基于中心损失的深度人脸识别对抗防御结题报告.docVIP

基于中心损失的深度人脸识别对抗防御结题报告

一、研究背景与问题提出

1.1深度人脸识别技术的发展与应用

近年来，深度卷积神经网络（CNN）在人脸识别领域取得了突破性进展，其准确率已经超越了人类水平，广泛应用于安防监控、金融支付、智能家居等多个领域。例如，在安防监控中，人脸识别技术可以快速准确地识别出嫌疑人，提高破案效率；在金融支付中，人脸识别技术可以实现无接触支付，提高支付的安全性和便捷性。

1.2对抗样本的威胁

然而，深度人脸识别模型容易受到对抗样本的攻击。对抗样本是指在原始样本上添加微小的、人类无法察觉的扰动，使得模型做出错误的预测。例如，在人脸识别系统中，攻击者可以通过在人脸图像上添加微小的扰动，使得系统将攻击者识别为其他人，从而绕过人脸识别系统的验证。

对抗样本的存在严重威胁了深度人脸识别系统的安全性和可靠性。因此，研究深度人脸识别对抗防御技术具有重要的现实意义。

1.3中心损失在人脸识别中的应用

中心损失是一种用于人脸识别的损失函数，它通过最小化类内距离和最大化类间距离来提高模型的判别能力。中心损失的引入可以使得模型学习到更加鲁棒的特征表示，从而提高模型的抗干扰能力。

然而，目前基于中心损失的深度人脸识别对抗防御研究还比较少，因此，本研究旨在探索基于中心损失的深度人脸识别对抗防御方法，提高深度人脸识别系统的安全性和可靠性。

二、相关工作综述

2.1深度人脸识别对抗