CN108491785B - 一种人工智能图像辨识攻击防御*** - Google Patents

一种人工智能图像辨识攻击防御*** Download PDF

Info

Publication number
CN108491785B
CN108491785B CN201810223172.3A CN201810223172A CN108491785B CN 108491785 B CN108491785 B CN 108491785B CN 201810223172 A CN201810223172 A CN 201810223172A CN 108491785 B CN108491785 B CN 108491785B
Authority
CN
China
Prior art keywords
image
module
target
recognition
monitor
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
CN201810223172.3A
Other languages
English (en)
Other versions
CN108491785A (zh
Inventor
罗禹铭
罗禹城
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.)
Wangyu Safety Technology Shenzhen Co ltd
Original Assignee
Wangyu Safety Technology Shenzhen 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 Wangyu Safety Technology Shenzhen Co ltd filed Critical Wangyu Safety Technology Shenzhen Co ltd
Priority to CN201810223172.3A priority Critical patent/CN108491785B/zh
Publication of CN108491785A publication Critical patent/CN108491785A/zh
Application granted granted Critical
Publication of CN108491785B publication Critical patent/CN108491785B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/94—Hardware or software architectures specially adapted for image or video understanding
    • G06V10/95—Hardware or software architectures specially adapted for image or video understanding structured as a network, e.g. client-server architectures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/96—Management of image or video recognition tasks
    • 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
    • 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
    • G06V40/40—Spoof detection, e.g. liveness detection
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/04—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks
    • H04L63/0428—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/12—Applying verification of the received information
    • H04L63/123—Applying verification of the received information received data contents, e.g. message integrity
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/06—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols the encryption apparatus using shift registers or memories for block-wise or stream coding, e.g. DES systems or RC4; Hash functions; Pseudorandom sequence generators
    • H04L9/0643—Hash functions, e.g. MD5, SHA, HMAC or f9 MAC
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Human Computer Interaction (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Power Engineering (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种人工智能图像辨识攻击防御***，所述***包括：监视器端和服务器端，所述监视器端和所述服务器端进行通信连接；所述监视器端包括图像目标位置检测模块、图像数值化模块、图像安全编码模块以及编码传输加密模块、所述服务器端包括编码传输解密模块、图像安全解码模块、数值图像化模块、图像目标二分类算法模块、人工智能深度学习服务器主机以及后台图像目标数据库；本发明通过人工智能图像辨识攻击防御***进行人脸的智能识别，避免人工智能图形辨识混淆攻击，快速判断图像目标的真伪性，提高人脸识别的安全性。

Description

一种人工智能图像辨识攻击防御***
技术领域
本发明涉及人工智能图像识别技术领域，尤其涉及一种人工智能图像辨识攻击防御***。
背景技术
目前，AI（Artificial Intelligence，人工智能，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用***的一门新的技术科学）的到来将带领人类进入一个新的时代，随着计算机技术与信息技术的发展，AI人工智能越来越多的影响着我们的日常生活。
图像识别是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术，一般工业使用中，采用工业相机拍摄图片，然后再利用软件根据图片灰阶差做进一步识别处理。
目前人脸识别已经开始大范围应用，但安全防护方面的工作则比较薄弱，尤其是图像采集前端（摄像头），安全防护能力特别薄弱，摄像头被入侵和劫持的情况非常普遍；如果攻击方入侵摄像头，篡改摄像头获取的图像和视频，则可以误导后台的人脸识别等人工智能处理。
因此，现有技术还有待于改进和发展。
发明内容
本发明要解决的技术问题在于，针对现有技术缺陷，本发明提供一种人工智能图像辨识攻击防御***，旨在通过人工智能图像辨识攻击防御***进行人脸的智能识别，避免人工智能图形辨识混淆攻击，快速判断图像目标的真伪性，提高人脸识别的安全性。
本发明解决技术问题所采用的技术方案如下：
一种人工智能图像辨识攻击防御***，其中，所述人工智能图像辨识攻击防御***包括：
监视器端和服务器端，所述监视器端和所述服务器端进行通信连接；
所述监视器端包括：
图像目标位置检测模块，用于将监视器实时获取的图像进行目标位置识别，提取出需要进行安全编码保护的像素点；
图像数值化模块，用于将图像进行数字化处理；
图像安全编码模块，用于将数字化处理后的图像进行安全算法的编码；
编码传输加密模块，用于将编码信息进行加密，通过网络封包传送入服务器端；
所述服务器端包括：
编码传输解密模块，用于将接收到的编码信息解密；
图像安全解码模块，用于将解密后的编码信息解出原始图像编码前的数值，并经数字图像算法还原成原始目标图像；
数值图像化模块，用于将数值进行图像化处理；
图像目标二分类算法模块，用于通过目标真伪特征人为定义的规则库，初步判断出图像目标的真伪性；
人工智能深度学习服务器主机，用于对比辨识图像目标的细部特征后，将特征信息传送至后台图像目标数据库；
后台图像目标数据库，用于比对图像目标特征的对应信息后，根据应用范围传回或显示图像目标的真实数据信息。
所述的人工智能图像辨识攻击防御***，其中，所述监视器端还包括：用于进行影像捕获的监视器。
所述的人工智能图像辨识攻击防御***，其中，所述监视器包括摄像头和移动终端。
所述的人工智能图像辨识攻击防御***，其中，所述编码传输加密模块通过哈希算法将编码信息进行加密。
所述的人工智能图像辨识攻击防御***，其中，所述编码传输解密模块通过哈希算法对接收到的编码信息进行解密。
所述的人工智能图像辨识攻击防御***，其中，所述服务器端还包括：
人脸身份资料比对模块，用于根据通过所述后台图像目标数据库得到的真实数据信息获取身份识别结果。
所述的人工智能图像辨识攻击防御***，其中，所述服务器端还包括：
人脸特征图片搜索模块，用于根据通过所述后台图像目标数据库得到的真实数据信息获取图片识别结果。
所述的人工智能图像辨识攻击防御***，其中，所述服务器端还包括：
图像检测模块，用于在所述图像目标二分类算法模块判断图像在传送封包时已遭遇攻击时再次对图像进行检测。
本发明公开了一种人工智能图像辨识攻击防御***，所述***包括：监视器端和服务器端，所述监视器端和所述服务器端进行通信连接；所述监视器端包括图像目标位置检测模块、图像数值化模块、图像安全编码模块以及编码传输加密模块、所述服务器端包括编码传输解密模块、图像安全解码模块、数值图像化模块、图像目标二分类算法模块、人工智能深度学习服务器主机以及后台图像目标数据库；本发明通过人工智能图像辨识攻击防御***进行人脸的智能识别，避免人工智能图形辨识混淆攻击，快速判断图像目标的真伪性，提高人脸识别的安全性。
附图说明
图1是本发明人工智能图像辨识攻击防御***的较佳实施例的功能原理图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
为使本发明的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明较佳实施例所述的人工智能图像辨识攻击防御***，如图1所示，一种人工智能图像辨识攻击防御***，其中，所述人工智能图像辨识攻击防御***包括：
监视器端100和服务器端200，所述监视器端100和所述服务器端200进行通信连接；所述监视器端100包括：图像目标位置检测模块110，用于将监视器实时获取的图像进行目标位置识别，提取出需要进行安全编码保护的像素点；图像数值化模块120，用于将图像进行数字化处理；图像安全编码模块130，用于将数字化处理后的图像进行安全算法的编码；编码传输加密模块140，用于将编码信息进行加密，通过网络封包传送入服务器端；所述服务器端200包括：编码传输解密模块210，用于将接收到的编码信息解密；图像安全解码模块220，用于将解密后的编码信息解出原始图像编码前的数值，并经数字图像算法还原成原始目标图像；数值图像化模块230，用于将数值进行图像化处理；图像目标二分类算法模块240，用于通过目标真伪特征人为定义的规则库，初步判断出图像目标的真伪性；人工智能深度学习服务器主机250，用于对比辨识图像目标的细部特征后，将特征信息传送至后台图像目标数据库；后台图像目标数据库260，用于比对图像目标特征的对应信息后，根据应用范围传回或显示图像目标的真实数据信息。
其中，本发明先经由监视器硬件针对当下影像进行实时撷取，再利用图像目标位置检测模块110进行目标辨识（不是所有的像素点都需要进行安全编码，只有关键图像部分需要进行安全编码保护，因此需要先进行目标辨识，提取出需要进行安全编码保护的部分，从而减少运输量），并利用图像数值化模块120将图像进行数字化，经数字化之图像，进入图像安全编码模块130，进行安全算法之编码后，再将此编码信息以编码传输加密模块140进行加密，最后透过网络封包传送入服务器端200。
其中，图像安全编码模块130可于图像各像素位置处，进行安全编码，将图片编码信息经图像数值化模块120传送至后台（是指对图像和视频进行处理的后台），由后台译码为原始图像；在监视器硬件获取原始图像后，对原始图像的内容进行目标识别，在目标图像内容进行数字化处理的同时，加入的安全防护硬件进行安全编码，从而防止攻击方篡改图像的内容。
进一步地，所述监视器端100还包括：用于进行影像捕获的监视器；所述监视器包括摄像头和移动终端。
其中，所述编码传输加密模块140通过哈希算法将编码信息进行加密；所述编码传输解密模块210通过哈希算法对接收到的编码信息进行解密。
进一步地，如图1所示，所述服务器端200还包括：人脸身份资料比对模块270，用于根据通过所述后台图像目标数据库得到的真实数据信息获取身份识别结果；人脸特征图片搜索模块280，用于根据通过所述后台图像目标数据库得到的真实数据信息获取图片识别结果。
进一步地，如图1所示，所述服务器端200还包括：图像检测模块290，用于在所述图像目标二分类算法模块240判断图像在传送封包时已遭遇攻击时再次对图像进行检测。
具体地，本发明首先经由监视器硬件(或其他影像捕获设备)针对当下影像进行实时撷取，再利用图像目标位置检测模块110进行目标位置辨识，并利用图像数值化模块120将图像(如本范例为一人脸)进行数字化，经数字化的图像，进入图像安全编码模块130(如本实施例为一哈希算法加密模块)，进行安全算法的编码后，再将此编码信息以编码传输加密模块140进行加密，最后透过网络封包传送入服务器端200。
服务器端200则先利用编码传输解密模块210将编码信息解密，并将该解密的编码信息经图像安全解码模块220，解出原始之图像编码前数值，最后经数字图像化模块230还原成原始目标图像。
一般而言，进行人工智能图形辨识混淆攻击，(如: 深度学习网络差分进化攻击、及伪造虚假脸部辨识攻击等，差分进化是人工智能图像识别中的一种优化算法。差分进化攻击为变更本地端传送至服务器端之人脸图片像素，对人脸图片之单像素点或多像素点进行修改，使服务器端深度学习人工智能(DNN)判断失准)，黑客最可能之攻击时点，正是图形封包，经网络传往服务器端200主机的过程，即由监视器端100的编码传输加密模块140传送至服务器端200的编码传输解密模块的过程。
本发明为了避免人工智能图形辨识混淆攻击，造成人工智能目标辨识服务器端遭混淆的风险，解密图像进入人工智能深度学习服务器前，需先经过图像目标二分类算法模块240以目标真伪特征人为定义之规则库，初步判断出该图像目标之真伪性（由于摄像头等图像和视频采集设备的运算能力有限，对类似于人脸的图像区块的识别会存在误差，把不是人脸但形状类似于人脸的图像区块标注为目标图像，并进行安全编码，为了提高下一步人脸识别处理的效率，需要首先筛出不是人脸的部分；系指对通过检查安全编码发现目标图像已经受到篡改后，进一步分析篡改的目标是否是计划进行混淆攻击；因为在图像数据传输过程中，也会发生数据传输错误的情况，不一定是有针对性的攻击）。
如该目标确实为满足目标真伪特征人为定义规则库之目标特征，此图形才允许经由人工智能深度学习网络(DNN)进行进一步比对。如不满足，即可得知此图片有可能在传送封包时，已遭受到黑客进行混淆攻击，不可直接将此信息输入人工智能辨识数据库，以免造成数据库混淆，需将此图片发送至图像检测模块290进行再次检查。
人工智能深度学习网络(DNN)进一步对比辨识该目标之细部特征后，将其特征信息，传送至后台目标数据库260处理中心，经后台目标数据库260成功比对该目标特征之对应信息后，依应用范围，传回或显示此目标之真实数据信息。
综上所述，本发明提供一种人工智能图像辨识攻击防御***，所述***包括：监视器端和服务器端，所述监视器端和所述服务器端进行通信连接；所述监视器端包括图像目标位置检测模块、图像数值化模块、图像安全编码模块以及编码传输加密模块、所述服务器端包括编码传输解密模块、图像安全解码模块、数值图像化模块、图像目标二分类算法模块、人工智能深度学习服务器主机以及后台图像目标数据库；所述监视器端将实时获取的图像进行目标位置识别，获取需要进行安全编码保护的像素点，并将图像进行数字化处理；所述监视器端将数字化处理后的图像进行编码，并将编码信息进行加密后通过网络封包传送入所述服务器端；所述服务器端将接收到的编码信息解密，并还原成原始目标图像，将数值进行图像化处理后，初步判断出图像目标的真伪性；所述服务器端对比辨识图像目标的细部特征，并比对图像目标特征的对应信息，根据应用范围传回或显示图像目标的真实数据信息。本发明通过人脸的智能识别，避免人工智能图形辨识混淆攻击，快速判断图像目标的真伪性，提高人脸识别的安全性。
当然，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关硬件（如处理器，控制器等）来完成，所述的程序可存储于一计算机可读取的存储介质中，所述程序在执行时可包括如上述各方法实施例的流程。其中所述的存储介质可为存储器、磁碟、光盘等。
应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (5)

1.一种人工智能图像辨识攻击防御***，其特征在于，所述人工智能图像辨识攻击防御***包括：
监视器端和服务器端，所述监视器端和所述服务器端进行通信连接；
所述监视器端包括：
图像目标位置检测模块，用于将监视器实时获取的图像进行目标位置识别，提取出需要进行安全编码保护的像素点；
图像数值化模块，用于将图像进行数字化处理；
图像安全编码模块，用于将数字化处理后的图像进行安全算法的编码；
编码传输加密模块，用于将编码信息进行加密，通过网络封包传送入服务器端；
所述服务器端包括：
编码传输解密模块，用于将接收到的编码信息解密；
图像安全解码模块，用于将解密后的编码信息解出原始图像编码前的数值，并经数字图像算法还原成原始目标图像；
数值图像化模块，用于将数值进行图像化处理；
图像目标二分类算法模块，用于通过目标真伪特征人为定义的规则库，初步判断出图像目标的真伪性；避免人工智能图形辨识混淆攻击，造成人工智能目标辨识服务器端遭混淆的风险；所述图像目标为人脸，所述图像目标二分类为人脸的真伪；
图像检测模块，用于在所述图像目标二分类算法模块判断图像在传送封包时已遭遇攻击时再次对图像进行检测；
解密后的原始目标图像进入人工智能深度学习服务器主机前，需先进入图像目标二分类算法模块；
人工智能深度学习服务器主机，用于对比辨识图像目标的细部特征后，将特征信息传送至后台图像目标数据库；
后台图像目标数据库，用于比对图像目标特征的对应信息后，根据应用范围传回或显示图像目标的真实数据信息；
人脸身份资料比对模块，用于根据通过所述后台图像目标数据库得到的真实数据信息获取身份识别结果；
人脸特征图片搜索模块，用于根据通过所述后台图像目标数据库得到的真实数据信息获取图片识别结果；
通过人脸的智能识别，避免人工智能图形辨识混淆攻击，快速判断图像目标的真伪性，提高人脸识别的安全性。
2.根据权利要求1所述的人工智能图像辨识攻击防御***，其特征在于，所述监视器端还包括：用于进行影像捕获的监视器。
3.根据权利要求2所述的人工智能图像辨识攻击防御***，其特征在于，所述监视器包括摄像头和移动终端。
4.根据权利要求1所述的人工智能图像辨识攻击防御***，其特征在于，所述编码传输加密模块通过哈希算法将编码信息进行加密。
5.根据权利要求1所述的人工智能图像辨识攻击防御***，其特征在于，所述编码传输解密模块通过哈希算法对接收到的编码信息进行解密。
CN201810223172.3A 2018-03-19 2018-03-19 一种人工智能图像辨识攻击防御*** Active CN108491785B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810223172.3A CN108491785B (zh) 2018-03-19 2018-03-19 一种人工智能图像辨识攻击防御***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810223172.3A CN108491785B (zh) 2018-03-19 2018-03-19 一种人工智能图像辨识攻击防御***

Publications (2)

Publication Number Publication Date
CN108491785A CN108491785A (zh) 2018-09-04
CN108491785B true CN108491785B (zh) 2020-07-28

Family

ID=63339904

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810223172.3A Active CN108491785B (zh) 2018-03-19 2018-03-19 一种人工智能图像辨识攻击防御***

Country Status (1)

Country Link
CN (1) CN108491785B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109271137B (zh) * 2018-09-11 2020-06-02 网御安全技术（深圳）有限公司 一种基于公钥加密算法的模乘装置及协处理器
CN110070115B (zh) * 2019-04-04 2021-09-03 广州大学 一种单像素攻击样本生成方法、装置、设备及存储介质
CN110046622B (zh) * 2019-04-04 2021-09-03 广州大学 一种有目标的攻击样本生成方法、装置、设备及存储介质
CN110263674B (zh) * 2019-05-31 2022-02-15 武汉大学 一种面向深度行人重识别***的反侦察伪装“隐形衣”生成方法
CN111401273B (zh) * 2020-03-19 2022-04-29 支付宝(杭州)信息技术有限公司 一种用于隐私保护的用户特征提取***及设备
CN111274601A (zh) * 2020-03-23 2020-06-12 上海金桥信息股份有限公司 一种网络环境下的图像安全识别***及方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101957911A (zh) * 2010-09-29 2011-01-26 汉王科技股份有限公司 一种人脸识别方法及***
CN105488486A (zh) * 2015-12-07 2016-04-13 清华大学 防止照片攻击的人脸识别方法及装置
CN106778525A (zh) * 2016-11-25 2017-05-31 北京旷视科技有限公司 身份认证方法和装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170214701A1 (en) * 2016-01-24 2017-07-27 Syed Kamran Hasan Computer security based on artificial intelligence

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101957911A (zh) * 2010-09-29 2011-01-26 汉王科技股份有限公司 一种人脸识别方法及***
CN105488486A (zh) * 2015-12-07 2016-04-13 清华大学 防止照片攻击的人脸识别方法及装置
CN106778525A (zh) * 2016-11-25 2017-05-31 北京旷视科技有限公司 身份认证方法和装置

Also Published As

Publication number Publication date
CN108491785A (zh) 2018-09-04

Similar Documents

Publication Publication Date Title
CN108491785B (zh) 一种人工智能图像辨识攻击防御***
CN107580196B (zh) 一种视频数据共享***及方法
US10659220B2 (en) Method and system for encrypting and decrypting two-dimensional code mask
KR101747221B1 (ko) 보안 카메라 시스템에서의 위변조 방지를 위한 영상 데이터 송수신 방법
Hämmerle-Uhl et al. Watermarking as a means to enhance biometric systems: A critical survey
KR20020021080A (ko) 네트워크를 거쳐 생체 측정 데이터를 안전하게 전송하고인증하는 방법 및 장치
KR20040053253A (ko) 네트워크를 거쳐 생체 인식 데이터를 안전하게 전송하고인증하는 방법 및 장치
CN106534171B (zh) 一种安全认证方法、装置和终端
CN111882233A (zh) 基于区块链的仓储风险预警方法、***、装置和存储介质
CN116132989B (zh) 一种工业互联网安全态势感知***及方法
CN108512651B (zh) 一种人工智能图像辨识攻击防御方法、***及存储介质
KR101951605B1 (ko) 영상의 유출을 방지하기 위한 cctv 영상 보안 시스템
CN116383793B (zh) 人脸数据处理方法、装置、电子设备和计算机可读介质
US11374933B2 (en) Securing digital data transmission in a communication network
CN113139428A (zh) 目标识别方法、边缘设备、边防监控***及可读存储介质
CN112561770A (zh) 一种基于脆弱水印的对抗样本防御方法
KR20210084806A (ko) 홍채 인식 기반 왜곡 영상 복원 처리 방법
CN112307875A (zh) 人脸验证方法及人脸验证***
CN108600168A (zh) 一种用于人工智能图像辨识攻击的安全编码方法及***
CN116756750A (zh) 医疗敏感数据采集脱敏方法
WO2020199393A1 (zh) 一种防伪***及防伪方法
KR20210084804A (ko) 신분증 인식 기반 왜곡 영상 복원 처리 방법
CN111818237A (zh) 一种视频监控分析***和方法
KR20210084805A (ko) 지문 인식 기반 왜곡 영상 복원 처리 방법
KR20210084802A (ko) 왜곡 영상 복원 처리 방법

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