[发明专利]基于人工智能的身份验证方法、装置和计算机设备

权利要求书

1.一种基于人工智能的身份验证方法，其特征在于，所述方法包括：

获取在进入的身份验证界面中，通过即时拍摄或本地上传输入到验证设备的待验证的人脸图像；

对所述人脸图像进行基于人工智能的设备溯源处理，基于所述设备溯源处理获得的第一模式噪声特征，确定所述人脸图像的拍摄设备所对应的拍摄设备标识；

查询所述验证设备的设备属性信息，从所述设备属性信息中，提取得到基于所述验证设备所对应的第二模式噪声特征确定的验证设备标识；

根据所述第一模式噪声特征和所述第二模式噪声特征之间的相似度，得到所述拍摄设备标识和所述验证设备标识之间的相似度，根据所述拍摄设备标识和所述验证设备标识之间的相似度，得到所述拍摄设备标识和所述验证设备标识进行特征比对的比对结果；

或查询预设的设备标识格式，根据所述设备标识格式定义的映射规则，将所述第一模式噪声特征和所述第二模式噪声特征映射为对应的字符串，根据所述第一模式噪声特征和所述第二模式噪声特征映射分别对应的字符串之间的比对结果，得到所述拍摄设备标识和所述验证设备标识之间的字符比对结果，根据所述字符比对结果，得到所述拍摄设备标识和所述验证设备标识进行特征比对的比对结果；

当所述比对结果表示所述拍摄设备和所述验证设备为相同设备、确定所述人脸图像由所述验证设备拍摄得到时，基于所述人脸图像进行身份验证；

当所述比对结果表示所述拍摄设备和所述验证设备为不同设备、确定所述人脸图像非所述验证设备拍摄得到时，指示所述验证设备展示验证失败提示消息，并指示所述验证设备展示描述所述人脸图像为非法图像的提示信息。

2.根据权利要求1所述的方法，其特征在于，所述特征比对的步骤包括：

确定所述第一模式噪声特征和所述第二模式噪声特征之间的余弦相似度；

根据所述余弦相似度得到所述拍摄设备标识和所述验证设备标识的比对结果。

3.根据权利要求2所述的方法，其特征在于，所述根据所述余弦相似度得到所述拍摄设备标识和所述验证设备标识的比对结果，包括：

当所述相似度大于相似度阈值时，得到表示所述拍摄设备和所述验证设备为相同设备的比对结果；

当所述相似度小于或等于所述相似度阈值时，得到表示所述拍摄设备和所述验证设备为不同设备的比对结果。

4.根据权利要求2所述的方法，其特征在于，所述对所述人脸图像进行基于人工智能的设备溯源处理，基于所述设备溯源处理获得的第一模式噪声特征，确定所述人脸图像的拍摄设备所对应的拍摄设备标识，包括：

对所述人脸图像进行至少一次的卷积操作，获得所述人脸图像的图像卷积特征；

对所述图像卷积特征进行非线性映射，得到第一模式噪声特征；

基于所述第一模式噪声特征，确定所述人脸图像的拍摄设备所对应的拍摄设备标识。

5.根据权利要求4所述的方法，其特征在于，所述基于所述第一模式噪声特征，确定所述人脸图像的拍摄设备所对应的拍摄设备标识，包括：

将所述第一模式噪声特征按照设备标识格式映射为字符串，得到所述人脸图像的拍摄设备所对应的拍摄设备标识；

所述特征比对的步骤包括：

对所述拍摄设备标识和所述验证设备标识进行字符比对，得到比对结果。

6.根据权利要求1所述的方法，其特征在于，所述设备溯源处理基于设备溯源网络模型实现，所述设备溯源网络模型通过模型训练步骤生成，所述模型训练步骤包括：

获取携带设备标识标签的训练图像；

通过待训练的设备溯源网络模型对所述训练图像进行至少一次的卷积操作，获得所述训练图像的训练卷积特征；

通过所述设备溯源网络模型对所述训练卷积特征进行非线性映射，得到训练模式噪声特征；

通过所述设备溯源网络模型根据所述训练模式噪声特征确定所述训练图像的拍摄设备所对应的预测设备标识；

根据所述设备标识标签和所述预测设备标识调整所述设备溯源网络模型的参数后继续进行训练，直至训练结束得到训练完成的设备溯源网络模型。