CN116383795B - 生物特征识别方法、装置及电子设备 - Google Patents
生物特征识别方法、装置及电子设备 Download PDFInfo
- Publication number
- CN116383795B CN116383795B CN202310645663.8A CN202310645663A CN116383795B CN 116383795 B CN116383795 B CN 116383795B CN 202310645663 A CN202310645663 A CN 202310645663A CN 116383795 B CN116383795 B CN 116383795B
- Authority
- CN
- China
- Prior art keywords
- matching score
- information
- specified
- biological characteristic
- biometric information
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 239000006185 dispersion Substances 0.000 claims description 12
- 230000002596 correlated effect Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 230000000875 corresponding effect Effects 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- 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
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Security & Cryptography (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Collating Specific Patterns (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本申请提供一种生物特征识别方法、装置及电子设备，该方法包括：获取待识别的生物特征信息；利用训练好的生物特征识别模型对所述待识别的生物特征信息进行推理，确定所述待识别的生物特征信息与指定生物特征信息的第一匹配分数；依据所述指定生物特征信息被查询的频次，对所述第一匹配分数进行重构，得到所述待识别的生物特征信息与所述指定生物特征信息的第二匹配分数。该方法可以提高用户隐私数据的安全性。
Description
技术领域
本申请涉及模式识别技术领域，尤其涉及一种生物特征识别方法、装置及电子设备。
背景技术
生物特征识别是指基于生物特征（如人脸、虹膜、指纹、声纹等），进行身份识别。
为了提高用户输入的生物特征信息的安全性，实现用户隐私保护，通常在进行生物特征识别时，会对用户输入的生物特征信息进行加密，避免数据传输或存储过程中的安全风险。
然而，在针对生成特征识别的攻击方案中，存在一种依据生物特征识别系统输出的得分对用户输入的生物特征信息进行重构的攻击方式，其无法通过对用户输入的生物特征信息进行加密的方式来规避。
发明内容
有鉴于此，本申请提供一种生物特征识别方法、装置及电子设备。
具体地，本申请是通过如下技术方案实现的：
根据本申请实施例的第一方面，提供一种生物特征识别方法，包括：
获取待识别的生物特征信息；
利用训练好的生物特征识别模型对所述待识别的生物特征信息进行推理，确定所述待识别的生物特征信息与指定生物特征信息的第一匹配分数；
依据所述指定生物特征信息被查询的频次，对所述第一匹配分数进行重构，得到所述待识别的生物特征信息与所述指定生物特征信息的第二匹配分数；其中，所述指定生物特征信息被查询的频次越高，对所述第一匹配分数进行重构得到的所述第二匹配分数的离散程度越高；所述指定生物特征信息被查询的频次越低，所述第二匹配分数与所述第一匹配分数越接近；
依据所述待识别的生物特征信息与所述指定生物特征信息的第二匹配分数，确定生物特征识别结果。
根据本申请实施例的第二方面，提供一种生物特征识别装置，包括：
获取单元，用于获取待识别的生物特征信息；
识别单元，用于利用训练好的生物特征识别模型对所述待识别的生物特征信息进行推理，确定所述待识别的生物特征信息与指定生物特征信息的第一匹配分数；
重构单元，用于依据所述指定生物特征信息被查询的频次，对所述第一匹配分数进行重构，得到所述待识别的生物特征信息与所述指定生物特征信息的第二匹配分数；其中，所述指定生物特征信息被查询的频次越高，对所述第一匹配分数进行重构得到的所述第二匹配分数的离散程度越高；所述指定生物特征信息被查询的频次越低，所述第二匹配分数与所述第一匹配分数越接近；
确定单元，用于依据所述待识别的生物特征信息与所述指定生物特征信息的第二匹配分数，确定生物特征识别结果。
根据本申请实施例的第三方面，提供一种电子设备，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的机器可执行指令，所述处理器用于执行机器可执行指令，以实现第一方面提供的所述的方法。
根据本申请实施例的第四方面，提供一种机器可读存储介质，所述机器可读存储介质内存储有机器可执行指令，所述机器可执行指令被处理器执行时实现第一方面提供的方法。
本申请提供的技术方案至少可以带来以下有益效果：
通过利用训练好的生物特征识别模型对获取到的待识别的生物特征信息进行推理，确定待识别的生物特征信息与指定生物特征信息的第一匹配分数，并依据指定生物特征信息被查询的频次，对第一匹配分数进行重构，得到待识别的生物特征信息与指定生物特征信息的第二匹配分数，由于指定生物特征信息被查询的频次越低，第二匹配分数与第一匹配分数越接近，且非攻击情况下，单个生物特征信息被查询的频次一般会比较低，因此，可以保证非攻击情况下生物特征识别的准确性；此外，由于指定生物特征信息被查询的频次越高，对第一匹配分数进行重构得到的第二匹配分数的离散程度越高，而重构攻击需要多次对同一指定生物特征信息进行查询得到多次输出的连续得分实现攻击，因此，通过对第一匹配分数的重构，攻击者依据生物特征识别系统输出的指定生物特征信息的匹配分数对输入数据进行重构的难度和代价显著增加，提高了用户隐私数据的安全性。
附图说明
图1是本申请一示例性实施例示出的一种生物特征识别方法的流程示意图；
图2是本申请又一示例性实施例示出的另一种生物特征识别方法的流程示意图；
图3是本申请又一示例性实施例示出的另一种生物特征识别方法的流程示意图；
图4是本申请一示例性实施例示出的一种生物特征识别流程的示意图；
图5是本申请一示例性实施例示出的一种生物特征识别装置的结构示意图；
图6是本申请一示例性实施例示出的一种电子设备的硬件结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
为了使本领域技术人员更好地理解本申请实施例提供的技术方案，并使本申请实施例的上述目的、特征和优点能够更加明显易懂，下面结合附图对本申请实施例中技术方案作进一步详细的说明。
请参见图1，为本申请实施例提供的一种生物特征识别方法的流程示意图，如图1所示，该生物特征识别方法可以包括以下步骤：
步骤S100、获取待识别的生物特征信息。
示例性的，待识别的生物特征信息可以为用户输入的生物特征信息，如指纹信息、人脸信息或虹膜信息等。
例如，用户可以通过客户端发送查询请求，该查询请求中可以携带待识别的生物特征信息（如用户输入的生物特征信息），客户端可以将查询请求中携带的待识别的生物特征信息上传服务端，如云服务器。
需要说明的是，上述待识别的生物特征信息在传输和/或存储过程中还可以进行加密处理，其具体实现在此不做限定。
步骤S110、利用训练好的生物特征识别模型对所述待识别的生物特征信息进行推理，确定待识别的生物特征信息与指定生物特征信息的第一匹配分数。
本申请实施例中，对于获取到的待识别的生物特征信息，可以输入到训练好的生物特征识别模型，利用训练好的生物特征识别模型对待识别的生物特征信息进行推理，确定待识别的生物特征信息与指定生物特征信息的匹配分数（本文中称为第一匹配分数）。
示例性的，对于1v1场景，如人脸验证场景，指定生物特征信息可以包括待验证目标预先注册的生物特征信息。
对于1vN（N＞1）场景，如人脸搜索场景，指定生物特征信息可以包括系统底库中与待识别的生物特征信息相似度超过阈值的一个或多个生物特征信息。
示例性的，待识别的生物特征信息与指定生物特征信息的第一匹配分数可以依据待识别的生物特征信息与指定生物特征信息之间的相似度确定。
示例性的，第一匹配分数与该相似度正相关。
步骤S120、依据指定生物特征信息被查询的频次，对第一匹配分数进行重构，得到待识别的生物特征信息与指定生物特征信息的第二匹配分数；其中，指定生物特征信息被查询的频次越高，对第一匹配分数进行重构得到的第二匹配分数的离散程度越高；指定生物特征信息被查询的频次越低，第二匹配分数与第一匹配分数越接近。
本申请实施例中，考虑到正常情况（非攻击情况）下，用户对单个生物特征信息的查询频次会是一个较小的值，而在恶意攻击的情况下，单个生物特征信息被查询的频次可能会剧增。
以重构攻击为例，攻击者可以准备一个与系统底库领域尽量相近的生成器模型。通过搜索生成器的隐空间，可以得到各种生成的数据。将这些数据输入到生物特征识别系统中做查询，可以得到系统输出的得分（即匹配分数）。显然，对于生成的任一数据，若该数据与某一目标ID相似，则得分会比较高，反之会较低。因此攻击的过程，可以在生成器的隐空间进行探索，对该数据进行优化，使生物特征识别系统输出的得分（与该数据与该目标ID之间的相似度正相关）尽量高。
对于这一类攻击，在隐空间搜索过程中，同一ID被查询输出的得分的连续性越高，越容易构造出该ID对应的原始数据。若生物特征识别系统输出的得分被混淆了，比如离散化，则生成器的隐空间到识别系统的得分之间的映射从连续退化成了离散，探索方向的估计会变得更难，因此重构攻击的难度就会明显提升。
因而，为了避免攻击者依据生物特征识别系统输出的指定生物特征信息的匹配分数（如上述第一匹配分数）对输入数据进行重构攻击，对于利用训练好的生物特征识别模型推理得到的第一匹配分数，可以依据指定生物特征信息被查询的频次，对第一匹配分数进行重构，得到重构后的匹配分数（本文中称为第二匹配分数）。
示例性的，指定生物特征信息的被查询的频次越高，对第一匹配分数进行重构得到的第二匹配分数的离散程度越高，即对同一指定生物特征信息被查询得到的匹配分数进行离散化，从而，可以有效避免攻击者依据生物特征识别系统输出的指定生物特征信息的第一匹配分数对输入数据进行重构攻击。
示例性的，对匹配分数进行离散化可以理解为对匹配分数进行量化。同一指定生物特征信息被查询的频次越高，量化精度越低。
指定生物特征信息被查询的频次越低，第二匹配分数与第一匹配分数越接近，可以保证正常场景下生物特征识别的准确性。
需要说明的是，在本申请实施例中，若指定生物特征信息包括多个生物特征信息，则对于任一指定生物特征信息，均可以按照上述实施例中描述的方式进行匹配分数的重构。
步骤S130、依据待识别的生物特征信息与指定生物特征信息的第二匹配分数，确定生物特征识别结果。
本申请实施例中，在按照上述确定了待识别的生物特征信息与指定生物特征信息的第二匹配分数的情况下，可以依据该第二匹配分数，确定生物特征识别结果。
举例来说，对于1v1场景，如人脸验证场景，在确定了待识别的生物特征信息与指定生物特征信息（如待验证目标预先注册的生物特征信息）的第二匹配分数的情况下，若该第二匹配分数超过预设分数阈值（可以称为第一分数阈值，具体取值可以根据场景需求设定），则生物特征识别结果可以为验证通过；否则，生物特征识别结果可以为验证不通过。
对于1vN（N＞1）场景，如人脸搜索场景，在确定了待识别的生物特征与指定生物特征信息的第二匹配分数的情况下，生物特征识别结果可以包括第二匹配分数超过预设分数阈值（可以称为第二分数阈值，具体取值可以根据场景需求设定），且第二匹配分数按照从高到低的顺序排序的前M（Top M）个指定生物特征信息的ID及对应的人脸图像。
需要说明的是，本申请实施例中所涉及的相关信息，包括但不限于上述待识别的生物特征信息、指定生物特征信息等，均是在用户授权情况下才能获取。
可见，在图1所示流程中，通过利用训练好的生物特征识别模型对获取到的待识别的生物特征信息进行推理，确定待识别的生物特征信息与指定生物特征信息的第一匹配分数，并依据指定生物特征信息被查询的频次，对第一匹配分数进行重构，得到待识别的生物特征信息与指定生物特征信息的第二匹配分数，由于指定生物特征信息被查询的频次越低，第二匹配分数与第一匹配分数越接近，且非攻击情况下，单个生物特征信息被查询的频次一般会比较低，因此，可以保证非攻击情况下生物特征识别的准确性；此外，由于指定生物特征信息被查询的频次越高，对第一匹配分数进行重构得到的第二匹配分数的离散程度越高，而重构攻击需要多次对同一指定生物特征信息进行查询得到多次输出的连续得分实现攻击，因此，通过对第一匹配分数的重构，攻击者依据生物特征识别系统输出的指定生物特征信息的匹配分数对输入数据进行重构的难度和代价显著增加，提高了用户隐私数据的安全性。
在一些实施例中，如图2所示，步骤S120中，依据指定生物特征信息被查询的频次，对第一匹配分数进行重构，得到待识别的生物特征信息与指定生物特征信息的第二匹配分数，可以通过以下步骤实现：
步骤S121、依据指定生物特征信息被查询的频次，确定指定生物特征信息的查询强度；其中，对于任一生物特征信息，该生物特征信息的查询强度，与该生物特征信息被查询的频次正相关；
步骤S122、依据指定生物特征信息的查询强度，对第一匹配分数进行重构，得到待识别的生物特征信息与指定生物特征信息的第二匹配分数。
示例性的，考虑到对于任一生物特征信息，若该生物特征信息被查询的频次越高，则该生物特征信息被恶意攻击的可能性越大。因而，可以对各生物特征信息被查询的频次进行统计。
示例性的，对于任一预先注册的生物特征信息，可以维护一个变量—查询强度，该查询强度可以用于表征生物特征信息被查询的频次，且生物特征信息的查询强度可以与生物特征信息被查询的频次正相关。
相应地，在按照上述方式确定了第一匹配分数的情况下，可以依据指定生物特征信息被查询的频次，确定指定生物特征信息的查询强度，并依据指定生物特征信息的查询强度，对第一匹配分数进行重构，得到待识别的生物特征信息与指定生物特征信息的第二匹配分数。
在一个示例中，上述依据指定生物特征信息被查询的频次，确定指定生物特征信息的查询强度，可以包括：
在指定生物特征信息被查询的次数增加的情况下，在指定生物特征信息当前的查询强度的基础上增加第一数值；
在统计时间增加预设时间的情况下，在指定生物特征信息当前的查询强度的基础上减去第二数值。
示例性的，考虑到在相同统计时间内，生物特征信息被查询的次数越高，该生物特征信息被攻击的概率越大。
此外，在生物特征信息被查询的次数保持不变的时间下，随着统计时间的增加，该生物特征信息被攻击的概率会降低。
相应地，可以依据指定生物特征信息被查询的次数，以及，统计指定生物特征信息被查询的次数的统计时间，来表征指定生物特征信息被查询的频次，并依据指定生物特征信息被查询的次数，以及，统计指定生物特征信息被查询的次数的统计时间，来维护查询强度。
示例性的，在指定生物特征信息被查询的次数增加的情况下，可以在指定生物特征信息当前的查询强度的基础上增加预设数值（可以称为第一数值，其值大于0）。
在统计时间增加预设时间的情况下，在指定生物特征信息当前的查询强度的基础上减去预设数值（可以称为第二数值，其值大于0）。
示例性的，第一数值和第二数值可以相同，也可以不同。
作为一种示例，第一数值和第二数值可以均为1。
例如，可以通过以下公式确定生物特征信息的查询强度：
其中，表示ID i的生物特征信息得到了查询，此时，ID i的生物特征信息的查询强度（/>）升高，即ID i的生物特征信息被查询的次数加1，该生物特征信息的查询强度也增加1；此外，每隔时间T（即上述预设时间），/>降低。
示例性的，通过控制T可以调节ID被反复查询时强度上升的速率。
例如，T可以为1分钟。
在一个示例中，如图3所示，步骤S122中，依据指定生物特征信息的查询强度，对第一匹配分数进行重构，得到待识别的生物特征信息与指定生物特征信息的第二匹配分数，可以通过以下步骤实现：
步骤S1221、依据指定生物特征信息的查询强度以及预设调节因子，确定离散因子；离散因子与查询强度负相关；
步骤S1222、依据离散因子对第一匹配分数进行重构，得到待识别的生物特征信息与指定生物特征信息的第二匹配分数；其中，离散因子越小，第二匹配分数的离散程度越高。
示例性的，考虑到生物特征识别系统输出的分数的离散程度越高，攻击者依据生物特征识别系统输出的分数进行重构攻击的难度越大，因此，在对第一匹配分数进行重构时，对于查询强度更高的生物特征信息，可以使重构得到的第二匹配分数的离散程度更高。
示例性的，在确定了指定生物特征信息的查询强度的情况下，可以依据指定生物特征信息的查询强度以及预设调节因子，确定离散因子，并依据该离散因子对第一匹配分数进行重构，得到待识别的生物特征信息与指定生物特征信息的第二匹配分数。
作为一种示例，上述依据离散因子对第一匹配分数进行重构，得到待识别的生物特征信息与指定生物特征信息的第二匹配分数，可以包括：
通过以下方式实现对第一匹配分数的重构：
其中，公式左侧的Si为第二匹配分数，公式右侧的Si为第一匹配分数，[.]表示向下取整，为离散因子，/>。
示例性的，由于与查询强度负相关，即对于任一生物特征信息，该生物特征信息的查询强度越高，/>越小，即随着生物特征信息的查询强度增高，/>取值可以逐渐趋近于1，进而，第二匹配分数的离散程度会升高。极限情况下第二匹配分数的取值会为0或1（非0即1）。
作为一种示例，上述依据指定生物特征信息的查询强度以及预设调节因子，确定离散因子，可以包括：
通过以下公式确定离散因子：
其中，为查询强度，τ为预设调节因子。
为了使本领域技术人员更好地理解本申请实施例提供的技术方案，下面结合具体实例对本申请实施例提供的技术方案进行说明。
在该实施例中，底库中不同的生物特征信息具有不同的ID。
在该实施例中，生物特征识别的实现流程可以包括两个部分：查询分析和输出重构。其中：
1、查询分析
该流程主要目的在于对系统中各ID（即各生物特征信息）被查询频次的统计。对于任一ID，被查询的频次越高，该ID疑似被恶意攻击的可能性也越大。
示例性的，可以对系统中的底库的每个ID各自维护一个变量，即查询强度，监控该ID被查询的强度：
（1）
其中，表示ID i的生物特征信息得到了查询，此时，ID i的生物特征信息的查询强度（/>）升高；此外，每隔时间T（即上述预设时间），/>降低。
2、输出重构
该流程的主要目的在于对系统的输出分数进行重构操作，在尽量不影响正常用户服务的前提下，使攻击者难以拿到准确度较高的分数进行重构攻击。
示例性的，可以采用数值离散化的方式实现分数重构，依据查询分析流程的结果，控制重构后的分数的离散程度：
（2）
其中，公式左侧的Si为第二匹配分数，公式右侧的Si为第一匹配分数，[.]表示向下取整，为离散因子，/>。
示例性的，离散因子可以通过以下公式确定：
（3）
其中，τ表示调节因子，其具体取值可以根据实际需求设定，例如，可以设置为100。
示例性的，当用户正常查询时，为一个较小的数值，则重构后的Si接近于连续的数值，不影响其正常的服务。但是当ID i受到恶意攻击，ID i被查询的频次升高导致/>增加，重构后的Si会随之离散化，极限情况就是转化为了0或1（非0即1）的结果。
示例性的，在该实施例中，生物特征识别流程的示意图可以如图4所示，其可以包括以下步骤：
用户发起查询请求并将数据输入系统中；
对用户数据做预处理；
输入识别模型进行模型推理；
得到输出的得分（即上述第一匹配分数）；
对被查询的ID进行查询分析，确定被查询的ID的查询强度，并依据被查询的ID的查询强度，对输出的得分进行重构，得到重构后的得分（即上述第二匹配分数）。
举例来说，以人脸识别云平台为例，本申请实施例提供的基于隐私保护的生物特征识别流程如下：
1）、云服务器使用前，预先录入底库，并对其中的各ID，设置统计查询强度的变量；
2）、开始使用时，用户通过客户端发起查询请求，将人脸样本（即上述待识别的生物特征信息）上传至云服务器；
3）、云服务器中，该样本经过预处理和模型推理，再与录入的底库做比对，输出匹配的ID（即上述指定生物特征信息的ID）以及对应得分（即上述第一匹配分数）；
4）、根据3）和公式（1）的匹配ID i调整对应的；
5）、根据4）中的和公式（2）、（3）重构输出得分/>（即上述第二匹配分数）；
6）、将5）中重构的得分，下发到客户端，反馈给用户。
以上对本申请提供的方法进行了描述。下面对本申请提供的装置进行描述：
请参见图5，为本申请实施例提供的一种生物特征识别装置的结构示意图，如图5所示，该生物特征识别装置可以包括：
获取单元510，用于获取待识别的生物特征信息；
识别单元520，用于利用训练好的生物特征识别模型对所述待识别的生物特征信息进行推理，确定所述待识别的生物特征信息与指定生物特征信息的第一匹配分数；
重构单元530，用于依据所述指定生物特征信息被查询的频次，对所述第一匹配分数进行重构，得到所述待识别的生物特征信息与所述指定生物特征信息的第二匹配分数；其中，所述指定生物特征信息被查询的频次越高，对所述第一匹配分数进行重构得到的所述第二匹配分数的离散程度越高；所述指定生物特征信息被查询的频次越低，所述第二匹配分数与所述第一匹配分数越接近；
确定单元540，用于识别单元，用于依据所述待识别的生物特征信息与所述指定生物特征信息的第二匹配分数，确定生物特征识别结果。
在一些实施例中，所述重构单元530依据所述指定生物特征信息被查询的频次，对所述第一匹配分数进行重构，得到所述待识别的生物特征信息与所述指定生物特征信息的第二匹配分数，包括：
依据所述指定生物特征信息被查询的频次，确定所述指定生物特征信息的查询强度；其中，对于任一生物特征信息，该生物特征信息的查询强度，与该生物特征信息被查询的频次正相关；
依据所述指定生物特征信息的查询强度，对所述第一匹配分数进行重构，得到所述待识别的生物特征信息与所述指定生物特征信息的第二匹配分数。
在一些实施例中，所述重构单元530依据所述指定生物特征信息被查询的频次，确定所述指定生物特征信息的查询强度，包括：
在所述指定生物特征信息被查询的次数增加的情况下，在所述指定生物特征信息当前的查询强度的基础上增加第一数值；
在统计时间增加预设时间的情况下，在所述指定生物特征信息当前的查询强度的基础上减去第二数值。
在一些实施例中，所述第一数值和所述第二数值均为1。
在一些实施例中，所述重构单元530依据所述指定生物特征信息的查询强度，对所述第一匹配分数进行重构，得到所述待识别的生物特征信息与所述指定生物特征信息的第二匹配分数，包括：
依据所述指定生物特征信息的查询强度以及预设调节因子，确定离散因子；所述离散因子与所述查询强度负相关；
依据所述离散因子对所述第一匹配分数进行重构，得到所述待识别的生物特征信息与所述指定生物特征信息的第二匹配分数；其中，离散因子越小，第二匹配分数的离散程度越高。
在一些实施例中，所述重构单元530依据所述离散因子对所述第一匹配分数进行重构，得到所述待识别的生物特征信息与所述指定生物特征信息的第二匹配分数，包括：
通过以下方式实现对所述第一匹配分数的重构：
其中，公式左侧的Si为第二匹配分数，公式右侧的Si为第一匹配分数，[.]表示向下取整，为离散因子，/>。
在一些实施例中，所述重构单元530依据所述指定生物特征信息的查询强度以及预设调节因子，确定离散因子，包括：
通过以下公式确定离散因子：
其中，为查询强度，τ为预设调节因子。
本申请实施例提供一种电子设备，包括处理器和存储器，其中，存储器存储有能够被所述处理器执行的机器可执行指令，处理器用于执行机器可执行指令，以实现上文描述的生物特征识别方法。
请参见图6，为本申请实施例提供的一种电子设备的硬件结构示意图。该电子设备可包括处理器601、存储有机器可执行指令的存储器602。处理器601与存储器602可经由系统总线603通信。并且，通过读取并执行存储器602中与生物特征识别逻辑对应的机器可执行指令，处理器601可执行上文描述的生物特征识别方法。
本文中提到的存储器602可以是任何电子、磁性、光学或其它物理存储装置，可以包含或存储信息，如可执行指令、数据，等等。例如，机器可读存储介质可以是：RAM（RadomAccess Memory，随机存取存储器）、易失存储器、非易失性存储器、闪存、存储驱动器（如硬盘驱动器）、固态硬盘、任何类型的存储盘（如光盘、dvd等），或者类似的存储介质，或者它们的组合。
在一些实施例中，还提供了一种机器可读存储介质，如图6中的存储器602，该机器可读存储介质内存储有机器可执行指令，所述机器可执行指令被处理器执行时实现上文描述的生物特征识别方法。例如，所述存储介质可以是ROM、RAM、CD-ROM、磁带、软盘和光数据存储设备等。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物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、物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、物品或者设备中还存在另外的相同要素。
以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。
Claims (10)
1.一种生物特征识别方法，其特征在于，包括：
获取待识别的生物特征信息；
利用训练好的生物特征识别模型对所述待识别的生物特征信息进行推理，确定所述待识别的生物特征信息与指定生物特征信息的第一匹配分数；
依据所述指定生物特征信息被查询的频次，对所述第一匹配分数进行重构，得到所述待识别的生物特征信息与所述指定生物特征信息的第二匹配分数；其中，所述指定生物特征信息被查询的频次越高，对所述第一匹配分数进行重构得到的所述第二匹配分数的离散程度越高；所述指定生物特征信息被查询的频次越低，所述第二匹配分数与所述第一匹配分数越接近；
依据所述待识别的生物特征信息与所述指定生物特征信息的第二匹配分数，确定生物特征识别结果。
2.根据权利要求1所述的方法，其特征在于，所述依据所述指定生物特征信息被查询的频次，对所述第一匹配分数进行重构，得到所述待识别的生物特征信息与所述指定生物特征信息的第二匹配分数，包括：
依据所述指定生物特征信息被查询的频次，确定所述指定生物特征信息的查询强度；其中，对于任一生物特征信息，该生物特征信息的查询强度，与该生物特征信息被查询的频次正相关；
依据所述指定生物特征信息的查询强度，对所述第一匹配分数进行重构，得到所述待识别的生物特征信息与所述指定生物特征信息的第二匹配分数。
3.根据权利要求2所述的方法，其特征在于，所述依据所述指定生物特征信息被查询的频次，确定所述指定生物特征信息的查询强度，包括：
在所述指定生物特征信息被查询的次数增加的情况下，在所述指定生物特征信息当前的查询强度的基础上增加第一数值；
在统计时间增加预设时间的情况下，在所述指定生物特征信息当前的查询强度的基础上减去第二数值。
4.根据权利要求3所述的方法，其特征在于，所述第一数值和所述第二数值均为1。
5.根据权利要求2所述的方法，其特征在于，所述依据所述指定生物特征信息的查询强度，对所述第一匹配分数进行重构，得到所述待识别的生物特征信息与所述指定生物特征信息的第二匹配分数，包括：
依据所述指定生物特征信息的查询强度以及预设调节因子，确定离散因子；所述离散因子与所述查询强度负相关；
依据所述离散因子对所述第一匹配分数进行重构，得到所述待识别的生物特征信息与所述指定生物特征信息的第二匹配分数；其中，离散因子越小，第二匹配分数的离散程度越高。
6.根据权利要求5所述的方法，其特征在于，所述依据所述离散因子对所述第一匹配分数进行重构，得到所述待识别的生物特征信息与所述指定生物特征信息的第二匹配分数，包括：
通过以下方式实现对所述第一匹配分数的重构：
；
其中，公式左侧的Si为第二匹配分数，公式右侧的Si为第一匹配分数，[.]表示向下取整， 为离散因子， />。
7.根据权利要求6所述的方法，其特征在于，所述依据所述指定生物特征信息的查询强度以及预设调节因子，确定离散因子，包括：
通过以下公式确定离散因子：
；
其中， 为查询强度，τ为预设调节因子。
8.一种生物特征识别装置，其特征在于，包括：
获取单元，用于获取待识别的生物特征信息；
识别单元，用于利用训练好的生物特征识别模型对所述待识别的生物特征信息进行推理，确定所述待识别的生物特征信息与指定生物特征信息的第一匹配分数；
重构单元，用于依据所述指定生物特征信息被查询的频次，对所述第一匹配分数进行重构，得到所述待识别的生物特征信息与所述指定生物特征信息的第二匹配分数；其中，所述指定生物特征信息被查询的频次越高，对所述第一匹配分数进行重构得到的所述第二匹配分数的离散程度越高；所述指定生物特征信息被查询的频次越低，所述第二匹配分数与所述第一匹配分数越接近；
确定单元，用于依据所述待识别的生物特征信息与所述指定生物特征信息的第二匹配分数，确定生物特征识别结果。
9.根据权利要求8所述的装置，其特征在于，所述重构单元依据所述指定生物特征信息被查询的频次，对所述第一匹配分数进行重构，得到所述待识别的生物特征信息与所述指定生物特征信息的第二匹配分数，包括：
依据所述指定生物特征信息被查询的频次，确定所述指定生物特征信息的查询强度；其中，对于任一生物特征信息，该生物特征信息的查询强度，与该生物特征信息被查询的频次正相关；
依据所述指定生物特征信息的查询强度，对所述第一匹配分数进行重构，得到所述待识别的生物特征信息与所述指定生物特征信息的第二匹配分数；
其中，所述重构单元依据所述指定生物特征信息被查询的频次，确定所述指定生物特征信息的查询强度，包括：
在所述指定生物特征信息被查询的次数增加的情况下，在所述指定生物特征信息当前的查询强度的基础上增加第一数值；
在统计时间增加预设时间的情况下，在所述指定生物特征信息当前的查询强度的基础上减去第二数值；
其中，所述第一数值和所述第二数值均为1；
其中，所述重构单元依据所述指定生物特征信息的查询强度，对所述第一匹配分数进行重构，得到所述待识别的生物特征信息与所述指定生物特征信息的第二匹配分数，包括：
依据所述指定生物特征信息的查询强度以及预设调节因子，确定离散因子；所述离散因子与所述查询强度负相关；
依据所述离散因子对所述第一匹配分数进行重构，得到所述待识别的生物特征信息与所述指定生物特征信息的第二匹配分数；其中，离散因子越小，第二匹配分数的离散程度越高；
其中，所述重构单元依据所述离散因子对所述第一匹配分数进行重构，得到所述待识别的生物特征信息与所述指定生物特征信息的第二匹配分数，包括：
通过以下方式实现对所述第一匹配分数的重构：
；
其中，公式左侧的S i为第二匹配分数，公式右侧的S i为第一匹配分数，[.]表示向下取整， 为离散因子， />；
其中，所述重构单元依据所述指定生物特征信息的查询强度以及预设调节因子，确定离散因子，包括：
通过以下公式确定离散因子：
；
其中， 为查询强度，τ为预设调节因子。
10.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的机器可执行指令，所述处理器用于执行机器可执行指令，以实现如权利要求1-7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310645663.8A CN116383795B (zh) | 2023-06-01 | 2023-06-01 | 生物特征识别方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310645663.8A CN116383795B (zh) | 2023-06-01 | 2023-06-01 | 生物特征识别方法、装置及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116383795A CN116383795A (zh) | 2023-07-04 |
| CN116383795B true CN116383795B (zh) | 2023-08-25 |
Family
ID=86971390
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310645663.8A Active CN116383795B (zh) | 2023-06-01 | 2023-06-01 | 生物特征识别方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116383795B (zh) |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6072891A (en) * | 1997-02-21 | 2000-06-06 | Dew Engineering And Development Limited | Method of gathering biometric information |
| CN101359364A (zh) * | 2007-08-03 | 2009-02-04 | 广达电脑股份有限公司 | 图像识别方法及图像识别装置 |
| CN107896229A (zh) * | 2017-12-26 | 2018-04-10 | 黄河交通学院 | 一种计算机网络异常检测的方法、系统及移动终端 |
| CN108550365A (zh) * | 2018-02-01 | 2018-09-18 | 北京云知声信息技术有限公司 | 离线语音识别的阈值自适应调整方法 |
| CN109299135A (zh) * | 2018-11-26 | 2019-02-01 | 平安科技（深圳）有限公司 | 基于识别模型的异常查询识别方法、识别设备及介质 |
| CN111709435A (zh) * | 2020-05-18 | 2020-09-25 | 杭州电子科技大学 | 一种基于离散小波变换的对抗样本生成方法 |
| CN112348524A (zh) * | 2020-10-27 | 2021-02-09 | 深圳前海微众银行股份有限公司 | 反欺诈决策方法、装置、设备及计算机存储介质 |
| WO2022015948A1 (en) * | 2020-07-15 | 2022-01-20 | Georgia Tech Research Corporation | Privacy-preserving fuzzy query system and method |
| CN114240951A (zh) * | 2021-12-13 | 2022-03-25 | 电子科技大学 | 一种基于查询的医学图像分割神经网络的黑盒攻击方法 |
| CN114519898A (zh) * | 2020-11-02 | 2022-05-20 | 北京眼神智能科技有限公司 | 生物特征多模态融合识别方法、装置、存储介质及设备 |
| CN114596639A (zh) * | 2022-05-10 | 2022-06-07 | 富算科技(上海)有限公司 | 一种生物特征识别方法、装置、电子设备及存储介质 |
| CN115048402A (zh) * | 2022-08-16 | 2022-09-13 | 成都信息工程大学 | 带时效的自适应动态数据集合成员插入、删除及检索方法 |
| CN115277228A (zh) * | 2022-07-30 | 2022-11-01 | 北京冠程科技有限公司 | 一种分层网络中的数据访问防御方法及系统 |
| CN115661907A (zh) * | 2022-11-15 | 2023-01-31 | 浙江远图技术股份有限公司 | 一种生物特征识别方法及系统 |
| CN116028730A (zh) * | 2022-12-23 | 2023-04-28 | 百度在线网络技术（北京）有限公司 | 搜索资源异常识别方法、装置及电子设备 |
| CN116052251A (zh) * | 2022-12-30 | 2023-05-02 | 佳都科技集团股份有限公司 | 人脸图像优选方法、装置、设备及存储介质 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9847997B2 (en) * | 2015-11-11 | 2017-12-19 | Visa International Service Association | Server based biometric authentication |
| US11157564B2 (en) * | 2018-03-02 | 2021-10-26 | Thoughtspot, Inc. | Natural language question answering systems |
| US11841932B2 (en) * | 2020-04-14 | 2023-12-12 | Nice Ltd. | System and method for updating biometric evaluation systems |
-
2023
- 2023-06-01 CN CN202310645663.8A patent/CN116383795B/zh active Active
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6072891A (en) * | 1997-02-21 | 2000-06-06 | Dew Engineering And Development Limited | Method of gathering biometric information |
| CN101359364A (zh) * | 2007-08-03 | 2009-02-04 | 广达电脑股份有限公司 | 图像识别方法及图像识别装置 |
| CN107896229A (zh) * | 2017-12-26 | 2018-04-10 | 黄河交通学院 | 一种计算机网络异常检测的方法、系统及移动终端 |
| CN108550365A (zh) * | 2018-02-01 | 2018-09-18 | 北京云知声信息技术有限公司 | 离线语音识别的阈值自适应调整方法 |
| CN109299135A (zh) * | 2018-11-26 | 2019-02-01 | 平安科技（深圳）有限公司 | 基于识别模型的异常查询识别方法、识别设备及介质 |
| CN111709435A (zh) * | 2020-05-18 | 2020-09-25 | 杭州电子科技大学 | 一种基于离散小波变换的对抗样本生成方法 |
| WO2022015948A1 (en) * | 2020-07-15 | 2022-01-20 | Georgia Tech Research Corporation | Privacy-preserving fuzzy query system and method |
| CN112348524A (zh) * | 2020-10-27 | 2021-02-09 | 深圳前海微众银行股份有限公司 | 反欺诈决策方法、装置、设备及计算机存储介质 |
| CN114519898A (zh) * | 2020-11-02 | 2022-05-20 | 北京眼神智能科技有限公司 | 生物特征多模态融合识别方法、装置、存储介质及设备 |
| CN114240951A (zh) * | 2021-12-13 | 2022-03-25 | 电子科技大学 | 一种基于查询的医学图像分割神经网络的黑盒攻击方法 |
| CN114596639A (zh) * | 2022-05-10 | 2022-06-07 | 富算科技(上海)有限公司 | 一种生物特征识别方法、装置、电子设备及存储介质 |
| CN115277228A (zh) * | 2022-07-30 | 2022-11-01 | 北京冠程科技有限公司 | 一种分层网络中的数据访问防御方法及系统 |
| CN115048402A (zh) * | 2022-08-16 | 2022-09-13 | 成都信息工程大学 | 带时效的自适应动态数据集合成员插入、删除及检索方法 |
| CN115661907A (zh) * | 2022-11-15 | 2023-01-31 | 浙江远图技术股份有限公司 | 一种生物特征识别方法及系统 |
| CN116028730A (zh) * | 2022-12-23 | 2023-04-28 | 百度在线网络技术（北京）有限公司 | 搜索资源异常识别方法、装置及电子设备 |
| CN116052251A (zh) * | 2022-12-30 | 2023-05-02 | 佳都科技集团股份有限公司 | 人脸图像优选方法、装置、设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 面向密文的多关键词模糊检索方法研究;张猛;《中国优秀硕士学位论文全文数据库 信息科技辑》(第8期);第I138-19页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116383795A (zh) | 2023-07-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11924202B2 (en) | User authenticated encrypted communication link | |
| US9544308B2 (en) | Compliant authentication based on dynamically-updated credentials | |
| US9262613B1 (en) | Anonymous biometric identification | |
| US7203343B2 (en) | System and method for determining likely identity in a biometric database | |
| EP3281355A2 (en) | System and method for hierarchical cryptographic key generation using biometric data | |
| US9385868B2 (en) | Methods and systems for testing performance of biometric authentication systems | |
| US20110314558A1 (en) | Method and apparatus for context-aware authentication | |
| WO2009083518A1 (fr) | Generation et utilisation d'une cle biometrique. | |
| US11303452B2 (en) | Biometric digital signature generation for identity verification | |
| US11244036B2 (en) | Authentication system and authentication device | |
| CN108198302A (zh) | 一种智能门锁的开锁方法及智能门锁 | |
| US9020208B2 (en) | System and method for anonymous biometrics analysis | |
| Wang et al. | A Hadamard transform-based method for the design of cancellable fingerprint templates | |
| CN116383795B (zh) | 生物特征识别方法、装置及电子设备 | |
| CN113901441A (zh) | 一种用户异常请求检测方法、装置、设备及存储介质 | |
| Hamadouche et al. | A replay attack detection scheme based on perceptual image hashing | |
| EP4189562A1 (en) | System and method to provide dummy data for source attribution for proprietary data transmission | |
| CN117155662A (zh) | 一种基于漏洞知识图谱的漏洞实体预测和查询方法及装置 | |
| CN110633559A (zh) | 一种基于区块链的金融安全存证平台系统及方法 | |
| Liu et al. | Biohashing for human acoustic signature based on random projection | |
| CN112800132B (zh) | 一种电子档案的区块链存储方法 | |
| Yeen et al. | Development of heartbeat based biometric system using wavelet transform | |
| Riya et al. | A novel symmetric key compact to reliable connection between sensor nodes using exploitable features of ECG | |
| CN118658234B (zh) | 基于智能图像识别的门禁管理方法及系统 | |
| Alshaikhli et al. | Security threats of finger print biometric in network system environment |
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 |