基于子空间回归和贝叶斯爬山的人脸识别与攻击算法

摘要

生物特征识别是指利用人体固有的生理特征或者行为特征来进行身份鉴定的技术。与传统的身份认证技术相比，生物特征识别技术具有独特的优势，因此越来越受到研究者们的重视。人脸识别作为生物特征识别技术的一种，具有直观性好、用户接受度高等优点，因而成为身份认证领域的研究热点。
　　 本文从介绍生物特征识别出发，对各种生物特征识别技术做了总结和对比研究。然后着重介绍了人脸识别技术，主要包括人脸的检测和识别。文中对经典的人脸识别方法如PCA(主成分分析)、LDA(线性判别分析)和弹性图匹配等进行了详细的介绍。对一种快速有效的人脸识别方法--基于直接线性回归的方法做了深入分析，这种方法假设同一个人的人脸图像位于一个线性子空间。实际上，由于人脸图像受光照、表情、姿态和遮挡等因素的影响而不可能具有线性结构。在直接线性回归的基础上，本文提出了两种新的人脸识别算法。一种是基于DCT(离散余弦变换)和线性回归的方法，该方法先将人脸图像做二维离散余弦变换，然后选取变换域特征进行线性回归分类。另一种是基于核的非线性回归方法，这种方法将人脸特征从低维空间映射到高维核空间，使得人脸图像在高维核空间中满足线性结构，从而可以使用回归分析进行分类识别。在多个人脸数据库上的实验结果表明了提出方法的有效性。
　　 本文对生物特征识别系统的安全性和脆弱性进行了调研总结，并提出了针对相应安全漏洞的预防策略。着重研究了针对人脸识别系统的攻击算法，并且实现了基于人脸识别系统的贝叶斯爬山攻击。在实验中将这种攻击方法与暴力攻击进行对比和分析。结果表明，贝叶斯爬山攻击要优于暴力攻击，这主要是因为暴力攻击需要大量的真实人脸图像才能进行，而贝叶斯爬山攻击在不使用任何真实人脸样本的情况下依然可以达到很高的攻击性能。此外，贝叶斯爬上攻击还可以用于其它生物特征识别系统。最后，文中提出了预防爬山攻击的可行策略。