[发明专利]一种虚假身份属性检测方法

说明书

本发明公开了一种虚假身份属性检测方法，包括采集已知的S个身份对象的N个身份属性，给定待检测未知身份的N个身份属性，其中包含小于49％的虚假属性，鉴于多数判决方法不能很好解决虚假属性，引入一种逐阶计算方法。首先通过身份识别算法，依次得到N个待检测身份属性的N个识别结果序列R_i，结果序列R_i取top K个身份，表示与待检测属性最相似的K个身份，通过逐阶共识计算方法得到共识身份identity，并记录当前算法计算的阶order，然后判断共识身份identity是否在序列R_i的top P中，其中P＝min(order+δ，K)，若identity在R_i的top P中，则判断对应得到识别序列R_i的属性为真实属性，否则为虚假属性，依次判断上述条件，直至所有的待检测属性都判断完成为止，最后输出检测到的虚假身份属性。

技术领域

本发明属于信息安全技术领域，具体涉及一种身份可信辨识过程中的虚假属性检测方法。

背景技术

身份属性是对象的一种强有力的标识方式。随着人工智能，机器学习的快速发展，利用生物属性进行身份辨识获得了较高的准确率，并且在生活中得到广泛应用。但是身份属性极易发生伪造、篡改、替换等现象，给物理空间身份的辨识带来了巨大挑战，其系统的安全性也受到了更多的关注。2017年，印度学者Akshay Agarwal在相关文章中指出，使用面具进行攻击人脸识别系统，结果识别系统的性能大幅下降，进而得出对象可以利用面具等技术隐藏自己真实身份的结论。身份属性伪造的发生，不仅干扰身份可信辨识，同时也影响社会的安全稳定，因此如何在身份辨识过程中检测出虚假身份属性，成为亟待解决的重要问题。

目前身份识别安全性的相关研究主要集中在反欺骗检测，与本文中虚假检测有所不同，本文主要关注在于，例如在身份辨识过程中，已从终端中获取未知身份对象的多个身份属性，其中可能包含虚假属性，但其数量小于所获取属性的49％，由于虚假属性的存在，通过识别之后会干扰真实身份的确定，因此需要检测并剔除虚假属性之后进行身份识别，传统方法多数判决就可以检测出虚假属性。

多数判决技术的核心是保证真实身份属性的识别结果足够准确，但是由于识别算法性能的不足，真实属性的识别结果出现错误的现象时有发生，即识别结果的首选身份不是真实身份，因此无法再利用多数判决方法进行判断，检测虚假身份属性。为能够实现身份的可信辨识，增加身份识别的安全性，需要设计一种身份属性的虚假检测方法能保证身份识别过程中及时检测并剔除虚假身份属性。

发明内容

为了解决上述技术问题，本发明提出了一种虚假身份属性检测方法，是给定未知身份对象的N个身份属性，其中可能包含小于49％的虚假属性，根据N个属性的识别结果序列，分析并检测出虚假属性，保证身份的可信辨识，且发明简单，计算复杂度低。

本发明所采用的技术方案是：一种虚假身份属性检测方法，用于在进行身份可信辨识过程中检测出用于辨识身份的虚假；其特征在于，包括以下步骤：

步骤1：采集包含S个身份对象的N个身份属性信息，建立已知身份对象库，其中身份表示为O₁、O₂、O₃、…、O_m属性表示为小写字母a、b、c、d…、n；其中，m＝S，N≥3；

步骤2：建立已知S个身份对象库的特征模板，形成N条特征模板；

步骤3：给定待检测未知身份对象的N个身份属性，记为a₁、b₁、c₁、d₁、…、n₁，若存在虚假属性，则虚假属性的数量M，满足条件M49％*N，若不存在虚假属性，其M取值为0；