CN112559332B - 一种生物特征识别的攻击测试方法、装置及设备 - Google Patents

一种生物特征识别的攻击测试方法、装置及设备 Download PDF

Info

Publication number
CN112559332B
CN112559332B CN202011433282.6A CN202011433282A CN112559332B CN 112559332 B CN112559332 B CN 112559332B CN 202011433282 A CN202011433282 A CN 202011433282A CN 112559332 B CN112559332 B CN 112559332B
Authority
CN
China
Prior art keywords
test
attack
image
biometric
test image
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.)
Active
Application number
CN202011433282.6A
Other languages
English (en)
Other versions
CN112559332A (zh
Inventor
郑建旭
昌文婷
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.)
Alipay Hangzhou Information Technology Co Ltd
Original Assignee
Alipay Hangzhou Information 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 Alipay Hangzhou Information Technology Co Ltd filed Critical Alipay Hangzhou Information Technology Co Ltd
Priority to CN202011433282.6A priority Critical patent/CN112559332B/zh
Publication of CN112559332A publication Critical patent/CN112559332A/zh
Application granted granted Critical
Publication of CN112559332B publication Critical patent/CN112559332B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/36—Preventing errors by testing or debugging software
    • G06F11/3668—Software testing
    • G06F11/3672—Test management
    • G06F11/3684—Test management for test design, e.g. generating new test cases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
    • G06F21/57—Certifying or maintaining trusted computer platforms, e.g. secure boots or power-downs, version controls, system software checks, secure updates or assessing vulnerabilities
    • G06F21/577—Assessing vulnerabilities and evaluating computer system security
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/70—Protecting specific internal or peripheral components, in which the protection of a component leads to protection of the entire computer
    • G06F21/71—Protecting specific internal or peripheral components, in which the protection of a component leads to protection of the entire computer to assure secure computing or processing of information
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18—Eye characteristics, e.g. of the iris

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Ophthalmology & Optometry (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
  • Electrophonic Musical Instruments (AREA)

Abstract

本说明书实施例公开了一种生物特征识别的攻击测试方法、装置及设备，该方法包括基于待测试的目标用户的信息，获取对所述目标用户进行生物特征识别攻击所需的测试用例，所述测试用例中包括测试图像和/或进行所述生物特征识别攻击对应的肢体部位实体模型；控制所述机械臂将所述测试用例中的测试图像或所述肢体部位实体模型放置在生物识别设备的识别区域内，并控制所述机械臂调整所述测试用例处于多个不同的位置姿态，以进行生物特征识别的攻击测试，得到针对所述测试用例的每个位置姿态的测试结果；基于针对所述测试用例的每个位置姿态对应的测试结果，确定对所述目标用户进行生物特征识别攻击的测试结果。

Description

一种生物特征识别的攻击测试方法、装置及设备
本申请为2020年07月13日提交中国专利局、申请号为202010670696.4、发明名称为“一种生物特征识别的攻击测试方法、装置及设备”的中国专利申请的分案申请。
技术领域
本说明书涉及计算机技术领域，尤其涉及一种生物特征识别的攻击测试方法、装置及设备。
背景技术
生物识别(如面部识别、虹膜识别、视网膜识别等)中往往采用相应的生物识别算法实现，生物识别算法中应用到的机器学习算法较多，机器学习算法的结果概率性较强。
在对生物识别设备的生物识别能力进行测试的过程中，通常可以采用人工测试的方式，即召集多个不同的测试志愿者，然后，通过上述测试志愿者分别进行上述生物识别测试，直到所有的测试志愿者均完成测试，从而得到测试结果，但是，由于生物识别算法中应用到的机器学习算法较多，而机器学习算法的特点是结果的概率性较强，在对生物识别设备的生物识别能力进行测试的过程中需要进行大量的尝试，从而需要消耗较多的人力资源，并且测试周期会很长，而且通过人工测试也会使得每次人工操作的误差较大，且很难复现，因此，需要提供一种更优的生物识别测试方案，从而可以对生物识别进行更高效和更准确的测试。
发明内容
本说明书实施例的目的是提供一种更优的生物识别测试方案，从而可以对生物识别进行更高效和更准确的测试。
为了实现上述技术方案，本说明书实施例是这样实现的：
本说明书实施例提供的一种生物特征识别的攻击测试方法，所述方法包括：基于待测试的目标用户的信息，获取对所述目标用户进行生物特征识别攻击所需的测试用例，所述测试用例中包括测试图像和/或进行所述生物特征识别攻击对应的肢体部位实体模型。控制所述机械臂将所述测试用例中的测试图像或所述肢体部位实体模型放置在生物识别设备的识别区域内，并控制所述机械臂调整所述测试用例处于多个不同的位置姿态，以进行生物特征识别的攻击测试，得到针对所述测试用例的每个位置姿态的测试结果。基于针对所述测试用例的每个位置姿态对应的测试结果，确定对所述目标用户进行生物特征识别攻击的测试结果。
本说明书实施例提供的一种生物特征识别的攻击测试装置，所述装置包括：测试用例获取模块，基于待测试的目标用户的信息，获取对所述目标用户进行生物特征识别攻击所需的测试用例，所述测试用例中包括测试图像和/或进行所述生物特征识别攻击对应的肢体部位实体模型。攻击测试模块，控制所述机械臂将所述测试用例中的测试图像或所述肢体部位实体模型放置在生物识别设备的识别区域内，并控制所述机械臂调整所述测试用例处于多个不同的位置姿态，以进行生物特征识别的攻击测试，得到针对所述测试用例的每个位置姿态的测试结果。测试结果确定模块，基于针对所述测试用例的每个位置姿态对应的测试结果，确定对所述目标用户进行生物特征识别攻击的测试结果。
本说明书实施例提供的一种生物特征识别的攻击测试设备，所述生物特征识别的攻击测试设备包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：基于待测试的目标用户的信息，获取对所述目标用户进行生物特征识别攻击所需的测试用例，所述测试用例中包括测试图像和/或进行所述生物特征识别攻击对应的肢体部位实体模型。控制所述机械臂将所述测试用例中的测试图像或所述肢体部位实体模型放置在生物识别设备的识别区域内，并控制所述机械臂调整所述测试用例处于多个不同的位置姿态，以进行生物特征识别的攻击测试，得到针对所述测试用例的每个位置姿态的测试结果。基于针对所述测试用例的每个位置姿态对应的测试结果，确定对所述目标用户进行生物特征识别攻击的测试结果。
本说明书实施例还提供了一种存储介质，其中，所述存储介质用于存储计算机可执行指令，所述可执行指令在被执行时实现以下流程：基于待测试的目标用户的信息，获取对所述目标用户进行生物特征识别攻击所需的测试用例，所述测试用例中包括测试图像和/或进行所述生物特征识别攻击对应的肢体部位实体模型。控制所述机械臂将所述测试用例中的测试图像或所述肢体部位实体模型放置在生物识别设备的识别区域内，并控制所述机械臂调整所述测试用例处于多个不同的位置姿态，以进行生物特征识别的攻击测试，得到针对所述测试用例的每个位置姿态的测试结果。基于针对所述测试用例的每个位置姿态对应的测试结果，确定对所述目标用户进行生物特征识别攻击的测试结果。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本说明书一种生物特征识别的攻击测试方法实施例；
图2为本说明书一种生物特征识别攻击测试页面的结构示意图；
图3为本说明书另一种生物特征识别的攻击测试方法实施例；
图4为本说明书一种处于多个不同的位置姿态的测试用例所覆盖的区域与进行生物特征识别的攻击测试对应的区域的关系示意图；
图5为本说明书一种生物特征识别的攻击测试装置实施例；
图6为本说明书一种生物特征识别的攻击测试设备实施例。
具体实施方式
本说明书实施例提供一种生物特征识别的攻击测试方法、装置及设备。
为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书保护的范围。
实施例一
如图1所示，本说明书实施例提供一种生物特征识别的攻击测试方法，该方法的执行主体可以为生物特征识别的测试设备，该测试设备可以包括主控子设备和机械臂等，其中的主控子设备可以是终端设备或服务器，其中，该服务器可以是独立的一个服务器，还可以是由多个服务器构成的服务器集群等，该服务器可以是如金融业务或网络购物业务等的后台服务器，也可以是某应用程序的后台服务器等。该终端设备可以如手机或平板电脑等移动终端设备，还可以如个人计算机等设备。本说明书实施例中以主控子设备为终端设备为例进行详细说明，对于服务器的情况，可以参见下述相关内容，在此不再赘述。其中的机械臂可以与主控子设备相连接，主控子设备可以向机械臂发送控制指令，机械臂可以基于该控制指令执行相应的操作，机械臂上还可以设置有摄像组件(如摄像头等)，通过摄像组件可以对机械臂的操作的准确性进行校准和反馈，并可以通过摄像组件确定或查找需要操作的对象等。该方法具体可以包括以下步骤：
在步骤S102中，基于待测试的目标用户的信息，获取对目标用户进行生物特征识别攻击所需的测试用例，该测试用例中包括测试图像和/或进行上述生物特征识别攻击对应的肢体部位实体模型。
其中，目标用户可以是任意用户，例如可以是测试人员，还可以是进行本次测试的志愿者等。目标用户的信息可以是与目标用户相关的信息，例如，目标用户的信息可以包括目标用户的姓名、身份证件号码、手机号码、面部图像、虹膜图像、视网膜图像等，具体可以根据实际情况设定。生物特征识别攻击可以是通过图像等方式对用户的生物特征进行识别的过程，并对上述过程进行攻击，以验证生物识别设备的识别能力，例如对用户的面部识别进行攻击，以此来验证生物识别设备的面部识别能力，再例如，对用户的虹膜识别进行攻击，以此来验证生物识别设备的虹膜识别能力等，具体可以根据实际情况设定，本说明书实施例对此不作限定。测试用例可以是进行上述攻击测试所需要使用的样本或案例，测试用例可以包括一个或多个，每个测试用例中可以包括一个或多个测试图像，该测试图像可以是进行基于图像的生物特征识别相关图像，例如，若生物特征识别为面部识别，则测试图像可以是面部图像，若生物特征识别为虹膜识别，则测试图像可以是虹膜图像，若生物特征识别为视网膜识别，则测试图像可以是视网膜图像等，具体可以根据实际情况设定，本说明书实施例对此不作限定。进行上述生物特征识别攻击对应的肢体部位实体模型可以是进行上述生物特征识别攻击对应的肢体部位的多维实体模型，例如进行面部识别攻击对应的面部的3维实体模型，具体如3维面具等，再例如进行虹膜识别攻击对应的眼睛的3维实体模型，具体如3维眼部模型等。
在实施中，生物识别(如面部识别、虹膜识别、视网膜识别等)中往往采用相应的生物识别算法实现，生物识别算法中应用到的机器学习算法较多，机器学习算法的结果概率性较强。在对生物识别设备的生物识别能力进行测试的过程中，通常可以采用人工测试的方式，即召集多个不同的测试志愿者，然后，通过上述测试志愿者分别进行上述生物识别测试，直到所有的测试志愿者均完成测试，从而得到测试结果，但是，由于生物识别算法中应用到的机器学习算法较多，而机器学习算法的特点是结果的概率性较强，在对生物识别设备的生物识别能力进行测试的过程中需要进行大量的尝试，从而需要消耗较多的人力资源，并且测试周期会很长，而且通过人工测试也会使得每次人工操作的误差较大，且很难复现，因此，需要提供一种更优的生物识别测试方案，从而可以对生物识别进行更高效和更准确的测试。本说明书实施例提供一种可实现的技术方案，具体可以包括以下内容：
为了更好的对生物特征识别进行攻击测试，可以针对不同的测试志愿者分别设置测试图像，例如，对于面部识别，可以分别获取每个测试志愿者的多个不同姿态的图像，并可以将包括面部图像在内的图像作为测试图像，又例如，对于虹膜识别，可以分别获取每个测试志愿者的多个不同角度下的虹膜图像，并可以将上述虹膜图像作为测试图像。通过上述方式获取到不同测试志愿者的测试图像后，可以基于获取的测试图像生成进行基于图像的生物特征识别攻击所需使用的测试用例，其中每个测试用例中可以包括某一个测试志愿者的一个或多个测试图像，或者，还可以包括多个不同的测试志愿者的一个或多个测试图像。
为了提高测试效率，可以根据生物特征识别和生物特征识别攻击测试的处理机制，预先通过相应的编程语言开发测试页面，如图2所示，该测试页面中可以包括待测试的目标用户的信息的输入框、生物特征识别的选择框、测试时长、测试开始时间、测试用例的数量、测试结果输出框、确定按键和取消按键等。当需要对某生物识别设备进行生物特征识别攻击时，测试人员可以确定该生物识别设备所属的用户(即目标用户)，然后，可以获取目标用户的相关信息，如目标用户的面部图像或虹膜图像等。可以将获取的上述相关信息输入到目标用户的信息的输入框中，输入完成后，测试人员还可以根据实际情况，通过生物特征识别的选择框选择需要进行的生物特征识别过程，并可以设置测试时长、测试开始时间、测试用例的数量等，上述设置完成后，测试人员可以启动测试过程，即测试人员可以点击上述页面中的确定按键，此时，测试设备可以从目标用户的信息的输入框中获取待测试的目标用户的相关信息，此外，还可以获取如生物特征识别的测试类型、测试时长、测试开始时间和测试用例的数量等。可以对目标用户的相关信息和上述获取的其它信息进行分析，确定对目标用户进行基于图像的生物特征识别攻击所需的测试用例。
例如，生物特征识别的选择框中选择的面部识别，测试开始时间为当前时刻立即开始，测试时长和测试用例的数量可以不做限定，待测试的目标用户的信息可以为目标用户的姓名等标识，则可以基于目标用户的标识获取目标用户的进行面部识别设置的基准面部图像等相关信息，然后，可以基于目标用户的进行面部识别设置的基准面部图像等相关信息，从测试用例数据库中选取与目标用户的进行面部识别设置的基准面部图像相似度大于预定阈值的测试用例，并可以将上述选取的测试用例作为对目标用户进行基于图像的生物特征识别攻击所需的测试用例。
在步骤S104中，控制机械臂将上述测试用例中的测试图像或肢体部位实体模型放置在生物识别设备的识别区域内，并控制机械臂调整上述测试用例处于多个不同的位置姿态，以进行生物特征识别的攻击测试，得到针对上述测试用例的每个位置姿态的测试结果。
其中，识别区域可以是生物识别设备进行是生物特征识别的过程中能够对用户进行有效识别的区域，例如，以面部识别为例，可以将距离生物识别设备的水平距离为10厘米-100厘米，且生物识别设备的正前方的空间区域作为识别区域等，具体可以根据实际情况设定，本说明书实施例对此不做限定。位置姿态可以是指位置和摆放姿态等，其中的位置可以是地理位置坐标或根据实际情况设定的以某一点或面为起始点或起始面建立的坐标系对应的坐标等，其中的摆放姿态可以如倾斜姿态、水平姿态、倒置姿态等，具体可以根据实际情况设定，本说明书实施例对此不做限定。
在实施中，测试设备中的主控子设备确定对目标用户进行生物特征识别攻击所需的测试用例后，可以对得到的测试用例进行分析，确定其中包含的测试图像的数量和/或肢体部位实体模型的数量，以及测试用户当前所处的位置信息，然后，可以向机械臂发送测试用例的位置信息，机械臂可以基于测试用例的位置信息，通过摄像组件查找上述测试用例所在的位置，然后，机械臂可以到达查找的位置拾取测试用例，其中，如果测试用例中包括多个测试图像和/或多个肢体部位实体模型，则机械臂可以根据每个测试图像或肢体部位实体模型所在的位置，拾取相应的测试图像或肢体部位实体模型等。机械臂拾取相应的测试图像或肢体部位实体模型后，测试人员可以将生物识别设备放置或固定在指定位置，或者，主控子设备可以向机械臂发送设置生物识别设备的指令，机械臂可以通过摄像组件查找生物识别设备，然后，可以拾取生物识别设备，并可以将其放置或固定在指定位置。
主控子设备可以确定生物识别设备的识别区域，完成后，可以控制机械臂将上述测试用例中的测试图像或肢体部位实体模型放置在生物识别设备的识别区域内，此时，测试设备可以触发生物识别设备进行生物特征识别处理，或者，生物识别设备自动启动生物特征识别处理，生物识别设备可以启动其摄像组件采集识别区域中的测试图像或肢体部位实体模型，同时可以记录识别的结果。主控子设备还可以控制机械臂调整测试用例的位置姿态，从而使得测试用例可以处于多个不同的位置姿态，其中，多个不同的位置姿态可以基于多个不同的维度确定，例如二维的位置姿态、三维的位置姿态或五维的位置姿态等，具体可以根据实际情况设定，本说明书实施例对此不做限定。针对每一个位置姿态，生物识别设备可以启动其摄像组件采集识别区域中的测试图像或肢体部位实体模型，同时可以记录识别的结果。基于上述方式，可以进行生物特征识别的攻击测试，得到针对上述测试用例的每个位置姿态的测试结果，测试设备可以获取该测试结果。
在步骤S106中，基于针对上述测试用例的每个位置姿态对应的测试结果，确定对目标用户进行生物特征识别攻击的测试结果。
其中，对目标用户进行生物特征识别攻击的测试结果可以包括攻击成功率、生物特征识别准确度等，具体可以根据实际情况设定，本说明书实施例对此不做限定。
在实施中，可以对上述测试用例的每个位置姿态对应的测试结果进行统计分析，确定测试结果为通过和测试结果为未通过的数量，然后，可以基于统计分析的结果，确定对目标用户进行生物特征识别攻击的测试结果。例如，此时用例中包括一张测试图像，测试设备控制机械臂对该测试图像调整了27种不同的位置姿态，其中有2种位置姿态对应的测试结果为通过，剩余的25种位置姿态对应的测试结果为未通过，则对目标用户进行生物特征识别攻击的测试结果可以包括攻击成功率为2/27＝7.4％，生物特征识别准确度为92.6％等。
本说明书实施例提供一种生物特征识别的攻击测试方法，基于待测试的目标用户的信息，获取对目标用户进行生物特征识别攻击所需的测试用例，该测试用例中包括测试图像和/或进行生物特征识别攻击对应的肢体部位实体模型，控制机械臂将测试用例中的测试图像或肢体部位实体模型放置在生物识别设备的识别区域内，这样，通过机械臂对进行生物识别的攻击测试，从而减少了人力资源，此外，机械臂的各种参数(如距离等)处于可控范围内，从而降低了人工测试中存在的客观误差，此外，还可以控制机械臂调整测试用例处于多个不同的位置姿态，以进行生物特征识别的攻击测试，得到针对测试用例的每个位置姿态的测试结果，基于针对测试用例的每个位置姿态对应的测试结果，确定对目标用户进行生物特征识别攻击的测试结果，这样通过机械臂进行测试控制，提高了测试效率和测试的准确性。
实施例二
如图3所示，本说明书实施例提供一种生物特征识别的攻击测试方法，该方法的执行主体可以为生物特征识别的测试设备，该测试设备可以包括主控子设备和机械臂等，其中的主控子设备可以是终端设备或服务器，其中，该服务器可以是独立的一个服务器，还可以是由多个服务器构成的服务器集群等，该服务器可以是如金融业务或网络购物业务等的后台服务器，也可以是某应用程序的后台服务器等。该终端设备可以如手机或平板电脑等移动终端设备，还可以如个人计算机等设备。本说明书实施例中以主控子设备为终端设备为例进行详细说明，对于服务器的情况，可以参见下述相关内容，在此不再赘述。其中的机械臂可以与主控子设备相连接，主控子设备可以向机械臂发送控制指令，机械臂可以基于该控制指令执行相应的操作，机械臂上还可以设置有摄像组件(如摄像头等)，通过摄像组件可以对机械臂的操作的准确性进行校准和反馈，并可以通过摄像组件确定或查找需要操作的对象等。该方法具体可以包括以下步骤：
在步骤S302中，获取当前环境信息，该环境信息包括以下中的一种或多种：温度、湿度和光照强度。
其中，环境信息也可以不仅仅包括上述信息，还可以包括其它相关信息，具体可以根据实际情况设定。
在实施中，测试设备中还可以设置有温度传感器、湿度传感器、光照强度传感器等，可以通过上述传感器分别获取当前的温度、湿度和光照强度，即可以通过温度传感器检测当前的温度，通过湿度传感器检测当前的湿度，通过光照强度传感器检测当前的光照强度，可以将上述各个传感器检测到的温度、湿度和光照强度等提供给测试设备，从而测试设备可以获取到当前的环境信息。
在步骤S304中，基于预设的基准环境信息，对当前环境信息进行调整，得到进行生物特征识别攻击测试的环境信息。
其中，基准环境信息可以是预先设定的作为标准使用的环境的信息，不同的生物特征识别攻击测试，基准环境信息可以不同，例如面部识别攻击测试对应的基准环境信息与虹膜识别攻击测试对应的基准环境信息可以不同。
在实施中，考虑到不同的环境对生物特征识别会产生一定的影响，例如不同的温度会对面部识别部件的灵敏度产生影响，具体如，若环境温度低于预设温度阈值，则面部识别部件的灵敏度会明显下降等，为了消除因环境的变化而造成不同的生物特征识别攻击测试结果，可以预先设定统一的环境信息(即基准环境信息)，该基准环境信息可以是基于对生物特征识别部件的影响最小或能够使得生物特征识别部件的稳定性最好的环境对应的环境信息等，具体可以根据实际情况设定。
通过上述方式设定基准环境信息后，在获取到当前的环境信息时，可以通过该基准环境信息对当前环境信息进行调整，使得当前的环境信息与基准环境信息相匹配，例如，基准环境信息可以包括温度为25摄氏度，当前环境信息可以为温度10摄氏度，则可以对当前的温度进行调整，使其温度的数值达到25摄氏度，或者，将当前的温度调整到与25摄氏度相匹配的温度范围内，如24摄氏度-26摄氏度等，最终可以得到进行生物特征识别攻击测试的环境信息。
基于得到的上述环境信息，上述实施例一中步骤S102的处理可以通过下述步骤S306的方式实现，具体可以参见下述步骤S306的处理。
在步骤S306中，在进行生物特征识别攻击测试的环境信息对应的环境下，基于待测试的目标用户的信息，获取对目标用户进行生物特征识别攻击所需的测试用例，该测试用例中包括测试图像和/或进行上述生物特征识别攻击对应的肢体部位实体模型。
在实施中，在进行生物特征识别攻击测试的环境信息对应的环境下，基于待测试的目标用户的信息，获取对目标用户进行生物特征识别攻击所需的测试用例，上述步骤S306中的基于待测试的目标用户的信息，获取对目标用户进行生物特征识别攻击所需的测试用例的具体处理过程可以参见图2和上述实施例一中步骤S102的具体处理过程，在此不再赘述。
另外，上述步骤S306的处理还可以通过下述方式实现：基于待测试的目标用户的信息，获取对目标用户进行生物特征识别攻击所需的测试用例的标识，该标识基于图形码进行设置；基于所述标识，通过机械臂上设置的摄像组件扫描图形码的方式，控制机械臂从测试用例数据库中获取该标识对应的测试用例。
在实施中，可以为每个测试用例设置一个或多个标识，可以通过该标识生成相应的图形码(如条形码或二维码等)，并可以将生成的图形码与测试用例对应存储，当需要查找某测试用例时，可以通过机械臂上设置的摄像组件扫描测试用例对应的图形码进行查找。上述实现方式仅是一种可选的实现方式，在实际应用中还可以包括多种不同的实现方式，具体可以根据实际情况设定。
需要说明的是，如果测试用例中包括测试图像，则该测试图像可以通过以下方式获取：获取生物识别设备中预先存储的针对目标用户的第一数据，第一数据包括以下中的一种或多种：图像、视频和二进制文件；基于第一数据，确定对目标用户进行生物特征识别攻击所需的测试图像。
其中的二进制文件可以是二进制的图像或二进制的视频等。
在实际应用中，除了可以通过上述方式获取测试图像外，还可以通过多种方式获取测试图像，以下再提供一种可实现的测试图像获取方式，具体可以包括以下内容：获取生物识别设备通过摄像组件预先采集的目标用户的第二数据，第二数据包括以下中的一种或多种：图像、视频和二进制文件；基于第二数据，确定对目标用户进行生物特征识别攻击所需的测试图像。
在步骤S308中，生物识别设备获取针对目标用户的进行生物特征识别的基准生物特征图像。
其中，基准生物特征图像可以是作为标准生物特征的图像，基准生物特征图像中记录有准确的或真实的生物特征。生物识别设备可以包括但不限于个人计算机、手机、交易机具(如售卖机等)和各类可穿戴设备(如智能手环或智能手表等)。
在实施中，为了对生物识别设备进行攻击测试，可以预先向该生物识别设备中录入基准生物特征图像，具体地，生物识别设备中可以设置有基准生物特征图像的录入页面，当目标用户需要向生物识别设备中录入基准生物特征图像时，可以通过该生物识别设备打开上述录入页面，可以通过该录入页面触发该生物识别设备的摄像组件，基于该摄像组件可以采集目标用户的一个或多个生物特征图像，生物识别设备可以基于采集的一个或多个生物特征图像生成针对目标用户的进行生物特征识别的基准生物特征图像，并可以将该基准生物特征图像存储在生物识别设备中。
需要说明的是，除了可以通过上述方式获取基准生物特征图像外，还可以通过多种方式获取基准生物特征图像，以下再提供两种可实现的方式，具体可以参见下述方式一和方式二的处理。
方式一：获取生物识别设备预先存储的针对目标用户的第三数据，第三数据包括以下中的一种或多种：图像、视频和二进制文件；基于第三数据，确定针对目标用户的进行生物特征识别的基准生物特征图像。
方式二：获取生物识别设备通过摄像组件预先采集的目标用户的第四数据，第四数据包括以下中的一种或多种：图像、视频和二进制文件；基于第四数据，确定针对目标用户的进行生物特征识别的基准生物特征图像。
在步骤S310中，控制机械臂将上述测试用例中的测试图像或肢体部位实体模型放置在生物识别设备的识别区域内。
在步骤S312中，控制机械臂调整上述测试用例处于多个不同的位置姿态，并调整生物识别设备的位置姿态，以进行生物特征识别的攻击测试，得到针对该测试用例的每个位置姿态和生物识别设备的每个位置姿态的测试结果。
在实施中，可以控制机械臂调整上述测试用例处于多个不同的位置姿态，具体处理过程可以参见上述实施例一中步骤S104中的相关内容，在此不再赘述。此外，在调整上述测试用例处于多个不同的位置姿态的同时，调整生物识别设备的位置姿态，这样，可以得到多个不同的测试用例的位置姿态与生物识别设备的位置姿态的组合，例如，测试用例的位置姿态可以包括A1、A2、A3，生物识别设备的位置姿态可以包括B1、B2，则位置姿态的组合可以包括A1B1、A1B2、A2B1、A3B1、A2B2、A3B2等。可以基于不同的位置姿态的组合进行生物特征识别的攻击测试，得到针对该测试用例的每个位置姿态和生物识别设备的每个位置姿态的测试结果(即每种位置姿态的组合对应的测试结果)。
需要说明的是，上述控制机械臂调整上述测试用例处于多个不同的位置姿态可以通过多种不同的方式实现，以下提供两种可选的处理方式，具体可以包括以下方式一和方式二的处理。
方式一：控制机械臂沿着三维坐标系中的坐标轴调整上述测试用例处于多个不同的位置姿态，以进行生物特征识别的攻击测试，得到针对该测试用例的每个位置姿态的测试结果。
在实施中，可以通过三维坐标系中的坐标轴对测试用例的位置姿态进行调整，如可以沿着x轴、y轴或z轴对测试用例的位置姿态进行调整等，具体调整过程可以根据实际情况设定，本说明书实施例对此不做限定。
方式二：控制机械臂沿着极坐标系中下述一种或多种方式：预定的球半径、预定的水平夹角和预定的垂直夹角，调整上述测试用例处于多个不同的位置姿态，以进行生物特征识别的攻击测试，得到针对该测试用例的每个位置姿态的测试结果。
在实施中，测试设备不仅可以通过上述三维坐标系中的坐标轴对测试用例的位置姿态进行调整，还可以通过极坐标系中的相应处理方式对测试用例的位置姿态进行调整，即如可以沿着预定的球半径对测试用例的位置姿态进行调整，或可以沿着预定的水平夹角对测试用例的位置姿态进行调整等，具体调整过程可以根据实际情况设定，本说明书实施例对此不做限定。
基于上述内容，上述控制机械臂调整生物识别设备的位置姿态可以通过多种不同的方式实现，以下提供两种可选的处理方式，具体可以包括以下方式一和方式二的处理。
方式一：控制机械臂沿着三维坐标系中的坐标轴调整生物识别设备的位置姿态。
方式二：控制机械臂沿着极坐标系中下述一种或多种方式：预定的球半径、预定的水平夹角和预定的垂直夹角，调整生物识别设备的位置姿态。
生物识别设备可以基于基准生物特征图像，对该测试用例进行生物特征识别，得到相应的识别结果，可以将得到识别结果提供给测试设备，测试设备可以基于识别结果，确定针对该测试用例的每个位置姿态和生物识别设备的每个位置姿态的测试结果。
基于上述处理，可以自动化地动态调整生物识别设备与测试用例的相对位置，可以通过多次攻击测试，实现测试范围可以覆盖整个测试用例的轨迹范围，可以调整生物识别设备和测试用例的相对位置，使得测试范围和测试用例的轨迹范围比例进行动态调整，具体可以参见下述相关内容：处于多个不同的位置姿态的测试用例所覆盖的区域大于或等于进行生物特征识别的攻击测试对应的区域。
如图4所示，多个圆形区域为测试用例的轨迹范围，测试范围为方形区域的范围，显然，处于多个不同的位置姿态的测试用例所覆盖的区域大于或等于进行生物特征识别的攻击测试对应的区域，从而可以提高测试的准确性和全面性。
在步骤S314中，基于针对测试用例的每个位置姿态对应的测试结果，确定对目标用户进行生物特征识别攻击的测试结果。
在实施中，可以通过机械臂上设置的摄像组件获取针对测试用例的每个位置姿态对应的测试结果，还可以从生物识别设备中预先记录的信息中获取针对测试用例的每个位置姿态对应的测试结果，最终可以基于获取的针对测试用例的每个位置姿态对应的测试结果，确定对目标用户进行生物特征识别攻击的测试结果，具体处理过程可以参见上述实施例一中的相关内容，在此不再赘述。
另外，对于测试用例中包括测试图像的情况，测试设备还可以通过下述方式对测试图像进行调整，具体可以包括：控制机械臂调整测试图像的亮度、色彩饱和度和播放速度中的一项或多项，以进行生物特征识别的攻击测试，得到针对该测试图像的测试结果。
在实施中，该测试图像可以通过显示设备进行显示，机械臂可以通过显示设备中提供的图像调节按键，调整测试图像的亮度、色彩饱和度或播放速度等，并可以通过调整后的测试图像进行生物特征识别的攻击测试，得到针对该测试图像的测试结果，具体处理过程可以参见上述实施例一中的相关内容，在此不再赘述。
基于上述处理，上述步骤S314的处理可以为：基于针对上述测试用例的每个位置姿态对应的测试结果和针对该测试图像的测试结果，确定对目标用户进行生物特征识别攻击的测试结果。
本说明书实施例提供一种生物特征识别的攻击测试方法，基于待测试的目标用户的信息，获取对目标用户进行生物特征识别攻击所需的测试用例，该测试用例中包括测试图像和/或进行生物特征识别攻击对应的肢体部位实体模型，控制机械臂将测试用例中的测试图像或肢体部位实体模型放置在生物识别设备的识别区域内，这样，通过机械臂对进行生物识别的攻击测试，从而减少了人力资源，此外，机械臂的各种参数(如距离等)处于可控范围内，从而降低了人工测试中存在的客观误差，此外，还可以控制机械臂调整测试用例处于多个不同的位置姿态，以进行生物特征识别的攻击测试，得到针对测试用例的每个位置姿态的测试结果，基于针对测试用例的每个位置姿态对应的测试结果，确定对目标用户进行生物特征识别攻击的测试结果，这样通过机械臂进行测试控制，提高了测试效率和测试的准确性。
此外，通过利用机械臂可以进行多种角度、多个位置姿态的变换，实现自动化的生物识别测试的目的，使得生物识别过程中出现的问题容易进行重现，同时也节省了测试中的人力资源。
实施例三
以上为本说明书实施例提供的生物特征识别的攻击测试方法，基于同样的思路，本说明书实施例还提供一种生物特征识别的攻击测试装置，如图5所示。
该生物特征识别的攻击测试装置包括：测试用例获取模块501、攻击测试模块502和测试结果确定模块503，其中：
测试用例获取模块501，基于待测试的目标用户的信息，获取对所述目标用户进行生物特征识别攻击所需的测试用例，所述测试用例中包括测试图像和/或进行所述生物特征识别攻击对应的肢体部位实体模型；
攻击测试模块502，控制所述机械臂将所述测试用例中的测试图像或所述肢体部位实体模型放置在生物识别设备的识别区域内，并控制所述机械臂调整所述测试用例处于多个不同的位置姿态，以进行生物特征识别的攻击测试，得到针对所述测试用例的每个位置姿态的测试结果；
测试结果确定模块503，基于针对所述测试用例的每个位置姿态对应的测试结果，确定对所述目标用户进行生物特征识别攻击的测试结果。
本说明书实施例中，所述攻击测试模块502，控制所述机械臂调整所述测试用例处于多个不同的位置姿态，并调整生物识别设备的位置姿态，以进行生物特征识别的攻击测试，得到针对所述测试用例的每个位置姿态和所述生物识别设备的每个位置姿态的测试结果。
本说明书实施例中，所述装置还包括：
环境信息获取模块，获取当前环境信息，所述环境信息包括以下中的一种或多种：温度、湿度和光照强度；
环境调整模块，基于预设的基准环境信息，对所述当前环境信息进行调整，得到进行所述生物特征识别攻击测试的环境信息；
所述测试用例获取模块501，在进行所述生物特征识别攻击测试的环境信息对应的环境下，基于待测试的目标用户的信息，获取对所述目标用户进行生物特征识别攻击所需的测试用例。
本说明书实施例中，所述测试用例中包括测试图像，所述装置还包括：
第一数据获取模块，获取所述生物识别设备中预先存储的针对所述目标用户的第一数据，所述第一数据包括以下中的一种或多种：图像、视频和二进制文件；
第一测试图像确定模块，基于所述第一数据，确定对所述目标用户进行生物特征识别攻击所需的测试图像。
本说明书实施例中，所述测试用例中包括测试图像，所述装置还包括：
第二数据获取模块，获取所述生物识别设备通过摄像组件预先采集的所述目标用户的第二数据，所述第二数据包括以下中的一种或多种：图像、视频和二进制文件；
第二测试图像确定模块，基于所述第二数据，确定对所述目标用户进行生物特征识别攻击所需的测试图像。
本说明书实施例中，所述攻击测试模块502，控制所述机械臂沿着三维坐标系中的坐标轴调整所述测试用例处于多个不同的位置姿态，以进行生物特征识别的攻击测试，得到针对所述测试用例的每个位置姿态的测试结果；或者，
控制所述机械臂沿着极坐标系中下述一种或多种方式：预定的球半径、预定的水平夹角和预定的垂直夹角，调整所述测试用例处于多个不同的位置姿态，以进行生物特征识别的攻击测试，得到针对所述测试用例的每个位置姿态的测试结果。
本说明书实施例中，所述处于多个不同的位置姿态的所述测试用例所覆盖的区域大于或等于进行所述生物特征识别的攻击测试对应的区域。
本说明书实施例中，所述测试用例中包括测试图像，所述装置还包括：
调整模块，控制所述机械臂调整所述测试图像的亮度、色彩饱和度和播放速度中的一项或多项，以进行生物特征识别的攻击测试，得到针对所述测试图像的测试结果；
所述测试结果确定模块503，基于针对所述测试用例的每个位置姿态对应的测试结果和针对所述测试图像的测试结果，确定对所述目标用户进行生物特征识别攻击的测试结果。
本说明书实施例中，所述测试用例获取模块501，包括：
标识获取单元，基于待测试的目标用户的信息，获取对所述目标用户进行生物特征识别攻击所需的测试用例的标识，所述标识基于图形码进行设置；
测试用例获取单元，基于所述标识，通过所述机械臂上设置的摄像组件扫描图形码的方式，控制所述机械臂从测试用例数据库中获取所述标识对应的测试用例。
本说明书实施例提供一种生物特征识别的攻击测试装置，基于待测试的目标用户的信息，获取对目标用户进行生物特征识别攻击所需的测试用例，该测试用例中包括测试图像和/或进行生物特征识别攻击对应的肢体部位实体模型，控制机械臂将测试用例中的测试图像或肢体部位实体模型放置在生物识别设备的识别区域内，这样，通过机械臂对进行生物识别的攻击测试，从而减少了人力资源，此外，机械臂的各种参数(如距离等)处于可控范围内，从而降低了人工测试中存在的客观误差，此外，还可以控制机械臂调整测试用例处于多个不同的位置姿态，以进行生物特征识别的攻击测试，得到针对测试用例的每个位置姿态的测试结果，基于针对测试用例的每个位置姿态对应的测试结果，确定对目标用户进行生物特征识别攻击的测试结果，这样通过机械臂进行测试控制，提高了测试效率和测试的准确性。
此外，通过利用机械臂可以进行多种角度、多个位置姿态的变换，实现自动化的生物识别测试的目的，使得生物识别过程中出现的问题容易进行重现，同时也节省了测试中的人力资源。
实施例四
以上为本说明书实施例提供的生物特征识别的攻击测试装置，基于同样的思路，本说明书实施例还提供一种生物特征识别的攻击测试设备，如图6所示。
所述生物特征识别的攻击测试设备可以为上述实施例提供的生物特征识别的测试设备，该测试设备可以包括主控子设备和机械臂等，其中的主控子设备可以是终端设备或服务器，其中，该服务器可以是独立的一个服务器，还可以是由多个服务器构成的服务器集群等，该服务器可以是如金融业务或网络购物业务等的后台服务器，也可以是某应用程序的后台服务器等。该终端设备可以如手机或平板电脑等移动终端设备，还可以如个人计算机等设备。
生物特征识别的攻击测试设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上的处理器601和存储器602，存储器602中可以存储有一个或一个以上存储应用程序或数据。其中，存储器602可以是短暂存储或持久存储。存储在存储器602的应用程序可以包括一个或一个以上模块(图示未示出)，每个模块可以包括对生物特征识别的攻击测试设备中的一系列计算机可执行指令。更进一步地，处理器601可以设置为与存储器602通信，在生物特征识别的攻击测试设备上执行存储器602中的一系列计算机可执行指令。生物特征识别的攻击测试设备还可以包括一个或一个以上电源603，一个或一个以上有线或无线网络接口604，一个或一个以上输入输出接口605，一个或一个以上键盘606和机械臂607。
具体在本实施例中，生物特征识别的攻击测试设备包括有存储器，以及一个或一个以上的程序，其中一个或者一个以上程序存储于存储器中，且一个或者一个以上程序可以包括一个或一个以上模块，且每个模块可以包括对生物特征识别的攻击测试设备中的一系列计算机可执行指令，且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令：
基于待测试的目标用户的信息，获取对所述目标用户进行生物特征识别攻击所需的测试用例，所述测试用例中包括测试图像和/或进行所述生物特征识别攻击对应的肢体部位实体模型；
控制所述机械臂将所述测试用例中的测试图像或所述肢体部位实体模型放置在生物识别设备的识别区域内，并控制所述机械臂调整所述测试用例处于多个不同的位置姿态，以进行生物特征识别的攻击测试，得到针对所述测试用例的每个位置姿态的测试结果；
基于针对所述测试用例的每个位置姿态对应的测试结果，确定对所述目标用户进行生物特征识别攻击的测试结果。
本说明书实施例中，所述控制所述机械臂调整所述测试用例处于多个不同的位置姿态，以进行生物特征识别的攻击测试，得到针对所述测试用例的每个位置姿态的测试结果，包括：
控制所述机械臂调整所述测试用例处于多个不同的位置姿态，并调整生物识别设备的位置姿态，以进行生物特征识别的攻击测试，得到针对所述测试用例的每个位置姿态和所述生物识别设备的每个位置姿态的测试结果。
本说明书实施例中，还包括：
获取当前环境信息，所述环境信息包括以下中的一种或多种：温度、湿度和光照强度；
基于预设的基准环境信息，对所述当前环境信息进行调整，得到进行所述生物特征识别攻击测试的环境信息；
所述基于待测试的目标用户的信息，获取对所述目标用户进行生物特征识别攻击所需的测试用例，包括：
在进行所述生物特征识别攻击测试的环境信息对应的环境下，基于待测试的目标用户的信息，获取对所述目标用户进行生物特征识别攻击所需的测试用例。
本说明书实施例中，所述测试用例中包括测试图像，所述测试图像的获取方式包括：
获取所述生物识别设备中预先存储的针对所述目标用户的第一数据，所述第一数据包括以下中的一种或多种：图像、视频和二进制文件；
基于所述第一数据，确定对所述目标用户进行生物特征识别攻击所需的测试图像。
本说明书实施例中，所述测试用例中包括测试图像，所述测试图像的获取方式包括：
获取所述生物识别设备通过摄像组件预先采集的所述目标用户的第二数据，所述第二数据包括以下中的一种或多种：图像、视频和二进制文件；
基于所述第二数据，确定对所述目标用户进行生物特征识别攻击所需的测试图像。
本说明书实施例中，所述控制所述机械臂调整所述测试用例处于多个不同的位置姿态，以进行生物特征识别的攻击测试，得到针对所述测试用例的每个位置姿态的测试结果，包括：
控制所述机械臂沿着三维坐标系中的坐标轴调整所述测试用例处于多个不同的位置姿态，以进行生物特征识别的攻击测试，得到针对所述测试用例的每个位置姿态的测试结果；或者，
控制所述机械臂沿着极坐标系中下述一种或多种方式：预定的球半径、预定的水平夹角和预定的垂直夹角，调整所述测试用例处于多个不同的位置姿态，以进行生物特征识别的攻击测试，得到针对所述测试用例的每个位置姿态的测试结果。
本说明书实施例中，所述处于多个不同的位置姿态的所述测试用例所覆盖的区域大于或等于进行所述生物特征识别的攻击测试对应的区域。
本说明书实施例中，所述测试用例中包括测试图像，还包括：
控制所述机械臂调整所述测试图像的亮度、色彩饱和度和播放速度中的一项或多项，以进行生物特征识别的攻击测试，得到针对所述测试图像的测试结果；
所述基于针对所述测试用例的每个位置姿态对应的测试结果，确定对所述目标用户进行生物特征识别攻击的测试结果，包括：
基于针对所述测试用例的每个位置姿态对应的测试结果和针对所述测试图像的测试结果，确定对所述目标用户进行生物特征识别攻击的测试结果。
本说明书实施例中，所述基于待测试的目标用户的信息，获取对所述目标用户进行生物特征识别攻击所需的测试用例，包括：
基于待测试的目标用户的信息，获取对所述目标用户进行生物特征识别攻击所需的测试用例的标识，所述标识基于图形码进行设置；
基于所述标识，通过所述机械臂上设置的摄像组件扫描图形码的方式，控制所述机械臂从测试用例数据库中获取所述标识对应的测试用例。
本说明书实施例提供一种生物特征识别的攻击测试设备，基于待测试的目标用户的信息，获取对目标用户进行生物特征识别攻击所需的测试用例，该测试用例中包括测试图像和/或进行生物特征识别攻击对应的肢体部位实体模型，控制机械臂将测试用例中的测试图像或肢体部位实体模型放置在生物识别设备的识别区域内，这样，通过机械臂对进行生物识别的攻击测试，从而减少了人力资源，此外，机械臂的各种参数(如距离等)处于可控范围内，从而降低了人工测试中存在的客观误差，此外，还可以控制机械臂调整测试用例处于多个不同的位置姿态，以进行生物特征识别的攻击测试，得到针对测试用例的每个位置姿态的测试结果，基于针对测试用例的每个位置姿态对应的测试结果，确定对目标用户进行生物特征识别攻击的测试结果，这样通过机械臂进行测试控制，提高了测试效率和测试的准确性。
此外，通过利用机械臂可以进行多种角度、多个位置姿态的变换，实现自动化的生物识别测试的目的，使得生物识别过程中出现的问题容易进行重现，同时也节省了测试中的人力资源。
实施例五
进一步地，基于上述图1至图4所示的方法，本说明书一个或多个实施例还提供了一种存储介质，用于存储计算机可执行指令信息，一种具体的实施例中，该存储介质可以为U盘、光盘、硬盘等，该存储介质存储的计算机可执行指令信息在被处理器执行时，能实现以下流程：
基于待测试的目标用户的信息，获取对所述目标用户进行生物特征识别攻击所需的测试用例，所述测试用例中包括测试图像和/或进行所述生物特征识别攻击对应的肢体部位实体模型；
控制所述机械臂将所述测试用例中的测试图像或所述肢体部位实体模型放置在生物识别设备的识别区域内，并控制所述机械臂调整所述测试用例处于多个不同的位置姿态，以进行生物特征识别的攻击测试，得到针对所述测试用例的每个位置姿态的测试结果；
基于针对所述测试用例的每个位置姿态对应的测试结果，确定对所述目标用户进行生物特征识别攻击的测试结果。
本说明书实施例中，所述控制所述机械臂调整所述测试用例处于多个不同的位置姿态，以进行生物特征识别的攻击测试，得到针对所述测试用例的每个位置姿态的测试结果，包括：
控制所述机械臂调整所述测试用例处于多个不同的位置姿态，并调整生物识别设备的位置姿态，以进行生物特征识别的攻击测试，得到针对所述测试用例的每个位置姿态和所述生物识别设备的每个位置姿态的测试结果。
本说明书实施例中，还包括：
获取当前环境信息，所述环境信息包括以下中的一种或多种：温度、湿度和光照强度；
基于预设的基准环境信息，对所述当前环境信息进行调整，得到进行所述生物特征识别攻击测试的环境信息；
所述基于待测试的目标用户的信息，获取对所述目标用户进行生物特征识别攻击所需的测试用例，包括：
在进行所述生物特征识别攻击测试的环境信息对应的环境下，基于待测试的目标用户的信息，获取对所述目标用户进行生物特征识别攻击所需的测试用例。
本说明书实施例中，所述测试用例中包括测试图像，所述测试图像的获取方式包括：
获取所述生物识别设备中预先存储的针对所述目标用户的第一数据，所述第一数据包括以下中的一种或多种：图像、视频和二进制文件；
基于所述第一数据，确定对所述目标用户进行生物特征识别攻击所需的测试图像。
本说明书实施例中，所述测试用例中包括测试图像，所述测试图像的获取方式包括：
获取所述生物识别设备通过摄像组件预先采集的所述目标用户的第二数据，所述第二数据包括以下中的一种或多种：图像、视频和二进制文件；
基于所述第二数据，确定对所述目标用户进行生物特征识别攻击所需的测试图像。
本说明书实施例中，所述控制所述机械臂调整所述测试用例处于多个不同的位置姿态，以进行生物特征识别的攻击测试，得到针对所述测试用例的每个位置姿态的测试结果，包括：
控制所述机械臂沿着三维坐标系中的坐标轴调整所述测试用例处于多个不同的位置姿态，以进行生物特征识别的攻击测试，得到针对所述测试用例的每个位置姿态的测试结果；或者，
控制所述机械臂沿着极坐标系中下述一种或多种方式：预定的球半径、预定的水平夹角和预定的垂直夹角，调整所述测试用例处于多个不同的位置姿态，以进行生物特征识别的攻击测试，得到针对所述测试用例的每个位置姿态的测试结果。
本说明书实施例中，所述处于多个不同的位置姿态的所述测试用例所覆盖的区域大于或等于进行所述生物特征识别的攻击测试对应的区域。
本说明书实施例中，所述测试用例中包括测试图像，还包括：
控制所述机械臂调整所述测试图像的亮度、色彩饱和度和播放速度中的一项或多项，以进行生物特征识别的攻击测试，得到针对所述测试图像的测试结果；
所述基于针对所述测试用例的每个位置姿态对应的测试结果，确定对所述目标用户进行生物特征识别攻击的测试结果，包括：
基于针对所述测试用例的每个位置姿态对应的测试结果和针对所述测试图像的测试结果，确定对所述目标用户进行生物特征识别攻击的测试结果。
本说明书实施例中，所述基于待测试的目标用户的信息，获取对所述目标用户进行生物特征识别攻击所需的测试用例，包括：
基于待测试的目标用户的信息，获取对所述目标用户进行生物特征识别攻击所需的测试用例的标识，所述标识基于图形码进行设置；
基于所述标识，通过所述机械臂上设置的摄像组件扫描图形码的方式，控制所述机械臂从测试用例数据库中获取所述标识对应的测试用例。
本说明书实施例提供一种存储介质，基于待测试的目标用户的信息，获取对目标用户进行生物特征识别攻击所需的测试用例，该测试用例中包括测试图像和/或进行生物特征识别攻击对应的肢体部位实体模型，控制机械臂将测试用例中的测试图像或肢体部位实体模型放置在生物识别设备的识别区域内，这样，通过机械臂对进行生物识别的攻击测试，从而减少了人力资源，此外，机械臂的各种参数(如距离等)处于可控范围内，从而降低了人工测试中存在的客观误差，此外，还可以控制机械臂调整测试用例处于多个不同的位置姿态，以进行生物特征识别的攻击测试，得到针对测试用例的每个位置姿态的测试结果，基于针对测试用例的每个位置姿态对应的测试结果，确定对目标用户进行生物特征识别攻击的测试结果，这样通过机械臂进行测试控制，提高了测试效率和测试的准确性。
此外，通过利用机械臂可以进行多种角度、多个位置姿态的变换，实现自动化的生物识别测试的目的，使得生物识别过程中出现的问题容易进行重现，同时也节省了测试中的人力资源。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device，PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书一个或多个实施例时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本说明书的实施例可提供为方法、系统、或计算机程序产品。因此，本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书一个或多个实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书的实施例是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程生物特征识别的攻击测试设备的处理器以产生一个机器，使得通过计算机或其他可编程生物特征识别的攻击测试设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程生物特征识别的攻击测试设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程生物特征识别的攻击测试设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书一个或多个实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书一个或多个实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。

Claims (16)

1.一种生物特征识别的攻击测试方法，所述方法包括：
获取对目标用户进行生物特征识别攻击所需的测试图像；
控制机械臂调整位于生物识别设备的识别区域中的所述测试图像处于多个不同的位置姿态，并触发所述生物识别设备采集识别区域中每个位置姿态的测试图像的图像，并基于采集的图像，以进行生物特征识别的攻击测试，得到针对所述测试图像的每个位置姿态的测试结果，其中，控制所述机械臂进行调整包括控制所述机械臂沿着三维坐标系中的坐标轴进行调整，或者，控制所述机械臂沿着极坐标系中下述一种或多种方式：预定的球半径、预定的水平夹角和预定的垂直夹角进行调整；
基于针对所述测试图像的每个位置姿态的测试结果，确定对所述目标用户进行生物特征识别攻击的测试结果。
2.根据权利要求1所述的方法，所述控制所述机械臂调整位于生物识别设备的识别区域中的所述测试图像处于多个不同的位置姿态，并触发所述生物识别设备采集识别区域中每个位置姿态的测试图像的图像，并基于采集的图像，以进行生物特征识别的攻击测试，得到针对所述测试图像的每个位置姿态的测试结果，包括：
控制所述机械臂调整所述测试图像处于多个不同的位置姿态，并调整生物识别设备的位置姿态，并触发所述生物识别设备采集识别区域中每个位置姿态的测试图像的图像，并基于采集的图像，以进行生物特征识别的攻击测试，得到针对所述测试图像的每个位置姿态和所述生物识别设备的每个位置姿态的测试结果。
3.根据权利要求1或2所述的方法，所述方法还包括：
获取当前环境信息，所述环境信息包括以下中的一种或多种：温度、湿度和光照强度；
基于预设的基准环境信息，对所述当前环境信息进行调整，得到进行所述生物特征识别攻击测试的环境信息；
所述获取对目标用户进行生物特征识别攻击所需的测试图像，包括：
在进行所述生物特征识别攻击测试的环境信息对应的环境下，基于待测试的目标用户的信息，获取对所述目标用户进行生物特征识别攻击所需的测试图像。
4.根据权利要求3所述的方法，所述测试图像的获取方式包括：
获取所述生物识别设备中预先存储的针对所述目标用户的第一数据，所述第一数据包括以下中的一种或多种：图像、视频和二进制文件；
基于所述第一数据，确定对所述目标用户进行生物特征识别攻击所需的测试图像。
5.根据权利要求3所述的方法，所述测试图像的获取方式包括：
获取所述生物识别设备通过摄像组件预先采集的所述目标用户的第二数据，所述第二数据包括以下中的一种或多种：图像、视频和二进制文件；
基于所述第二数据，确定对所述目标用户进行生物特征识别攻击所需的测试图像。
6.根据权利要求1所述的方法，所述控制所述机械臂调整位于生物识别设备的识别区域中的所述测试图像处于多个不同的位置姿态，并触发所述生物识别设备采集识别区域中每个位置姿态的测试图像的图像，并基于采集的图像，以进行生物特征识别的攻击测试，得到针对所述测试图像的每个位置姿态的测试结果，包括：
控制所述机械臂沿着三维坐标系中的坐标轴调整所述测试图像处于多个不同的位置姿态，并触发所述生物识别设备采集识别区域中每个位置姿态的测试图像的图像，并基于采集的图像，以进行生物特征识别的攻击测试，得到针对所述测试图像的每个位置姿态的测试结果；或者，
控制所述机械臂沿着极坐标系中下述一种或多种方式：预定的球半径、预定的水平夹角和预定的垂直夹角，调整所述测试图像处于多个不同的位置姿态，并触发所述生物识别设备采集识别区域中每个位置姿态的测试图像的图像，并基于采集的图像，以进行生物特征识别的攻击测试，得到针对所述测试图像的每个位置姿态的测试结果。
7.根据权利要求1所述的方法，所述处于多个不同的位置姿态的所述测试图像所覆盖的区域大于或等于进行所述生物特征识别的攻击测试对应的区域。
8.根据权利要求1所述的方法，所述方法还包括：
控制所述机械臂调整所述测试图像的亮度、色彩饱和度和播放速度中的一项或多项，以进行生物特征识别的攻击测试，得到针对所述测试图像的测试结果；
所述基于针对所述测试图像的每个位置姿态的测试结果，确定对所述目标用户进行生物特征识别攻击的测试结果，包括：
基于针对所述测试图像的每个位置姿态对应的测试结果和针对所述测试图像的测试结果，确定对所述目标用户进行生物特征识别攻击的测试结果。
9.根据权利要求1所述的方法，所述获取对目标用户进行生物特征识别攻击所需的测试图像，包括：
基于待测试的目标用户的信息，获取对所述目标用户进行生物特征识别攻击所需的测试图像的标识，所述标识基于图形码进行设置；
基于所述标识，通过所述机械臂上设置的摄像组件扫描图形码的方式，控制所述机械臂从测试图像数据库中获取所述标识对应的测试图像。
10.一种生物特征识别的攻击测试装置，所述装置包括：
测试用例获取模块，获取对目标用户进行生物特征识别攻击所需的测试图像；
攻击测试模块，控制机械臂调整位于生物识别设备的识别区域中的所述测试图像处于多个不同的位置姿态，并触发所述生物识别设备采集识别区域中每个位置姿态的测试图像的图像，并基于采集的图像，以进行生物特征识别的攻击测试，得到针对所述测试图像的每个位置姿态的测试结果，其中，控制所述机械臂进行调整包括控制所述机械臂沿着三维坐标系中的坐标轴进行调整，或者，控制所述机械臂沿着极坐标系中下述一种或多种方式：预定的球半径、预定的水平夹角和预定的垂直夹角进行调整；
测试结果确定模块，基于针对所述测试图像的每个位置姿态的测试结果，确定对所述目标用户进行生物特征识别攻击的测试结果。
11.根据权利要求10所述的装置，所述攻击测试模块，控制所述机械臂调整所述测试图像处于多个不同的位置姿态，并调整生物识别设备的位置姿态，并触发所述生物识别设备采集识别区域中每个位置姿态的测试图像的图像，并基于采集的图像，以进行生物特征识别的攻击测试，得到针对所述测试图像的每个位置姿态和所述生物识别设备的每个位置姿态的测试结果。
12.根据权利要求10或11所述的装置，所述装置还包括：
环境信息获取模块，获取当前环境信息，所述环境信息包括以下中的一种或多种：温度、湿度和光照强度；
环境调整模块，基于预设的基准环境信息，对所述当前环境信息进行调整，得到进行所述生物特征识别攻击测试的环境信息；
所述测试用例获取模块，在进行所述生物特征识别攻击测试的环境信息对应的环境下，基于待测试的目标用户的信息，获取对所述目标用户进行生物特征识别攻击所需的测试图像。
13.根据权利要求10所述的装置，所述攻击测试模块，控制所述机械臂沿着三维坐标系中的坐标轴调整所述测试图像处于多个不同的位置姿态，以进行生物特征识别的攻击测试，得到针对所述测试图像的每个位置姿态的测试结果；或者，
控制所述机械臂沿着极坐标系中下述一种或多种方式：预定的球半径、预定的水平夹角和预定的垂直夹角，调整所述测试图像处于多个不同的位置姿态，以进行生物特征识别的攻击测试，得到针对所述测试图像的每个位置姿态的测试结果。
14.根据权利要求10所述的装置，所述装置还包括：
调整模块，控制所述机械臂调整所述测试图像的亮度、色彩饱和度和播放速度中的一项或多项，以进行生物特征识别的攻击测试，得到针对所述测试图像的测试结果；
所述测试结果确定模块，基于针对所述测试图像的每个位置姿态的测试结果和针对所述测试图像的测试结果，确定对所述目标用户进行生物特征识别攻击的测试结果。
15.一种生物特征识别的攻击测试设备，所述生物特征识别的攻击测试设备包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：
获取对目标用户进行生物特征识别攻击所需的测试图像；
控制机械臂调整位于生物识别设备的识别区域中的所述测试图像处于多个不同的位置姿态，并触发所述生物识别设备采集识别区域中每个位置姿态的测试图像的图像，并基于采集的图像，以进行生物特征识别的攻击测试，得到针对所述测试图像的每个位置姿态的测试结果，其中，控制所述机械臂进行调整包括控制所述机械臂沿着三维坐标系中的坐标轴进行调整，或者，控制所述机械臂沿着极坐标系中下述一种或多种方式：预定的球半径、预定的水平夹角和预定的垂直夹角进行调整；
基于针对所述测试图像的每个位置姿态的测试结果，确定对所述目标用户进行生物特征识别攻击的测试结果。
16.一种存储介质，所述存储介质用于存储计算机可执行指令，所述可执行指令在被执行时实现以下流程：
获取对目标用户进行生物特征识别攻击所需的测试图像；
控制机械臂调整位于生物识别设备的识别区域中的所述测试图像处于多个不同的位置姿态，并触发所述生物识别设备采集识别区域中每个位置姿态的测试图像的图像，并基于采集的图像，以进行生物特征识别的攻击测试，得到针对所述测试图像的每个位置姿态的测试结果，其中，控制所述机械臂进行调整包括控制所述机械臂沿着三维坐标系中的坐标轴进行调整，或者，控制所述机械臂沿着极坐标系中下述一种或多种方式：预定的球半径、预定的水平夹角和预定的垂直夹角进行调整；
基于针对所述测试图像的每个位置姿态的测试结果，确定对所述目标用户进行生物特征识别攻击的测试结果。
CN202011433282.6A 2020-07-13 2020-07-13 一种生物特征识别的攻击测试方法、装置及设备 Active CN112559332B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011433282.6A CN112559332B (zh) 2020-07-13 2020-07-13 一种生物特征识别的攻击测试方法、装置及设备

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202010670696.4A CN111563049B (zh) 2020-07-13 2020-07-13 一种生物特征识别的攻击测试方法、装置及设备
CN202011433282.6A CN112559332B (zh) 2020-07-13 2020-07-13 一种生物特征识别的攻击测试方法、装置及设备

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN202010670696.4A Division CN111563049B (zh) 2020-07-13 2020-07-13 一种生物特征识别的攻击测试方法、装置及设备

Publications (2)

Publication Number Publication Date
CN112559332A CN112559332A (zh) 2021-03-26
CN112559332B true CN112559332B (zh) 2023-04-07

Family

ID=72072847

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202011433282.6A Active CN112559332B (zh) 2020-07-13 2020-07-13 一种生物特征识别的攻击测试方法、装置及设备
CN202010670696.4A Active CN111563049B (zh) 2020-07-13 2020-07-13 一种生物特征识别的攻击测试方法、装置及设备

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN202010670696.4A Active CN111563049B (zh) 2020-07-13 2020-07-13 一种生物特征识别的攻击测试方法、装置及设备

Country Status (4)

Country Link
US (1) US11222125B1 (zh)
EP (1) EP3940561B1 (zh)
CN (2) CN112559332B (zh)
TW (1) TWI774342B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112200217B (zh) * 2020-09-09 2023-06-09 天津津航技术物理研究所 基于红外图像大数据的识别算法评价方法及系统
CN112380514B (zh) * 2020-11-13 2022-11-22 支付宝(杭州)信息技术有限公司 生物识别安全态势预测方法、装置和电子设备

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106155298A (zh) * 2015-04-21 2016-11-23 阿里巴巴集团控股有限公司 人机识别方法及装置、行为特征数据的采集方法及装置

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4786483B2 (ja) * 2006-09-14 2011-10-05 富士通株式会社 生体認証装置の生体誘導制御方法及び生体認証装置
CN102136024B (zh) * 2010-01-27 2013-01-02 中国科学院自动化研究所 生物特征识别性能测评和诊断优化系统
US9721086B2 (en) * 2013-03-15 2017-08-01 Advanced Elemental Technologies, Inc. Methods and systems for secure and reliable identity-based computing
KR102161783B1 (ko) * 2014-01-16 2020-10-05 한국전자통신연구원 초고해상도 얼굴 동영상 데이터베이스를 이용한 서비스 로봇 얼굴인식 성능 평가 시스템 및 방법
US20180034852A1 (en) * 2014-11-26 2018-02-01 Isityou Ltd. Anti-spoofing system and methods useful in conjunction therewith
CN106767995B (zh) * 2015-12-30 2019-08-23 深圳市汇顶科技股份有限公司 指纹识别设备测试系统
CN106250857A (zh) * 2016-08-04 2016-12-21 深圳先进技术研究院 一种身份识别装置及方法
KR101892184B1 (ko) * 2017-02-14 2018-08-29 크루셜텍(주) 다중 생체 인식 장치 및 이를 포함하는 출입 시스템
CN109086645B (zh) * 2017-06-13 2021-04-20 阿里巴巴集团控股有限公司 人脸识别方法、装置以及虚假用户的识别方法、装置
CN107995951A (zh) * 2017-10-18 2018-05-04 深圳市汇顶科技股份有限公司 一种指纹模块的测试系统及测试方法
CN107918327A (zh) * 2017-12-08 2018-04-17 上海摩软通讯技术有限公司 基于人造指纹的指纹测试的控制方法及系统
US10776609B2 (en) * 2018-02-26 2020-09-15 Samsung Electronics Co., Ltd. Method and system for facial recognition
US10769261B2 (en) * 2018-05-09 2020-09-08 Futurewei Technologies, Inc. User image verification
CN109766915A (zh) * 2018-12-14 2019-05-17 深圳壹账通智能科技有限公司 基于图像识别的测试方法、装置、计算机设备及存储介质
CN109670444B (zh) * 2018-12-18 2019-12-24 北京字节跳动网络技术有限公司 姿态检测模型的生成、姿态检测方法、装置、设备及介质
CN110427962A (zh) * 2019-06-20 2019-11-08 厦门网宿有限公司 一种测试方法、电子设备及计算机可读存储介质
US11335128B2 (en) * 2019-11-19 2022-05-17 Visa International Service Association Methods and systems for evaluating a face recognition system using a face mountable device
CN110826646A (zh) * 2019-11-27 2020-02-21 深圳市优必选科技股份有限公司 机器人视觉测试方法、装置、存储介质及终端设备
CN111044939A (zh) * 2019-12-27 2020-04-21 成都天奥测控技术有限公司 一种面向航电hmi接口的智能测试系统及测试方法
US11163985B2 (en) * 2020-01-24 2021-11-02 Visa International Service Association Evaluating the security of a facial recognition system using light projections
CN112800997B (zh) * 2020-04-10 2024-01-05 支付宝(杭州)信息技术有限公司 一种活体检测方法、装置及设备

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106155298A (zh) * 2015-04-21 2016-11-23 阿里巴巴集团控股有限公司 人机识别方法及装置、行为特征数据的采集方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
在2019年"遇挫"的人脸识别背后，反识别;DeepTech深科技;《https://baijiahao.baidu.com/s?id=1654274284670859419&wfr=spider&for=pc》;1-13 *

Also Published As

Publication number Publication date
EP3940561B1 (en) 2023-03-22
CN112559332A (zh) 2021-03-26
CN111563049A (zh) 2020-08-21
US11222125B1 (en) 2022-01-11
US20220012344A1 (en) 2022-01-13
TW202203057A (zh) 2022-01-16
EP3940561A1 (en) 2022-01-19
TWI774342B (zh) 2022-08-11
CN111563049B (zh) 2020-11-03

Similar Documents

Publication Publication Date Title
US10747990B2 (en) Payment method, apparatus, and system
CN112559332B (zh) 一种生物特征识别的攻击测试方法、装置及设备
WO2020051016A1 (en) Method, apparatus, and system for resource transfer
CN106054627B (zh) 基于手势识别的控制方法、装置及空调
CN107832736B (zh) 实时人体动作的识别方法和实时人体动作的识别装置
US11599070B2 (en) Electronic device and method for determining task including plural actions
US11263634B2 (en) Payment method and device
CN111160251B (zh) 一种活体识别方法及装置
CN111523103A (zh) 用户身份识别方法、装置及电子设备
CN111126358A (zh) 人脸检测方法、装置、存储介质及设备
EP3940588A1 (en) Fingerprint image processing methods and apparatuses
CN112861831A (zh) 一种目标物的识别方法、装置、存储介质及电子设备
CN111242106A (zh) 一种面部图像的采集方法、装置、设备及面部识别设备
CN111563047B (zh) 一种生物特征识别的攻击测试方法、装置及设备
TWI779581B (zh) 生物識別設備的測試方法、裝置、設備及系統
CN110619320A (zh) 用于智能洗澡机的智能控制方法及洗澡机
CN116188919B (zh) 一种测试方法、装置、可读存储介质及电子设备
CN116737268A (zh) 应用程序的处理方法及装置
CN117237682A (zh) 一种证件验证方法、装置、存储介质及电子设备
CN116092133A (zh) 特征预测模型的训练方法及装置
CN115079829A (zh) 一种机器人的多模态交互方法、装置和智能机器人

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
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40047875

Country of ref document: HK

GR01 Patent grant
GR01 Patent grant