买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉大连海事大学申请的专利基于GAN的人脸识别对抗攻击防御方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119006974B 。

龙图腾网通过国家知识产权局官网在2026-04-14发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410836281.8，技术领域涉及：G06V10/82；该发明授权基于GAN的人脸识别对抗攻击防御方法是由周新;孙斌;庞翔原设计研发完成，并于2024-06-26向国家知识产权局提交的专利申请。

本基于GAN的人脸识别对抗攻击防御方法在说明书摘要公布了：本发明公开了一种基于GAN的人脸识别对抗攻击防御方法，包括：将原始人脸图像和人脸面部表情单元输入全局GAN生成器，用判别器进行对抗训练，得到原始对抗示例；将原始人脸图像裁剪得到五官图像，构建整体GAN生成器和五官GAN生成器；将原始人脸图像和五官图像与人脸面部表情单元输入四个生成器，得到生成图像；将原始对抗示例裁剪得到五官对抗图像；将生成图像和五官对抗图像DCT变换去除高频分量，计算损失函数；输入待测目标整体图像裁剪为五官目标图像，将原始对抗示例和五官对抗图像、目标整体图像和五官目标图像DCT变换去除低频分量，计算损失函数；构建人脸识别模型，将原始对抗示例经Tp函数概率变换攻击人脸识别模型，得到损失函数；使用三种损失函数更新全局GAN生成器和判别器参数，输入原始人脸图像生成最终的对抗示例；该方法保证生成的人脸图像在社交媒体上正常使用，同时有效保护人脸图像免受非法人脸识别系统的侵害。

本发明授权基于GAN的人脸识别对抗攻击防御方法在权利要求书中公布了：1.一种基于GAN的人脸识别对抗攻击防御方法，其特征在于，包括： S1：将原始人脸图像和人脸面部表情单元输入全局GAN生成器，并使用判别器进行对抗训练，得到符合所述人脸面部表情单元的原始对抗示例图像； S2：将所述原始人脸图像进行裁剪，得到眼睛、鼻子和嘴巴的图像；构建整体GAN生成器、眼睛GAN生成器、鼻子GAN生成器和嘴巴GAN生成器；并将所述原始人脸图像和所述眼睛、鼻子和嘴巴的图像与所述人脸面部表情单元输入所述整体GAN生成器、眼睛GAN生成器、鼻子GAN生成器和嘴巴GAN生成器中，得到生成的整体、眼睛、鼻子和嘴巴图像； S3：将所述原始对抗示例图像进行裁剪，得到眼睛、鼻子和嘴巴的对抗图像；将所述生成的整体、眼睛、鼻子和嘴巴图像和所述原始对抗示例图像、眼睛、鼻子和嘴巴的对抗图像进行DCT变换，并去除高频分量；计算经DCT变换和去除高频分量后生成的整体、眼睛、鼻子和嘴巴图像与原始对抗示例图像、眼睛、鼻子和嘴巴的对抗图像的自然度损失函数；具体步骤包括： S31、将所述原始对抗示例图像进行裁剪，得到眼睛、鼻子和嘴巴的对抗图像； S32、将所述生成的整体、眼睛、鼻子和嘴巴图像和所述眼睛、鼻子和嘴巴的对抗图像进行DCT变换，得到DCT分量； S33、设大于所述DCT分量的值为高频分量，将所述高频分量重置为0，去除所述高频分量； S34、计算去除高频分量后的整体、眼睛、鼻子和嘴巴图像与眼睛、鼻子和嘴巴的对抗图像的自然度损失函数，所述自然度损失函数包括SSIM损失和MSE损失，整体图像做SSIM损失，局部特征做MSE损失，所述自然度损失函数如公式3所示， 3 其中，.表示图像经过DCT变换并去除高频分量后得到的DCT分量，表示全局自然损失权重，表示局部GAN生成器，为眼睛GAN生成器、鼻子GAN生成器和嘴巴GAN生成器，表示局部自然损失权重，将对抗示例裁剪得到的眼睛、鼻子和嘴巴的对抗图像； S4：输入待测目标整体图像并将所述待测目标整体图像裁剪为眼睛、鼻子和嘴巴的目标图像，将所述原始对抗示例图像、所述眼睛、鼻子和嘴巴的对抗图像、所述待测目标整体图像和所述眼睛、鼻子和嘴巴的目标图像分别经过DCT变换，并去除低频分量，计算经DCT变换和去除低频分量后原始对抗示例图像、眼睛、鼻子和嘴巴的对抗图像与待测目标整体图像和眼睛、鼻子和嘴巴的目标图像的攻击成功率损失函数；具体步骤包括： S41、输入待测目标整体图像并将所述待测目标整体图像裁剪为眼睛、鼻子和嘴巴的目标图像； S42、将所述原始对抗示例图像、所述眼睛、鼻子和嘴巴的对抗图像、所述待测目标整体图像和所述眼睛、鼻子和嘴巴的目标图像分别经过DCT变换，得到DCT分量； S43、设小于所述DCT分量的值为低频分量，将所述低频分量重置为0，去除所述低频分量； S44、计算去除所述低频分量的原始对抗示例图像、眼睛、鼻子和嘴巴的对抗图像与待测目标整体图像和眼睛、鼻子和嘴巴的目标图像的攻击成功率损失函数，使用MSE损失计算所述攻击成功率损失函数，如公式4所示， = 4 其中，.表示图像经过DCT变换并去除低频分量后得到的DCT分量，表示目标图像，表示全局攻击损失权重，表示局部攻击损失权重，m代表经过DCT变换后的图像的中位数； S5：构建k个预训练好的人脸识别模型，将所述原始对抗示例图像经过输入多样性函数Tp进行概率变换，攻击所述人脸识别模型，得到关于输入多样性函数Tp处理的对抗示例和所述待测目标整体图像经过人脸识别模型得到的特征图像的多样性攻击损失函数； S6：使用三种损失函数更新所述全局GAN生成器和所述判别器的参数，将原始人脸图像输入更新后的全局GAN生成器和判别器，生成最终的对抗示例。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人大连海事大学，其通讯地址为：116000 辽宁省大连市甘井子区凌水街道凌海路1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。