的多个网络层级的特征图输入所述生物攻击检测模型中的特征融合子模型，对所述训练图像对应的多个网络层级的特征图进行特征融合处理，得到所述训练图像对应的融合特征图；将所述融合特征图输入所述生物攻击检测模型中的分类子模型，通过所述分类子模型中的第一分类器得到所述训练图像对应的生物攻击分类结果，并通过所述分类子模型中的第二分类器，得到所述训练图像对应的多种人脸属性的分类结果；根据所述生物攻击分类结果确定第一分类损失值，根据多种人脸属性的所述分类结果确定第二分类损失值，并根据所述第一分类损失值和所述第二分类损失值确定所述生物攻击检测模型的目标损失值；基于所述目标损失值，对所述特征提取子模型、所述特征融合子模型和所述分类子模型进行联合训练，得到训练后的生物攻击检测模型。

3、第二方面，本申请实施例提供了一种生物攻击检测模型训练的装置，包括：特征提取模块，用于将训练图像集输入生物攻击检测模型，通过所述生物攻击检测模型中的特征提取子模型对所述训练图像集中的训练图像进行特征提取处理，得到所述训练图像对应的多个网络层级的特征图；特征融合模块，用于将所述训练图像对应的多个网络层级的特征图输入所述生物攻击检测模型中的特征融合子模型，对所述训练图像对应的多个网络层级的特征图进行特征融合处理，得到所述训练图像对应的融合特征图；分类模块，用于将所述融合特征图输入所述生物攻击检测模型中的分类子模型，通过所述分类子模型中的第一分类器得到所述训练图像对应的生物攻击分类结果，并通过所述分类子模型中的第二分类器，得到所述训练图像对应的多种人脸属性的分类结果；计算模块，用于根据所述生物攻击分类结果确定第一分类损失值，根据多种人脸属性的所述分类结果确定第二分类损失值，并根据所述第一分类损失值和所述第二分类损失值确定所述生物攻击检测模型的目标损失值；训练模块，用于基于所述目标损失值，对所述特征提取子模型、所述特征融合子模型和所述分类子模型进行联合训练，得到训练后的生物攻击检测模型。

4、第三方面，本申请实施例提供了一种电子设备，该电子设备包括：处理器，以及被安排成存储计算机可执行指令的存储器，在所述可执行指令被执行时，能够使得所述处理器：将训练图像集输入生物攻击检测模型，通过所述生物攻击检测模型中的特征提取子模型对所述训练图像集中的训练图像进行特征提取处理，得到所述训练图像对应的多个网络层级的特征图；将所述训练图像对应的多个网络层级的特征图输入所述生物攻击检测模型中的特征融合子模型，对所述训练图像对应的多个网络层级的特征图进行特征融合处理，得到所述训练图像对应的融合特征图；将所述融合特征图输入所述生物攻击检测模型中的分类子模型，通过所述分类子模型中的第一分类器得到所述训练图像对应的生物攻击分类结果，并通过所述分类子模型中的第二分类器，得到所述训练图像对应的多种人脸属性的分类结果；根据所述生物攻击分类结果确定第一分类损失值，根据多种人脸属性的所述分类结果确定第二分类损失值，并根据所述第一分类损失值和所述第二分类损失值确定所述生物攻击检测模型的目标损失值；基于所述目标损失值，对所述特征提取子模型、所述特征融合子模型和所述分类子模型进行联合训练，得到训练后的生物攻击检测模型定。

5、第四方面，本说明书实施例提供一种存储介质，用于存储计算机程序，所述计算机程序能够被处理器执行以实现以下流程：将训练图像集输入生物攻击检测模型，通过所述生物攻击检测模型中的特征提取子模型对所述训练图像集中的训练图像进行特征提取处理，得到所述训练图像对应的多个网络层级的特征图；将所述训练图像对应的多个网络层级的特征图输入所述生物攻击检测模型中的特征融合子模型，对所述训练图像对应的多个网络层级的特征图进行特征融合处理，得到所述训练图像对应的融合特征图；将所述融合特征图输入所述生物攻击检测模型中的分类子模型，通过所述分类子模型中的第一分类器得到所述训练图像对应的生物攻击分类结果，并通过所述分类子模型中的第二分类器，得到所述训练图像对应的多种人脸属性的分类结果；根据所述生物攻击分类结果确定第一分类损失值，根据多种人脸属性的所述分类结果确定第二分类损失值，并根据所述第一分类损失值和所述第二分类损失值确定所述生物攻击检测模型的目标损失值；基于所述目标损失值，对所述特征提取子模型、所述特征融合子模型和所述分类子模型进行联合训练，得到训练后的生物攻击检测模型。

技术特征：

1.一种生物攻击检测模型训练的方法，包括：

2.根据权利要求1所述的方法，所述通过所述生物攻击检测模型中的特征提取子模型对所述训练图像集中的训练图像进行特征提取处理，得到所述训练图像对应的多个网络层级的特征图，包括：

3.根据权利要求2所述的方法，在将所述训练图像对应的第一特征图和/或第二特征图输入所述特征融合子模型前，所述方法还包括：

4.根据权利要求3所述的方法，在从所述训练图像对应的第一特征图和/或第二特征图中提取所述纹理特征前，所述方法包括：

5.根据权利要求2所述的方法，在将所述训练图像对应的第二特征图输入所述特征融合子模型前，所述方法还包括：

6.根据权利要求2所述的方法，所述方法还包括：

7.根据权利要求1所述的方法，所述方法还包括：

8.根据权利要求7所述的方法，所述将所述复原图像输入所述解码子模型中的对比损失值计算模块，根据所述复原图像和所述训练图像，得到所述解码子模型对应的对比损失值，包括：

9.根据权利要求1所述的方法，在将所述训练图像输入所述特征提取子模型前，所述方法还包括：

10.根据权利要求9所述的方法，在得到训练后的所述生物攻击检测模型后，所述方法，包括：

11.一种生物攻击检测模型训练的装置，包括：

12.一种电子设备，包括：

技术总结
本说明书一个或多个实施例公开了一种生物攻击检测模型训练的方法、装置及电子设备。所述方法包括：将训练图像集输入生物攻击检测模型，进行特征提取处理，得到多个网络层级的特征图；将特征图输入特征融合子模型，对特征图进行特征融合处理，得到融合特征图；将融合特征图输入分类子模型，通过第一分类器得到生物攻击分类结果，并通过第二分类器，得到训练图像对应的多种人脸属性的分类结果；根据生物攻击分类结果和分类结果分别确定第一分类损失值和第二分类损失值，并根据第一分类损失值和第二分类损失值确定目标损失值；基于根据目标损失值，对特征提取子模型、特征融合子模型和分类子模型进行联合训练，得到训练后的生物攻击检测模型。

技术研发人员：武文琦
受保护的技术使用者：支付宝（杭州）信息技术有限公司
技术研发日：
技术公布日：2024/2/21