CN108197279A - 攻击数据生成方法、装置、系统及计算机可读存储介质 - Google Patents

攻击数据生成方法、装置、系统及计算机可读存储介质 Download PDF

Info

Publication number
CN108197279A
CN108197279A CN201810021425.9A CN201810021425A CN108197279A CN 108197279 A CN108197279 A CN 108197279A CN 201810021425 A CN201810021425 A CN 201810021425A CN 108197279 A CN108197279 A CN 108197279A
Authority
CN
China
Prior art keywords
data
attack
template
reproduction
sample
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201810021425.9A
Other languages
English (en)
Other versions
CN108197279B (zh
Inventor
蔺皓宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Megvii Technology Co Ltd
Original Assignee
Beijing Megvii Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Megvii Technology Co Ltd filed Critical Beijing Megvii Technology Co Ltd
Priority to CN201810021425.9A priority Critical patent/CN108197279B/zh
Publication of CN108197279A publication Critical patent/CN108197279A/zh
Application granted granted Critical
Publication of CN108197279B publication Critical patent/CN108197279B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/51Indexing; Data structures therefor; Storage structures

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Image Processing (AREA)

Abstract

本发明提供了一种攻击数据生成方法、装置、系统及计算机可读存储介质,涉及数据处理技术领域,该方法包括:获取待转换的活体数据;将活体数据输入至数据模板;通过该数据模板将活体数据转换为攻击数据。本发明直接利用数据模板将已有的活体数据转换为攻击数据的方式,可以快速便捷地生成攻击数据,有效提高了攻击数据的获取效率,并降低了攻击数据的获取成本。

Description

攻击数据生成方法、装置、系统及计算机可读存储介质
技术领域
本发明涉及数据处理技术领域,尤其是涉及一种攻击数据生成方法、装置、系统及计算机可读存储介质。
背景技术
近年来,随着人脸识别技术的日趋成熟,在诸如社保、银行开户、商业化场合也都开始普及应用人脸识别技术,但是不法分子也迎势而上,通过翻拍照片、制作面具等方式作为攻击数据以破解人脸识别技术,并以此进行不法业务。
为应对上述问题,应用活体检测系统判断是否为活体数据还是攻击数据,是生物特征身份验证中必不可少的环节。活体检测系统中的活体检测模型需要预先训练得到,训练过程中需要用到攻击数据。然而,由于活体攻击方法众多,给活体检测模型的训练带来了极大的挑战,为了可以使活体检测模型更新迭代,针对每种新的攻击手段都需要大量的人力去采集相应的攻击数据以完善样本数据库,费时费力,不仅效率低下,而且人工成本高昂。
发明内容
有鉴于此,本发明的目的在于提供一种攻击数据生成方法、装置、系统及计算机可读存储介质,以提高攻击数据的获取效率,并降低攻击数据的获取成本。
为了实现上述目的,本发明实施例采用的技术方案如下:
第一方面,本发明实施例提供了一种攻击数据生成方法,包括:获取待转换的活体数据;将所述活体数据输入至数据模板;通过所述数据模板将所述活体数据转换为攻击数据。
进一步,所述数据模板的制作步骤包括:获取攻击数据样本以及与所述攻击数据样本对应的活体数据样本;比对所述攻击数据样本和所述活体数据样本,以得到差异;根据所述差异确定所述攻击数据样本的攻击模式;生成与所述攻击模式对应的数据模板。
进一步,所述获取攻击数据样本的步骤,包括:从已存储的漏检攻击数据中根据漏检攻击数据的类型挑选攻击数据样本;其中,所述漏检攻击数据为活体检测系统未成功判别的攻击数据;所述漏检攻击数据的类型包括翻拍类型和合成类型,所述攻击数据样本属于所述翻拍类型。
进一步,所述比对所述攻击数据样本和所述活体数据样本,以得到差异的步骤,包括:比对所述攻击数据样本和所述活体数据样本的特征,以得到特征差异;所述特征差异包括摩尔纹差异、暗角差异、亮度差异和褶皱差异中的一种或多种。
进一步,所述攻击模式包括纸张翻拍攻击或屏幕翻拍攻击;所述根据比对得到的所述差异确定所述攻击数据样本的攻击模式的步骤,包括:如果比对得到的所述差异为摩尔纹差异和/或暗角差异,确定所述攻击数据样本的攻击模式为屏幕翻拍攻击;如果比对得到的所述差异为亮度差异和/或褶皱差异,确定所述攻击数据样本的攻击模式为纸张翻拍攻击。
进一步,所述数据模板包括屏幕翻拍数据模板或纸张翻拍数据模板,所述制作与所述攻击模式对应的数据模板的步骤,包括:如果所述攻击模式为屏幕翻拍攻击,获取由拍摄设备拍摄电子面板得到的屏幕翻拍数据,基于所述屏幕翻拍数据制作屏幕翻拍数据模板;如果所述攻击模式为纸张翻拍攻击,获取由拍摄设备拍摄纸质面板得到的纸张翻拍数据,基于所述纸张翻拍数据制作纸张翻拍数据模板。
进一步,所述基于所述屏幕翻拍数据制作屏幕翻拍数据模板的步骤,包括:通过所述屏幕翻拍数据,确定拍摄设备的拍摄信息与电子面板的显示信息的对应关系;将所述拍摄设备的拍摄信息与所述电子面板的显示信息的对应关系设定为屏幕翻拍数据模板。
进一步,所述基于所述纸张翻拍数据制作纸张翻拍数据模板的步骤,包括:通过所述纸张翻拍数据,确定拍摄设备的拍摄信息与纸质面板的纸张信息的对应关系;将所述拍摄设备的拍摄信息与所述纸质面板的纸张信息的对应关系设定为纸张翻拍数据模板。
进一步,所述数据模板包括拍摄设备的拍摄信息与显示面板的显示信息的对应关系;所述活体数据为在所述显示面板上呈现的原始数据;所述通过所述数据模板将所述活体数据转换为攻击数据的步骤,包括:基于所述拍摄设备的拍摄信息与显示面板的显示信息的对应关系,确定所述拍摄设备拍摄所述显示面板得到的与所述活体数据对应的翻拍数据;将所述翻拍数据作为攻击数据。
进一步,所述拍摄信息包括曝光信息、颜色误差信息、颜色串扰矩阵信息、调制传输函数、镜头畸变信息、暗角分布信息和亮度分布信息中的多种。
进一步,所述方法还包括:对经所述数据模板转换后的攻击数据进行后处理操作,得到最终攻击数据;所述后处理操作包括数据增广操作、滤镜操作、亮度及色彩调整操作、方向及大小调整操作、压缩操作、畸变操作中的一种或多种。
进一步,所述获取活体数据的步骤,包括:从活体样本数据库中抽取活体数据;和/或,接收用户输入的活体数据。
第二方面,本发明实施例还提供一种攻击数据生成装置,包括:数据获取模块,用于获取待转换的活体数据;模板输入模块,用于将获取的所述活体数据输入至预先制作的数据模板;模板转换模块,用于通过所述数据模板将所述活体数据转换为攻击数据。
第三方面,本发明实施例提供了一种攻击数据生成系统,所述系统包括:图像采集装置、处理器和存储装置;所述图像采集装置,用于采集图像数据;所述存储装置上存储有计算机程序,所述计算机程序在被所述处理器运行时执行如第一方面任一项所述的方法。
第四方面,本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如第一方面任一项所述的方法的步骤。
本发明实施例提供了一种攻击数据生成方法、装置、系统及计算机可读存储介质,将获取的活体数据输入至预先制成的数据模板,即可通过该数据模板将活体数据转换为攻击数据。与现有技术中需要人工采集攻击数据相比,本发明实施例直接利用数据模板将已有的活体数据转换为攻击数据的方式,可以快速便捷地生成攻击数据,有效提高了攻击数据的获取效率,并降低了攻击数据的获取成本。
本公开的其他特征和优点将在随后的说明书中阐述,或者,部分特征和优点可以从说明书推知或毫无疑义地确定,或者通过实施本公开的上述技术即可得知。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了本发明实施例所提供的一种电子设备的结构示意图;
图2示出了本发明实施例所提供的一种攻击数据生成方法的流程图;
图3示出了本发明实施例所提供的一种攻击数据生成方法的流程示意图;
图4示出了本发明实施例所提供的一种攻击数据生成示意图;
图5示出了本发明实施例所提供的一种攻击数据生成装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
现如今主要依靠人工获取攻击数据,为便于理解,举例示意一种人工获取攻击数据的具体实现方式:采集员通过摄像机、手机等摄像设备对着由电子屏幕或者纸质材料展示的原始图片A拍摄,以得到翻拍数据A1,将翻拍数据A1作为攻击数据,伪装成原始图片A迷惑活体检测系统。其中,电子屏幕或纸质材料展示的原始图片A为摄像设备直接对着人等活体拍摄所得,而翻拍数据A1则是翻拍原始图片A得到,并非直接拍摄活体所得,在本实施例中,上述原始图片可以理解为是活体数据。以上仅为示例,采集员可以采用不同性能的摄像设备拍摄诸如手机屏幕、平板电脑屏幕、电视屏幕等电子显示屏,或者拍摄诸如打印纸、相纸、铜版纸等纸质材料,以将得到的各种形式的翻拍数据作为攻击数据。通过上述方式,采集员采集多个攻击数据,以对活体检测系统进行训练。
考虑到人工采集攻击数据的方式效率低下,成本高昂,为改善此问题,本发明实施例提供的一种攻击数据生成方法、装置、系统及计算机可读存储介质,以下对本发明实施例进行详细介绍。
实施例一:
首先,参照图1来描述用于实现本发明实施例的攻击数据生成方法、装置及系统的示例电子设备100。
如图1所示的一种电子设备的结构示意图,电子设备100包括一个或多个处理器102、一个或多个存储装置104、输入装置106、输出装置108以及图像采集装置110,这些组件通过总线系统112和/或其它形式的连接机构(未示出)互连。应当注意,图1所示的电子设备100的组件和结构只是示例性的,而非限制性的,根据需要,所述电子设备也可以具有其他组件和结构。
所述处理器02可以采用数字信号处理器(DSP)、现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)中的至少一种硬件形式来实现,所述处理器102可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元中的一种或几种的组合,并且可以控制所述电子设备100中的其它组件以执行期望的功能。
所述存储装置104可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器102可以运行所述程序指令,以实现下文所述的本发明实施例中(由处理器实现)的客户端功能以及/或者其它期望的功能。在所述计算机可读存储介质中还可以存储各种应用程序和各种数据,例如所述应用程序使用和/或产生的各种数据等。
所述输入装置106可以是用户用来输入指令的装置,并且可以包括键盘、鼠标、麦克风和触摸屏等中的一个或多个。
所述输出装置108可以向外部(例如,用户)输出各种信息(例如,图像或声音),并且可以包括显示器、扬声器等中的一个或多个。
所述图像采集装置110可以拍摄用户期望的图像(例如照片、视频等),并且将所拍摄的图像存储在所述存储装置104中以供其它组件使用。
示例性地,用于实现根据本发明实施例的攻击数据生成方法、装置及系统的示例电子设备可以被实现为诸如智能手机、平板电脑、计算机等智能终端。
实施例二:
参照图2所示的一种攻击数据生成方法的流程图,该方法可以由电子设备执行,具体包括如下步骤:
步骤S202,获取待转换的活体数据。活体数据可以为在显示面板上呈现的原始数据,具体可以是图像,通常该图像内包括可识别的生物脸型,诸如人脸图像等。该显示面板可以包括电子屏幕、纸张等可显示图像的显示介质。以下给出两种获取活体数据的实施方式:
在一种实施方式中,可以从活体样本数据库中抽取活体数据。其中,活体样本数据库中存储有一定数量的活体数据,也即存储有一定数量的图像。
在另一种实施方式中,可以接收用户输入的活体数据。诸如,可以直接接收用户输入的人脸图像作为待转化的活体数据。
实际应用中,上述两种实施方式可以择一采用,也可以同时采用。其中,活体数据可以随机选取,也可以按照预设条件选取,诸如选取人脸识别难度较高的人脸图像,其转换得到的攻击数据的识别难度也相应较高,以便于提升活体检测模型的训练难度。
步骤S204,将活体数据输入至数据模板。在一种实施方式中,数据模板可以包括摄像头与显示面板的对应关系,具体可以包括拍摄设备的拍摄信息与显示面板的显示信息的对应关系。
步骤S206,通过数据模板将活体数据转换为攻击数据。
在一种实施方式中,活体数据可以为在显示面板上呈现的原始数据,基于拍摄设备的拍摄信息与显示面板的显示信息的对应关系,确定拍摄设备拍摄显示面板得到的与活体数据对应的翻拍数据;将翻拍数据作为攻击数据。
为便于理解,给出如下示例:在使用X手机的摄像头(作为摄像设备)拍摄Y手机的屏幕(作为显示面板)上显示的A图片,得到A1图片,也即,A1图片是A图片经过X手机翻拍得到的,显然,A1图片的呈现形式与X手机的拍摄性能以及Y手机显示A图片的显示性能均有关。现有技术中采集员需要通过上述方式进行翻拍,以得到A1图片,并将A1图片作为伪装成A图片的攻击数据。本实施例提供的上述数据模板,包括有X手机的拍摄性能与Y手机的显示性能的对应关系,如果将A图片作为活体数据输入至本实施例提供的数据模板,则可以直接转换生成A1图片作为攻击数据,无需人工采集便可得到。上述示例仅为屏幕翻拍示例,当然还可以进行纸张翻拍,诸如使用X手机拍摄印有A图片的Z材质纸张,并翻拍得到A1图片作为攻击数据,数据模板中包括X手机的拍摄性能和Z材质纸张的纸张性能的对应关系,如果将A图片作为活体数据输入至该数据模板,亦可直接转换生成A1图片作为攻击数据,在此不再赘述。
此外,还可以对模板化的攻击数据执行数据增广操作、滤镜操作、亮度及色彩调整操作、方向及大小调整操作、压缩操作、畸变操作中的一种或多种操作,得到A2、A3、A4至An等大量的翻拍图片作为攻击数据,极大的扩充了攻击数据量,提高了攻击数据的获取效率。
为了便于理解,对上述提及的各操作解释如下:
数据增广操作是指增加图像数据量,以提升图像的泛化能力;诸如可以变化图像的几何角度或者像素;具体的,可以对图像进行翻转、移位、剪裁等图像变化操作,可以对图像进行颜色抖动、增加噪声等像素变换操作。滤镜操作是指对图像进行特殊效果处理,诸如可为图像加入纹理、变形、艺术风格和光照等多种特效,具体可包括艺术效果滤镜处理操作、画笔描边滤镜处理、模糊滤镜处理、扭曲滤镜处理、杂色滤镜处理、像素化滤镜处理、渲染滤镜处理、素描滤镜处理、纹理滤镜处理、锐化滤镜处理、风格化滤镜处理等操作。亮度及色彩调整操作主要是调整图像的亮度和色彩,调整程度可自行设定。方向及大小调整操作主要是调整图像方向以及图像大小,诸如对图像进行旋转调整、对称调整等,以及对图像大小进行缩放处理。压缩操作主要是指以较少的比特有损或无损地表示原来的像素矩阵,也即可以为有损压缩,也可以为无损压缩。畸变操作主要是指将图像进行挤压、伸展、偏移和扭曲等变形操作,使图像的几何位置、尺寸、形状、方位等发生改变。
在具体实施时,上述操作可以直接通过预置的图像处理软件(诸如图片编辑器、Photoshop APP等)执行,该图像处理软件具有上述处理功能;当然也可以直接采用上述操作对应的后期处理算法实现,在此不再赘述。通过对攻击数据执行上述操作,能够得到大量衍生的攻击数据,有效地提升了攻击数据的获取效率。
本发明实施例提供的上述攻击数据生成方法,将获取的活体数据输入至预先制成的数据模板,即可通过该数据模板将活体数据转换为攻击数据。与现有技术中需要人工采集攻击数据相比,本发明实施例直接利用数据模板将已有的活体数据转换为攻击数据的方式,可以快速便捷地生成攻击数据,有效提高了攻击数据的获取效率,并降低了攻击数据的获取成本。
本实施例提供了一种数据模板的生成方法,具体可参照如下所示:
(1)获取攻击数据样本以及与该攻击数据样本对应的活体数据样本。
在一种实施方式中,可以获取指定的攻击数据样本,已知的攻击数据样本大多与其对应的活体数据样本相关联。考虑到活体检测模型已训练到一定程度,为了使其在训练后能够更加准确可靠地判别攻击数据,需要适当提升活体检测模型的训练难度,也即,提升攻击数据样本的难度,因此在另一种实施方式中,可以从已存储的漏检攻击数据中根据漏检攻击数据的类型挑选攻击数据样本;其中,漏检攻击数据为活体检测系统未成功判别的攻击数据,漏检攻击数据的类型包括翻拍类型和合成类型,攻击数据样本属于翻拍类型。也即,从漏检攻击数据中挑选翻拍数据作为攻击数据样本。漏检攻击数据可以是人工检测所得,诸如,在对活体检测系统中的活体检测模型进行训练的过程中,从10万张图片中挑选1000张图片作为攻击图片并进行标注,最后由人工检测确定没有被活体检测模型判别为攻击图片的图片(也称漏检攻击数据),并将漏检攻击数据存储于预设位置,以便之后利用漏检攻击数据进一步加强对活体检测模型的训练。
具体的,漏检攻击数据可能是翻拍所得的数据,也可能是通过诸如3D合成等方式所得的合成数据。在本实施例中,主要是将漏检攻击数据中经翻拍所得的数据作为攻击数据样本。挑选过程可以是首先识别漏检攻击数据的类型,然后从属于翻拍类型的漏检攻击数据中随机挑选攻击数据样本;也可以是先随机从漏检攻击数据中挑选数据,再判断挑选出的数据是否属于翻拍类型,如果属于,则将挑选出的数据作为攻击数据样本,如果不属于,则重新挑选。当然,以上仅为简单示例,在实际应用中,可以是随机挑选,也可以是从满足预设条件的漏检攻击数据中有目的性地挑选。攻击数据样本除了需要符合翻拍类型的预设条件,还可以另外设置其它附加条件,诸如设置攻击数据样本的特征复杂程度需要达到预设程度、攻击数据样本必须包含某种图像元素等。
由于已知的攻击数据样本与其对应的活体数据样本相关联,在选取了攻击数据样本后,可以直接获取与其对应的活体数据样本。
(2)比对攻击数据样本和活体数据样本,以得到差异。
在一种实施方式中,可以比对攻击数据样本和活体数据样本的特征,以得到特征差异;特征差异包括摩尔纹差异、暗角差异、亮度差异和褶皱差异中的一种或多种,此外,还可以包括像素排列差异等。由于拍摄设备的拍摄性能,以及显示设备的显示性能不同,因此经翻拍得到的攻击数据样本与原始的活体数据样本在诸如摩尔纹、暗角、亮度、褶皱等细节特征都有所差异。
(3)根据上述差异确定攻击数据样本的攻击模式。具体的,攻击模式可以包括纸张翻拍攻击或屏幕翻拍攻击;纸张翻拍攻击也即采用摄像设备翻拍各种材质的纸张,诸如翻拍打印纸、相纸、铜版纸等;屏幕翻拍攻击也即采用摄像设备翻拍各种电子屏幕,诸如手机屏幕、平板电脑屏幕、电脑屏幕等。
具体的,如果比对得到的差异为摩尔纹差异和/或暗角差异,确定攻击数据样本的攻击模式为屏幕翻拍攻击。如果比对得到的差异为亮度差异和/或褶皱差异,确定攻击数据样本的攻击模式为纸张翻拍攻击。诸如,亮度差异中显示出局部与全图光照不符的高光,则可推断为纸张翻拍攻击。
(4)生成与攻击模式对应的数据模板。
如果攻击模式包括纸张翻拍攻击或屏幕翻拍攻击,相应的,数据模板可以包括屏幕翻拍数据模板或纸张翻拍数据模板。
如果攻击模式为屏幕翻拍攻击,可以获取由拍摄设备拍摄电子面板得到的屏幕翻拍数据,基于屏幕翻拍数据制作屏幕翻拍数据模板。具体实施时,可以通过屏幕翻拍数据,确定拍摄设备的拍摄信息与电子面板的显示信息的对应关系;将拍摄设备的拍摄信息与电子面板的显示信息的对应关系设定为屏幕翻拍数据模板。在实际应用中,该屏幕翻拍数据模板可以为RGB、sRGB色域下的RGB模板。
如果攻击模式为纸张翻拍攻击,可以获取由拍摄设备拍摄纸质面板得到的纸张翻拍数据,基于纸张翻拍数据制作纸张翻拍数据模板。具体实施时,可以通过纸张翻拍数据,确定拍摄设备的拍摄信息与纸质面板的纸张信息的对应关系;将拍摄设备的拍摄信息与纸质面板的纸张信息的对应关系设定为纸张翻拍数据模板。在实际应用中,该纸张翻拍数据可以为RGB、sRGB、CMYK等色域下的模板。
上述拍摄信息可以体现摄像设备的拍摄性能,以及拍摄效果等,具体可以包括曝光信息、颜色误差信息、颜色串扰矩阵信息、调制传输函数、镜头畸变信息、暗角分布信息和亮度分布信息中的多种。
为了便于理解,在此给出模板制作过程中的上述各信息的获取方式示例:在屏幕翻拍中,由于电子屏幕LED的输出电平与光通亮是非线性关系,需要通过连续拍摄的方式获得同一屏幕的亮度变化程度,通过诸如单反相机等拍摄设备中存储的RAW格式图片对应的原始曝光信息,便可得到曝光量与亮度输出电平之间的关系,并拟合成函数,在实际应用中,该函数体现为x的n次幂的近似形式。通过上述方式,可以较好地确定拍摄设备进行屏幕翻拍时的曝光信息。在纸张翻拍中,可以通过拍摄设备拍摄纸质面板,以及相应的标准色板,从而可以测算颜色误差。无论是屏幕翻拍,还是纸张翻拍,均可通过拍摄设备拍摄纯色图片(RGB,CMYK),再通过拍摄设备的原始数据的bayer pattern(贝尔滤色模式)基于最小二乘法计算得到该拍摄设备在每个图像通道的颜色串扰矩阵;通过拍摄设备拍摄标定板,可以确定拍摄设备的调制传输函数;通过拍摄设备拍摄棋盘和白板即可确定镜头畸变信息、暗角分布信息和亮度分布信息等,具体可参照相关技术实现,在此不再赘述。
为了使生成的攻击数据能够更好地投入到活体检测模型的训练过程中,可进一步调整模板化生成的攻击数据的形式,并相应扩充衍生为多种攻击数据,因此本实施例提供的攻击数据生成方法,还可以包括:对攻击数据进行后处理操作,得到最终攻击数据;后处理操作包括数据增广操作、滤镜操作、亮度及色彩调整操作、方向及大小调整操作、压缩操作、畸变操作中的一种或多种。具体的,可以采用具有上述功能的后期软件或者后处理算法对模板化生成的攻击数据进行处理,诸如对模板化的攻击数据进行白平衡、滤镜、jpeg算法压缩等处理,得到最终攻击数据,不仅丰富了攻击数据的形式和数量,而且也提升了活体检测模型的训练可靠性。
实施例三:
对于实施例二中所提供的攻击数据生成方法,为了便于理解,本发明实施例提供了应用该方法的其中一种应用示例,在该应用示例中,完整地展示了从制作模板到应用该模板生成攻击数据的流程。应当注意的是,在实际应用中,一旦模板已制作,在之后可以直接利用该模板生成攻击数据,无需再重复制作模板。
参见图3所示的一种攻击数据生成方法的流程示意图,该图中较为完整地展示了从制作模板到生成攻击数据的全过程,简要示意如下步骤:
1,从现有的攻击样本数据库中挑选攻击数据样本。图3中示意出在此步骤中主要是从攻击样本数据库中抽取样本数据。
2,传递攻击数据样本。也即,将挑选得到的攻击数据样本传递至下一攻击模式分析步骤中。
3,分析该攻击数据样本的攻击模式。图3中示意出该步骤主要是根据接收的攻击数据样本,从攻击样本数据库中获取相应的样本特征,进而根据样本特征分析攻击模式,该样本特征可以为摩尔纹特征、暗角特征、亮度特征、褶皱特征、像素特征等。在攻击样本数据库中可以直接存储有各攻击数据样本、与攻击数据样本对应的活体数据样本以及样本特征等。该攻击数据样本可能是活体数据样本的翻拍版本,或者是翻拍版本处理后得到的衍生版本。具体的,可以比对攻击数据样本的特征与活体数据样本的特征,确定攻击模式,攻击模式可以包括屏幕翻拍攻击或纸张翻拍攻击。
4,构造与攻击模式对应的攻击模板(也即,前述实施例中的数据模板)。攻击模板包括屏幕翻拍攻击模板或纸张翻拍攻击模板。
5,传递攻击模板。也即,将生成的攻击模板传递给下一攻击数据生成步骤中。
6,生成人造攻击数据(也即,前述实施例中的最终攻击数据)。具体的,将活体样本数据库中已有的活体数据套入至上述攻击模板中,并执行一定后处理操作,便可得到最终形式的攻击数据。图3中简单示意出将外处理数据、攻击模板和活体样本数据库相结合,即可生成活体数据对应的人造攻击数据。其中,外处理数据可以包括数据增广、曝光量、颜色误差、镜头畸变、暗角分布、亮度分布等处理数据,以对模板化的攻击数据进行后期处理包装,得到最终形式丰富多样的攻击数据。
7,输出人造攻击数据。也即,将生成的人造攻击数据输出,此时便已获得人造攻击数据。
8,传递人造攻击数据。具体的,可将生成的人造攻击数据传递至攻击样本数据库中。
9,将人造攻击数据加入至攻击样本数据库中。
通过上述方式,可以利用已有的攻击数据样本确定攻击模式,进而生成相应的攻击模板,以将已有的活体数据套入该攻击模板中转换为形式丰富的人造攻击数据,从而丰富攻击样本数据库中攻击数据的种类和数量的多样性,与现有技术中需要人工费时费力采集攻击数据相比,上述方式可以方便快捷地获取丰富的攻击数据,极大提升了攻击数据的获取效率,降低了攻击数据的获取成本。
参见图4所示的一种攻击数据生成示意图,给出了一种具体的应用示例,从图4中可见,对原图(活体数据样本)和翻拍图(攻击数据样本)进行摩尔纹、暗角以及像素排列等分析,可推断为屏幕翻拍攻击,也即,推断攻击数据样本是由屏幕翻拍活体数据样本得到的,进而制作相应的屏幕翻拍模板,在图4的示例中,该屏幕翻拍模板是基于RGB色域下的模板(简称为RGB模板),RGB色域仅是该模板的一个因素体现,该模板具体包括了翻拍图对应的拍摄设备的拍摄性能与原图对应的电子屏幕的显示性能的对应关系,也即,经推断得到的手机拍摄ipad的对应关系。将已有的活体数据(小狗图片A)套用该RGB模板,并进行一定的后处理操作,诸如进行随机的旋转对称变化,再加入合理范围内的摄像头畸变,以及加入黑框补全等后期处理步骤,便可得到最终攻击数据(小狗图片A1和小狗图片A2)。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述应用示例的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
上述应用示例清楚地示意出攻击数据的模板化生成过程,可以快速便捷地生成攻击数据,有效提高了攻击数据的获取效率,并降低了攻击数据的获取成本。同时通过后期处理,可以使攻击数据的形式和内容更加丰富多样,有助于更好地投入至活体检测模型的训练过程中。
实施例四:
对于实施例一中所提供的攻击数据生成方法,本发明实施例提供了一种攻击数据生成装置,参见图5所示的一种攻击数据生成装置的结构示意图,包括如下模块:
数据获取模块502,用于获取待转换的活体数据。在实际应用中,数据获取模块502进一步用于:从活体样本数据库中抽取活体数据;和/或,接收用户输入的活体数据。
模板输入模块504,用于将活体数据输入至数据模板。
模板转换模块506,用于通过数据模板将活体数据转换为攻击数据。
在实际应用中,数据模板包括拍摄设备的拍摄信息与显示面板的显示信息的对应关系;活体数据为在显示面板上呈现的原始数据;模板转换模块506进一步用于:基于拍摄设备的拍摄信息与显示面板的显示信息的对应关系,确定拍摄设备拍摄显示面板得到的与活体数据对应的翻拍数据;将翻拍数据作为攻击数据。
本发明实施例提供的上述攻击数据生成装置,将获取的活体数据输入至预先制成的数据模板,即可通过该数据模板将活体数据转换为攻击数据。与现有技术中需要人工采集攻击数据相比,本发明实施例直接利用数据模板将已有的活体数据转换为攻击数据的方式,可以快速便捷地生成攻击数据,有效提高了攻击数据的获取效率,并降低了攻击数据的获取成本。
进一步,上述装置还包括模板生成模块,包括样本获取单元、比对单元、攻击模式确定单元和模板制作单元,具体说明如下:
样本获取单元,用于获取攻击数据样本以及与该攻击数据样本对应的活体数据样本。在一种实施方式中,样本获取单元进一步用于:从已存储的漏检攻击数据中挑选攻击数据样本;其中,漏检攻击数据为活体检测系统未成功判别的攻击数据,获取挑选得到的所述攻击数据样本对应的活体数据样本。
比对单元,用于比对攻击数据样本和活体数据样本,以得到差异。在一种实施方式中,比对单元进一步用于:比对攻击数据样本和活体数据样本的特征,以得到特征差异;特征差异包括摩尔纹差异、暗角差异、亮度差异和褶皱差异中的一种或多种。
攻击模式确定单元,用于根据差异确定攻击数据样本的攻击模式。在实际应用中,攻击模式可以包括纸张翻拍攻击或屏幕翻拍攻击;在一种实施方式中,攻击模式确定单元进一步用于:如果比对得到的差异为摩尔纹差异和/或暗角差异,确定攻击数据样本的攻击模式为屏幕翻拍攻击;如果比对得到的差异为亮度差异和/或褶皱差异,确定攻击数据样本的攻击模式为纸张翻拍攻击。
模板生成单元,用于生成与攻击模式对应的数据模板。在实际应用中,数据模板包括屏幕翻拍数据模板或纸张翻拍数据模板,模板制作单元进一步用于:如果攻击模式为屏幕翻拍攻击,获取由拍摄设备拍摄电子面板得到的屏幕翻拍数据,基于屏幕翻拍数据制作屏幕翻拍数据模板;具体的,可以是通过屏幕翻拍数据,确定拍摄设备的拍摄信息与电子面板的显示信息的对应关系;将拍摄设备的拍摄信息与电子面板的显示信息的对应关系设定为屏幕翻拍数据模板。
如果攻击模式为纸张翻拍攻击,获取由拍摄设备拍摄纸质面板得到的纸张翻拍数据,基于纸张翻拍数据制作纸张翻拍数据模板;具体的,可以是通过纸张翻拍数据,确定拍摄设备的拍摄信息与纸质面板的纸张信息的对应关系;将拍摄设备的拍摄信息与纸质面板的纸张信息的对应关系设定为纸张翻拍数据模板。
本实施例提及的拍摄信息可以包括曝光信息、颜色误差信息、颜色串扰矩阵信息、调制传输函数、镜头畸变信息、暗角分布信息和亮度分布信息中的多种。
进一步,本实施例提供的攻击数据生成装置还包括:后处理模块,用于对攻击数据进行后处理操作,得到最终攻击数据;后处理操作包括数据增广操作、滤镜操作、亮度及色彩调整操作、方向及大小调整操作、压缩操作、畸变操作中的一种或多种。
本实施例所提供的装置,其实现原理及产生的技术效果和前述实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
实施例五:
本发明实施例提供了一种攻击数据生成系统,该系统包括:图像采集装置、处理器和存储装置;其中,图像采集装置,用于采集图像数据;存储装置上存储有计算机程序,计算机程序在被处理器运行时执行如前述方法实施例所提供的方法。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
进一步,本实施例还提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述前述方法实施例所提供的方法的步骤。
本发明实施例所提供的攻击数据生成方法、装置及系统的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。

Claims (15)

1.一种攻击数据生成方法,其特征在于,包括:
获取待转换的活体数据;
将所述活体数据输入至数据模板;
通过所述数据模板将所述活体数据转换为攻击数据。
2.根据权利要求1所述的方法,其特征在于,所述数据模板的生成步骤包括:
获取攻击数据样本以及与所述攻击数据样本对应的活体数据样本;
比对所述攻击数据样本和所述活体数据样本,以得到差异;
根据所述差异确定所述攻击数据样本的攻击模式;
生成与所述攻击模式对应的数据模板。
3.根据权利要求2所述的方法,其特征在于,所述获取攻击数据样本的步骤,包括:
从已存储的漏检攻击数据中根据漏检攻击数据的类型挑选攻击数据样本;其中,所述漏检攻击数据为活体检测系统未成功判别的攻击数据;所述漏检攻击数据的类型包括翻拍类型和合成类型,所述攻击数据样本属于所述翻拍类型。
4.根据权利要求2所述的方法,其特征在于,所述比对所述攻击数据样本和所述活体数据样本,以得到差异的步骤,包括:
比对所述攻击数据样本和所述活体数据样本的特征,以得到特征差异;所述特征差异包括摩尔纹差异、暗角差异、亮度差异和褶皱差异中的一种或多种。
5.根据权利要求4所述的方法,其特征在于,所述攻击模式包括纸张翻拍攻击或屏幕翻拍攻击;所述根据比对得到的所述差异确定所述攻击数据样本的攻击模式的步骤,包括:
如果比对得到的所述差异为摩尔纹差异和/或暗角差异,确定所述攻击数据样本的攻击模式为屏幕翻拍攻击;
如果比对得到的所述差异为亮度差异和/或褶皱差异,确定所述攻击数据样本的攻击模式为纸张翻拍攻击。
6.根据权利要求5所述的方法,其特征在于,所述数据模板包括屏幕翻拍数据模板或纸张翻拍数据模板,所述制作与所述攻击模式对应的数据模板的步骤,包括:
如果所述攻击模式为屏幕翻拍攻击,获取由拍摄设备拍摄电子面板得到的屏幕翻拍数据,基于所述屏幕翻拍数据制作屏幕翻拍数据模板;
如果所述攻击模式为纸张翻拍攻击,获取由拍摄设备拍摄纸质面板得到的纸张翻拍数据,基于所述纸张翻拍数据制作纸张翻拍数据模板。
7.根据权利要求6所述的方法,其特征在于,所述基于所述屏幕翻拍数据制作屏幕翻拍数据模板的步骤,包括:
通过所述屏幕翻拍数据,确定拍摄设备的拍摄信息与电子面板的显示信息的对应关系;
将所述拍摄设备的拍摄信息与所述电子面板的显示信息的对应关系设定为屏幕翻拍数据模板。
8.根据权利要求6所述的方法,其特征在于,所述基于所述纸张翻拍数据制作纸张翻拍数据模板的步骤,包括:
通过所述纸张翻拍数据,确定拍摄设备的拍摄信息与纸质面板的纸张信息的对应关系;
将所述拍摄设备的拍摄信息与所述纸质面板的纸张信息的对应关系设定为纸张翻拍数据模板。
9.根据权利要求1所述的方法,其特征在于,所述数据模板包括拍摄设备的拍摄信息与显示面板的显示信息的对应关系;所述活体数据为在所述显示面板上呈现的原始数据;所述通过所述数据模板将所述活体数据转换为攻击数据的步骤,包括:
基于所述拍摄设备的拍摄信息与显示面板的显示信息的对应关系,确定所述拍摄设备拍摄所述显示面板得到的与所述活体数据对应的翻拍数据;
将所述翻拍数据作为攻击数据。
10.根据权利要求7至9任一项所述的方法,其特征在于,所述拍摄信息包括曝光信息、颜色误差信息、颜色串扰矩阵信息、调制传输函数、镜头畸变信息、暗角分布信息和亮度分布信息中的多种。
11.根据权利要求1所述的方法,其特征在于,所述方法还包括:
对所述攻击数据进行后处理操作,得到最终攻击数据;所述后处理操作包括数据增广操作、滤镜操作、亮度及色彩调整操作、方向及大小调整操作、压缩操作、畸变操作中的一种或多种。
12.根据权利要求1所述的方法,其特征在于,所述获取活体数据的步骤,包括:
从活体样本数据库中抽取活体数据;和/或,接收用户输入的活体数据。
13.一种攻击数据生成装置,其特征在于,包括:
数据获取模块,用于获取待转换的活体数据;
模板输入模块,用于将所述活体数据输入至数据模板;
模板转换模块,用于通过所述数据模板将所述活体数据转换为攻击数据。
14.一种攻击数据生成系统,其特征在于,所述系统包括:图像采集装置、处理器和存储装置;
所述图像采集装置,用于采集图像数据;
所述存储装置上存储有计算机程序,所述计算机程序在被所述处理器运行时执行如权利要求1至12任一项所述的方法。
15.一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,其特征在于,所述计算机程序被处理器运行时执行如权利要求1至12任一项所述的方法的步骤。
CN201810021425.9A 2018-01-09 2018-01-09 攻击数据生成方法、装置、系统及计算机可读存储介质 Active CN108197279B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810021425.9A CN108197279B (zh) 2018-01-09 2018-01-09 攻击数据生成方法、装置、系统及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810021425.9A CN108197279B (zh) 2018-01-09 2018-01-09 攻击数据生成方法、装置、系统及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN108197279A true CN108197279A (zh) 2018-06-22
CN108197279B CN108197279B (zh) 2020-08-07

Family

ID=62588522

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810021425.9A Active CN108197279B (zh) 2018-01-09 2018-01-09 攻击数据生成方法、装置、系统及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN108197279B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109271941A (zh) * 2018-09-26 2019-01-25 福州大学 一种基于防屏摄攻击的活体检测方法
CN110163053A (zh) * 2018-08-02 2019-08-23 腾讯科技(深圳)有限公司 生成人脸识别的负样本的方法、装置及计算机设备
CN110414346A (zh) * 2019-06-25 2019-11-05 北京迈格威科技有限公司 活体检测方法、装置、电子设备及存储介质
CN113794712A (zh) * 2021-09-10 2021-12-14 中国工商银行股份有限公司 用于控制网络安全靶场的流量的方法、装置、设备及介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105429959A (zh) * 2015-11-02 2016-03-23 北京旷视科技有限公司 图像处理方法及客户端设备、图像验证方法及服务器
CN106570489A (zh) * 2016-11-10 2017-04-19 腾讯科技(深圳)有限公司 活体判别方法和装置、身份认证方法和装置
CN107368769A (zh) * 2016-05-11 2017-11-21 北京市商汤科技开发有限公司 人脸活体检测方法、装置及电子设备

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105429959A (zh) * 2015-11-02 2016-03-23 北京旷视科技有限公司 图像处理方法及客户端设备、图像验证方法及服务器
CN107368769A (zh) * 2016-05-11 2017-11-21 北京市商汤科技开发有限公司 人脸活体检测方法、装置及电子设备
CN106570489A (zh) * 2016-11-10 2017-04-19 腾讯科技(深圳)有限公司 活体判别方法和装置、身份认证方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘华成: "人脸活体检测关键技术研究", 《中国优秀硕士学位论文全文数据库(信息科技辑)》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110163053A (zh) * 2018-08-02 2019-08-23 腾讯科技(深圳)有限公司 生成人脸识别的负样本的方法、装置及计算机设备
US11302118B2 (en) * 2018-08-02 2022-04-12 Tencent Technology (Shenzhen) Company Limited Method and apparatus for generating negative sample of face recognition, and computer device
CN109271941A (zh) * 2018-09-26 2019-01-25 福州大学 一种基于防屏摄攻击的活体检测方法
CN110414346A (zh) * 2019-06-25 2019-11-05 北京迈格威科技有限公司 活体检测方法、装置、电子设备及存储介质
CN113794712A (zh) * 2021-09-10 2021-12-14 中国工商银行股份有限公司 用于控制网络安全靶场的流量的方法、装置、设备及介质
CN113794712B (zh) * 2021-09-10 2022-07-12 中国工商银行股份有限公司 用于控制网络安全靶场的流量的方法、装置、设备及介质

Also Published As

Publication number Publication date
CN108197279B (zh) 2020-08-07

Similar Documents

Publication Publication Date Title
CN108197279A (zh) 攻击数据生成方法、装置、系统及计算机可读存储介质
Tang et al. Face flashing: a secure liveness detection protocol based on light reflections
Fang et al. Bottom-up saliency detection model based on human visual sensitivity and amplitude spectrum
CN111597938B (zh) 活体检测、模型训练方法及装置
Lin et al. Bedsr-net: A deep shadow removal network from a single document image
CN108710847A (zh) 场景识别方法、装置及电子设备
Güera et al. A counter-forensic method for CNN-based camera model identification
CN108234870A (zh) 图像处理方法、装置、终端及存储介质
CN108898567A (zh) 图像降噪方法、装置及系统
CN108805047A (zh) 一种活体检测方法、装置、电子设备和计算机可读介质
WO2021017610A1 (zh) 证件真伪验证方法、装置、计算机设备及存储介质
CN108810413A (zh) 图像处理方法和装置、电子设备、计算机可读存储介质
CN108198177A (zh) 图像获取方法、装置、终端及存储介质
CN107172354A (zh) 视频处理方法、装置、电子设备及存储介质
CN108810406B (zh) 人像光效处理方法、装置、终端及计算机可读存储介质
CN108419028A (zh) 图像处理方法、装置、计算机可读存储介质和电子设备
Stehouwer et al. Noise modeling, synthesis and classification for generic object anti-spoofing
CN108765537A (zh) 一种图像的处理方法、装置、电子设备和计算机可读介质
CN108737728A (zh) 一种图像拍摄方法、终端及计算机存储介质
CN109063776A (zh) 图像再识别网络训练方法、装置和图像再识别方法及装置
CN111640165A (zh) Ar合影图像的获取方法、装置、计算机设备及存储介质
CN108985263A (zh) 一种数据采集方法、装置、电子设备和计算机可读介质
CN107623819A (zh) 一种拍照的方法及移动终端和相关介质产品
Choi et al. Data insufficiency in sketch versus photo face recognition
CN110532891A (zh) 目标对象状态识别方法、装置、介质和设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Attack data generation method, device, system, and computer-readable storage medium

Granted publication date: 20200807

Pledgee: Shanghai Yunxin Venture Capital Co.,Ltd.

Pledgor: BEIJING KUANGSHI TECHNOLOGY Co.,Ltd.

Registration number: Y2024110000102