云环境下人脸安全识别系统设计与实现

为解决云环境下的人脸识别在隐私泄露和对抗攻击方面存在的安全性问题,本文将同态加密、不经意传输协议、深度神经网络等技术加以改进后结合起来,设计并实现了一种新的人脸安全识别系统。该系统在人脸识别方案与人脸识别模型两个层级上实现安全性。一方面通过人脸安全识别方案保护参与方隐私信息不会泄露,另一方面通过人脸安全模型防止第三方利用对抗样本对方案中的人脸识别模型进行攻击。安全性测试结果显示,该系统相比于普通人脸识别,安全性更强,识别准确率和计算效率更高,具有一定的实用价值。

基于对抗样本防御的人脸安全识别方法

本文使用一个像素攻击法和通用扰动生成攻击法生成对抗数据集,通过人脸识别模型对对抗数据集进行微调训练,使其对一个像素攻击法生成的对抗样本具有较高的正确识别能力和对通用扰动生成的对抗样本的具有完全正确的识别能力,实现人脸安全识别。

融入唇语识别技术提升人脸识别安全性的研究

为了解决人脸识别的安全性问题,提高对恶意攻击人脸识别系统的安全防护,使人脸识别技术能够获得更广泛应用,本文提出了在人脸识别技术上融入一种基于深度神经网络的唇语识别技术的系统。与现有的唇语识别技术不同的是,该系统主要是识别用户的唇动习惯。运用本系统,用户在进行人脸识别的同时可按照检测方的提示,读出相应的内容,并在对用户的人脸进行验证的过程中,对用户通过唇动说出的内容分别实现唇动识别、比对,从而有效地提升人脸识别的安全性水平。实验结果表明,在故意针对人脸识别系统的攻击中,融入本技术的系统有更好的识别准确率。

人脸识别反欺诈研究进展

当前,人脸识别理论和技术取得了巨大的成功,被广泛应用于政府、金融和军事等关键领域.与其他信息系统类似,人脸识别系统也面临着各类安全问题,其中,人脸欺诈(face spoofing,FS)是最主要的安全问题之一.所谓的人脸欺诈,是指攻击者采用打印照片、视频回放和3D面具等攻击方式,诱骗人脸识别系统做出错误判断,因而是人脸识别系统所必须解决的关键问题.对人脸反欺诈(face anti-spoofing,FAS)的最新进展进行研究:首先,概述了FAS的基本概念;其次,介绍了当前FAS所面临的主要科学问题以及主要的解决方法及其优缺点;在此基础上,将已有的FAS工作分为传统方法和深度学习方法两大类,并分别进行详细论述;接着,针对基于深度学习的FAS域泛化和可解释性问题,从理论和实践的角度进行说明;然后,介绍了FAS研究所使用的典型数据集及其特点,并给出了FAS算法的评估标准和实验对比结果;最后,总结了FAS未来的研究方向并对发展趋势进行展望.

论人脸识别信息的法律保护——兼评我国“人脸识别第一案”

人脸识别技术是一种进步技术,给人们带来便捷的同时,也给人脸识别信息安全带来诸多风险。《个人信息保护法》和《人脸信息司法解释》对我国“人脸识别第一案”的未决疑问给予了部分回应,但仍有不足。建议立法上将“人脸识别信息”作为文本表述,并将其归入敏感个人信息和重要数据,完善知情同意原则和狭义比例原则;司法上落实并探索安全保障义务与责任的适法规则;执法上尝试引入第三方机构认证制度;加强人脸识别信息的行政保护与刑事保护;健全自律机制并落实企业数据合规管理,实现法律与自律的良性耦合,为人脸识别信息安全保驾护航。