生物攻击检测方法及装置与流程

本说明书涉及人工智能，尤其涉及一种生物攻击检测方法及装置。

背景技术：

1、当前，随着移动互联网的不断发展，生物识别(如面部识别)的应用也越来越广泛，随着人们对自己的隐私数据越来越重视，生物攻击检测是人脸识别系统中不可缺少的环节，相应的，对于如手机照片攻击、纸张照片攻击和头模攻击等非生物类型的攻击样本的识别和拦截变得尤为重要。

2、相关技术中，生物攻击检测系统能够采集和识别多种模态输入数据，但是，生物攻击检测系统会因为多模态输入数据的不稳定造成某种模态输入数据缺失，使得受损模态输入数据对最终的分类结果产生影响，从而造成生物攻击检测系统的可靠性降低。因此，目前亟需提供能够可靠运行的生物攻击检测方式。

技术实现思路

1、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方法，包括：获取用于进行生物攻击检测的至少一种模态输入数据，并分别对每种所述模态输入数据进行特征提取，得到每种所述模态输入数据对应的模态特征。基于每种所述模态输入数据和从每种所述模态输入数据中提取的特征，分别通过预先训练的质量判别网络模型进行质量判别，得到每种所述模态输入数据对应的模态质量数据。基于每种所述模态输入数据对应的模态质量数据对不同种所述模态输入数据对应的模态特征的融合进行权重分配，并基于为每种所述模态输入数据对应的模态特征分配的权重，对不同种所述模态输入数据对应的模态特征进行融合处理，得到特征融合数据。基于每种所述模态输入数据对应的模态特征和所述特征融合数据，确定所述至少一种模态输入数据对应的生物攻击检测结果。

2、另一方面，本说明书一个或多个实施例提供一种生物攻击检测方法，包括：获取用于进行生物攻击检测的至少一种模态输入数据。基于生物攻击检测模型中的特征提取子模型分别对每种所述模态输入数据进行特征提取，得到每种所述模态输入数据对应的模态特征。基于每种所述模态输入数据和从每种所述模态输入数据中提取的特征，分别通过生物攻击检测模型中的质量判别子模型进行质量判别，得到每种所述模态输入数据对应的模态质量数据。基于每种所述模态输入数据对应的模态质量数据对不同种所述模态输入数据对应的模态特征的融合进行权重分配，并基于为每种所述模态输入数据对应的模态特征分配的权重，通过生物攻击检测模型的特征融合子模型对不同种所述模态输入数据对应的模态特征的融合进行权重分配，得到特征融合数据。基于每种所述模态输入数据对应的模态特征和所述特征融合数据，通过生物攻击检测模型中的分类预测子模型确定所述至少一种模态输入数据对应的生物攻击检测结果。

3、再一方面，本说明书一个或多个实施例提供一种生物攻击检测装置，包括：特征提取模块，获取用于进行生物攻击检测的至少一种模态输入数据，并分别对每种所述模态输入数据进行特征提取，得到每种所述模态输入数据对应的模态特征。质量判别模块，基于每种所述模态输入数据和从每种所述模态输入数据中提取的特征，分别通过预先训练的质量判别网络模型进行质量判别，得到每种所述模态输入数据对应的模态质量数据。特征融合模块，基于每种所述模态输入数据对应的模态质量数据对不同种所述模态输入数据对应的模态特征的融合进行权重分配，并基于为每种所述模态输入数据对应的模态特征分配的权重，对不同种所述模态输入数据对应的模态特征进行融合处理，得到特征融合数据。分类结果计算模块，基于每种所述模态输入数据对应的模态特征和所述特征融合数据，确定所述至少一种模态输入数据对应的生物攻击检测结果。

4、再一方面，本说明书一个或多个实施例提供一种生物攻击检测装置，包括：模态输入数据获取模块，获取用于进行生物攻击检测的至少一种模态输入数据。特征提取模块，基于生物攻击检测模型中的特征提取子模型分别对每种所述模态输入数据进行特征提取，得到每种所述模态输入数据对应的模态特征。质量判别模块，基于每种所述模态输入数据和从每种所述模态输入数据中提取的特征，分别通过生物攻击检测模型中的质量判别子模型进行质量判别，得到每种所述模态输入数据对应的模态质量数据。特征融合模块，基于每种所述模态输入数据对应的模态质量数据对不同种所述模态输入数据对应的模态特征的融合进行权重分配，并基于为每种所述模态输入数据对应的模态特征分配的权重，通过生物攻击检测模型的特征融合子模型对不同种所述模态输入数据对应的模态特征的融合进行权重分配，得到特征融合数据。分类结果计算模块，基于每种所述模态输入数据对应的模态特征和所述特征融合数据，通过生物攻击检测模型中的分类预测子模型确定所述至少一种模态输入数据对应的生物攻击检测结果。

5、再一方面，本说明书一个或多个实施例提供一种电子设备，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：获取用于进行生物攻击检测的至少一种模态输入数据，并分别对每种所述模态输入数据进行特征提取，得到每种所述模态输入数据对应的模态特征。基于每种所述模态输入数据和从每种所述模态输入数据中提取的特征，分别通过预先训练的质量判别网络模型进行质量判别，得到每种所述模态输入数据对应的模态质量数据。基于每种所述模态输入数据对应的模态质量数据对不同种所述模态输入数据对应的模态特征的融合进行权重分配，并基于为每种所述模态输入数据对应的模态特征分配的权重，对不同种所述模态输入数据对应的模态特征进行融合处理，得到特征融合数据。基于每种所述模态输入数据对应的模态特征和所述特征融合数据，确定所述至少一种模态输入数据对应的生物攻击检测结果。

6、再一方面，本说明书一个或多个实施例提供一种电子设备，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：获取用于进行生物攻击检测的至少一种模态输入数据。基于生物攻击检测模型中的特征提取子模型分别对每种所述模态输入数据进行特征提取，得到每种所述模态输入数据对应的模态特征。基于每种所述模态输入数据和从每种所述模态输入数据中提取的特征，分别通过生物攻击检测模型中的质量判别子模型进行质量判别，得到每种所述模态输入数据对应的模态质量数据。基于每种所述模态输入数据对应的模态质量数据对不同种所述模态输入数据对应的模态特征的融合进行权重分配，并基于为每种所述模态输入数据对应的模态特征分配的权重，通过生物攻击检测模型的特征融合子模型对不同种所述模态输入数据对应的模态特征的融合进行权重分配，得到特征融合数据。基于每种所述模态输入数据对应的模态特征和所述特征融合数据，通过生物攻击检测模型中的分类预测子模型确定所述至少一种模态输入数据对应的生物攻击检测结果。

7、再一方面，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：获取用于进行生物攻击检测的至少一种模态输入数据，并分别对每种所述模态输入数据进行特征提取，得到每种所述模态输入数据对应的模态特征。基于每种所述模态输入数据和从每种所述模态输入数据中提取的特征，分别通过预先训练的质量判别网络模型进行质量判别，得到每种所述模态输入数据对应的模态质量数据。基于每种所述模态输入数据对应的模态质量数据对不同种所述模态输入数据对应的模态特征的融合进行权重分配，并基于为每种所述模态输入数据对应的模态特征分配的权重，对不同种所述模态输入数据对应的模态特征进行融合处理，得到特征融合数据。基于每种所述模态输入数据对应的模态特征和所述特征融合数据，确定所述至少一种模态输入数据对应的生物攻击检测结果。

8、再一方面，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：获取用于进行生物攻击检测的至少一种模态输入数据。基于生物攻击检测模型中的特征提取子模型分别对每种所述模态输入数据进行特征提取，得到每种所述模态输入数据对应的模态特征。基于每种所述模态输入数据和从每种所述模态输入数据中提取的特征，分别通过生物攻击检测模型中的质量判别子模型进行质量判别，得到每种所述模态输入数据对应的模态质量数据。基于每种所述模态输入数据对应的模态质量数据对不同种所述模态输入数据对应的模态特征的融合进行权重分配，并基于为每种所述模态输入数据对应的模态特征分配的权重，通过生物攻击检测模型的特征融合子模型对不同种所述模态输入数据对应的模态特征的融合进行权重分配，得到特征融合数据。基于每种所述模态输入数据对应的模态特征和所述特征融合数据，通过生物攻击检测模型中的分类预测子模型确定所述至少一种模态输入数据对应的生物攻击检测结果。