買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉重慶郵電大學(xué)申請(qǐng)的專利一種基于對(duì)抗樣本的通用人臉識(shí)別防御水印生成方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN115601810B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-09發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202211265858.1，技術(shù)領(lǐng)域涉及：G06V40/16；該發(fā)明授權(quán)一種基于對(duì)抗樣本的通用人臉識(shí)別防御水印生成方法是由高陳強(qiáng);段偉;魏鑫設(shè)計(jì)研發(fā)完成，并于2022-10-17向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于對(duì)抗樣本的通用人臉識(shí)別防御水印生成方法在說(shuō)明書摘要公布了：本發(fā)明屬于人工智能安全技術(shù)領(lǐng)域，涉及一種人臉隱私保護(hù)方法，具體涉及到一種基于對(duì)抗樣本的通用人臉識(shí)別防御水印生成方法。該防御水印生成方法包括：獲取人臉數(shù)據(jù)集進(jìn)行預(yù)處理；將處理好的人臉圖像輸入訓(xùn)練好的人臉檢測(cè)網(wǎng)絡(luò)，輸出人臉特征點(diǎn)；利用仿射變化將人臉特征點(diǎn)映射至固定位置，并裁剪至固定尺寸；利用身份特征鑲嵌攻擊多個(gè)人臉識(shí)別模型并采用自適應(yīng)的模型權(quán)重生成第一階段的水印；尋找特征顯著塊，疊加高斯噪聲并引入梯度糾正模塊，控制人臉對(duì)抗圖像與原圖的視覺一致性生成第二階段的人臉識(shí)別通用水印；利用仿射不變性將通用性人臉識(shí)別對(duì)抗水印疊加至原圖。

本發(fā)明授權(quán)一種基于對(duì)抗樣本的通用人臉識(shí)別防御水印生成方法在權(quán)利要求書中公布了：1.一種基于對(duì)抗樣本的通用人臉識(shí)別防御水印生成方法，其特征在于，所述方法包括： 101、獲取原始人臉圖像，并對(duì)所述原始人臉圖像進(jìn)行預(yù)處理； 102、將處理好的人臉圖像輸入到訓(xùn)練好的人臉檢測(cè)網(wǎng)絡(luò)，輸出人臉特征點(diǎn)； 103、利用仿射變化將所述人臉特征點(diǎn)映射至固定位置，并裁剪至固定尺寸，更新人臉圖像； 104、利用身份特征鑲嵌攻擊人臉識(shí)別模型，將優(yōu)化后的身份特征信息鑲嵌至人臉圖像，分別輸入到多個(gè)人臉識(shí)別模型中，生成對(duì)抗圖像，并采用自適應(yīng)的模型權(quán)重向量結(jié)合各個(gè)對(duì)抗圖像生成第一階段水印圖像； 105、提取出第一階段水印圖像的特征顯著塊；將高斯噪聲疊加至特征顯著塊，輸入到人臉識(shí)別模型中，并采用梯度糾正生成第二階段水印圖像； 106、利用仿射不變性將所述第二階段水印圖像疊加至所述原始人臉圖像； 采用自適應(yīng)的模型權(quán)重向量結(jié)合各個(gè)對(duì)抗圖像生成第一階段水印圖像包括初始化模型權(quán)重向量；將各個(gè)對(duì)抗圖像與相應(yīng)模型權(quán)重向量的乘積作為初始的第一階段水印圖像，將第一階段水印圖像疊加到原始人臉圖像中，測(cè)試各個(gè)人臉識(shí)別模型對(duì)身份的置信度，按照置信度計(jì)算出每個(gè)人臉識(shí)別模型的攻擊程度；按照攻擊程度調(diào)整所述模型權(quán)重向量，當(dāng)所有人臉識(shí)別模型的攻擊程度均大于0，或者迭代次數(shù)達(dá)到融合迭代次數(shù)時(shí)，輸出迭代優(yōu)化后的第一階段水印圖像； 所述采用梯度糾正生成第二階段水印圖像包括當(dāng)疊加高斯噪聲后對(duì)所有人臉識(shí)別模型的攻擊效果均提升時(shí)，即疊加高斯噪聲后的擾動(dòng)再疊加至人臉圖像與特定人臉圖像的相似度均上升時(shí)，則將當(dāng)前所疊加的高斯噪聲合并至通用水印，并將下次疊加的高斯噪聲的均值換成本次有效的添加值；當(dāng)疊加高斯噪聲后對(duì)部分人臉識(shí)別模型的攻擊效果提升時(shí)，且部分人臉識(shí)別模型的攻擊效果降低時(shí)，則丟棄此次疊加的高斯噪聲，將下次疊加的高斯噪聲的均值重新置為0；當(dāng)疊加的高斯噪聲后對(duì)所有人臉識(shí)別模型的攻擊效果均下降時(shí)，則將高斯噪聲取反后疊加測(cè)試攻擊效果，如攻擊所有模型的效果增加，則把取反的高斯噪聲合并至通用水印。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人重慶郵電大學(xué)，其通訊地址為：400065 重慶市南岸區(qū)南山街道崇文路2號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。