主动式活体防御方法和电子设备与流程
本申请涉及活体检测,尤其涉及一种主动式活体防御方法和电子设备。
背景技术:
1、远程人脸身份核验广泛应用于互联网金融信贷预审、远程实名核身、大额资金交易校验等业务场景,依托人脸生物特征完成用户身份真实性判定,是线上风控体系的核心环节。当前行业内主流活体检测方案分为配合式活体检测与非配合式静默活体检测两类,配合式活体检测通过下发眨眼、摇头、张嘴等动作指令引导用户交互,非配合式静默活体检测直接基于单帧或连续视频帧图像开展纹理、反光、红外特征分析,两类方案均在应用层完成图像采集后的防伪识别。
2、随着黑灰产攻击手段持续迭代,攻击者搭载高性能图形处理器(gpu,graphicsprocessing unit)算力集群部署基于张量实时推理加速框架(tensorrt)的实时深度伪造(deepfake)换脸推理管线,可生成零延迟、高分辨率仿真人脸视频流。实时换脸模型能够同步捕获配合式活体的交互指令,并在渲染管线内同步生成对应面部动作,以此绕过动作校验逻辑;而传统静默活体仅在红绿蓝图像(rgb)应用层完成人脸纹理分类识别,未介入图像采集底层硬件链路,仅依靠图像表层特征完成真伪区分,极易被高质量实时合成视频流欺骗。
技术实现思路
1、为了解决上述至少一个问题,本申请实施例提出一种主动式活体防御方法和电子设备,旨在基于交易时间戳生成稀疏时域密钥向量,区分标准帧与质询探针帧并对质询探针帧底层硬件注入专属光学畸变;通过双层时序校验甄别ai生成视频固有时序溢出现象,再对畸变探针帧逆向光学重建恢复人脸图像;利用双流网络分别提取人脸微观身份特征与宏观三维拓扑特征并开展一致性比对,依托硬件底层主动质询、时序校验、跨模态特征交叉验证的分层防护架构,兼顾无感化采集、活体防伪与精准身份核验,抵御黑灰产实时深度伪造换脸攻击。
2、为实现上述目的,本申请实施例的第一方面提出了一种主动式活体防御方法,所述方法包括:
3、采集人脸视频连续帧序列,并以交易时间戳为随机种子,通过安全伪随机数发生器在所述人脸视频连续帧序列内随机抽取多个离散视频帧,生成稀疏时域密钥向量,所述稀疏时域密钥向量为存储多个所述离散视频帧对应的帧序号的一维数组;
4、根据所述稀疏时域密钥向量存储的帧序号,将所述人脸视频连续帧序列划分为质询探针帧与标准帧;
5、摄像头启动采集,采集所述标准帧时保持摄像头默认成像参数,采集所述质询探针帧时改写图像传感器底层寄存器参数和/或图像信号处理器底层寄存器参数以生成光学畸变,最终输出包含无畸变标准帧与带光学畸变质询探针帧的时分复用混合人脸视频流;
6、对所述时分复用混合人脸视频流进行时域物理响应校验与非线性时序溢出校验;
7、当所述时域物理响应校验与所述非线性时序溢出校验均通过时,从所述时分复用混合人脸视频流中提取标准帧与质询探针帧,并对所述质询探针帧实施逆向光学重建,以消除光学畸变;
8、由第一人脸识别网络基于所述标准帧提取人脸微观身份特征,形成人脸微观身份特征向量,由第二人脸拓扑网络基于逆向光学重建后的所述质询探针帧提取人脸宏观三维拓扑特征,形成人脸宏观三维拓扑特征向量;
9、比对所述人脸微观身份特征向量与所述人脸宏观三维拓扑特征向量的空间映射一致性,并基于比对结果输出活体风控判定结果。
10、为实现上述目的,本申请实施例的第二方面提出了一种电子设备,所述电子设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现本申请实施例第一方面所述的方法。
11、在本申请实施例提供的技术方案中,以交易时间戳为随机种子,通过安全伪随机数发生器生成存储离散帧序号的稀疏时域密钥向量,并据此区分质询探针帧与标准帧,仅对质询探针帧改写图像传感器、图像信号处理器底层寄存器注入光学畸变,一方面畸变帧时序随机不可预测,可大幅提升黑灰产模拟伪造的难度,另一方面仅少量帧施加成像扰动,用户无感知,无需额外配合式交互。接着对混合视频流同时开展时域物理响应校验、非线性时序溢出校验,依托真实硬件成像时序唯一性以及ai换脸模型帧间平滑带来畸变跨帧扩散的固有缺陷,在前置环节快速拦截实时深度伪造视频,可弥补传统应用层活体检测无法识别底层时序伪造的不足。在校验全部通过后对畸变质询探针帧执行逆向光学重建,修复硬件扰动造成的图像失真,解决主动防伪与身份比对画质需求相互冲突的工程难题。本申请分别通过两路网络提取标准帧的人脸微观身份特征、重建后探针帧的人脸宏观三维拓扑特征,依靠两类特征的空间映射一致性交叉核验完成活体判定,构建起硬件质询、双层时序筛查、光学重建、跨模态特征比对的多层纵深防御体系,在保障人脸身份核验精度的同时,显著提升抵御高阶实时ai换脸攻击的整体安全性。
12、应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本申请。
1.一种主动式活体防御方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述根据所述稀疏时域密钥向量存储的帧序号,将所述人脸视频连续帧序列划分为质询探针帧与标准帧,包括:
3.根据权利要求1所述的方法,其特征在于,采集所述质询探针帧时改写图像传感器底层寄存器参数和/或图像信号处理器底层寄存器参数以生成光学畸变,包括:
4.根据权利要求1所述的方法,其特征在于,所述对所述时分复用混合人脸视频流进行时域物理响应校验与非线性时序溢出校验,包括:
5.根据权利要求4所述的方法,其特征在于,所述将所述畸变帧序号与所述稀疏时域密钥向量存储离散视频帧对应的帧序号进行比对,以完成时域物理响应校验,包括:
6.根据权利要求4或5所述的方法,其特征在于,所述根据所述相邻前帧与所述相邻后帧分别对应的高频能量域平均绝对差值的变化率和所述畸变帧与所述相邻后帧分别对应的高频分量,判断是否存在畸变扩散现象,以完成非线性时序溢出校验,包括:
7.根据权利要求1所述的方法,其特征在于,由第一人脸识别网络基于所述标准帧提取人脸微观身份特征,形成人脸微观身份特征向量,包括:
8.根据权利要求1所述的方法,其特征在于,所述由第二人脸拓扑网络基于逆向光学重建后的所述质询探针帧提取人脸宏观三维拓扑特征,形成人脸宏观三维拓扑特征向量,包括:
9.根据权利要求1所述的方法,其特征在于,所述比对所述人脸微观身份特征向量与所述人脸宏观三维拓扑特征向量的空间映射一致性,并基于比对结果输出活体风控判定结果,包括:
10.一种电子设备,其特征在于,所述电子设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现权利要求1至9任一项所述的方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com