| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第14-24页 |
| 1.1 论文工作背景与意义 | 第14-16页 |
| 1.2 人脸身份认证系统中的安全问题 | 第16-19页 |
| 1.2.1 人脸身份认证系统的安全问题 | 第16-18页 |
| 1.2.2 人脸活体检测的典型攻击手段 | 第18-19页 |
| 1.3 研究内容与主要贡献 | 第19-21页 |
| 1.4 论文的组织结构 | 第21-24页 |
| 第2章 研究现状 | 第24-50页 |
| 2.1 引言 | 第24页 |
| 2.2 人脸活体检测研究现状 | 第24-37页 |
| 2.2.1 辅助信息和视觉信息相结合的人脸活体检测算法 | 第24-26页 |
| 2.2.2 基于手工特征的人脸活体检测算法 | 第26-30页 |
| 2.2.3 基于深度学习的人脸活体检测算法 | 第30-36页 |
| 2.2.4 人脸活体检测的难点与挑战 | 第36-37页 |
| 2.3 人脸活体检测数据集 | 第37-42页 |
| 2.3.1 NUAA数据集 | 第37-38页 |
| 2.3.2 Print attack数据集 | 第38-39页 |
| 2.3.3 Replay attack数据集 | 第39页 |
| 2.3.4 CASIA FASD数据集 | 第39-40页 |
| 2.3.5 MSU USSA数据库 | 第40-41页 |
| 2.3.6 3D MAD数据集 | 第41-42页 |
| 2.3.7 其他数据集 | 第42页 |
| 2.4 人脸模板保护研究现状 | 第42-46页 |
| 2.4.1 特征变换法 | 第43-44页 |
| 2.4.2 密钥绑定法 | 第44-45页 |
| 2.4.3 密钥生成法 | 第45页 |
| 2.4.4 人脸模板保护的难点与挑战 | 第45-46页 |
| 2.5 人脸数据集 | 第46-48页 |
| 2.5.1 LFW数据集 | 第46-47页 |
| 2.5.2 CASIA-Web Face数据集 | 第47页 |
| 2.5.3 Faces94数据集 | 第47-48页 |
| 2.5.4 FERET数据集 | 第48页 |
| 2.5.5 其他数据集 | 第48页 |
| 2.6 本章小结 | 第48-50页 |
| 第3章 融合多种动态特征的人脸活体检测算法 | 第50-64页 |
| 3.1 引言 | 第50-52页 |
| 3.2 融合多种动态特征的人脸活体检测方法 | 第52-60页 |
| 3.2.1 视频预处理 | 第52页 |
| 3.2.2 面部运动模式提取 | 第52-56页 |
| 3.2.3 基于噪声的视觉节奏提取 | 第56-59页 |
| 3.2.4 融合多种特征的分类方法 | 第59-60页 |
| 3.3 实验与分析 | 第60-63页 |
| 3.3.1 数据集 | 第60-61页 |
| 3.3.2 实验设置 | 第61页 |
| 3.3.3 单一特征和多种特征的性能对比 | 第61页 |
| 3.3.4 对比实验 | 第61-63页 |
| 3.4 本章小结 | 第63-64页 |
| 第4章 基于对抗样本的人脸假体攻击 | 第64-78页 |
| 4.1 引言 | 第64-65页 |
| 4.2 对抗样本的影响与分析 | 第65-69页 |
| 4.2.1 对抗样本攻击的影响 | 第65页 |
| 4.2.2 对抗样本的生成 | 第65-67页 |
| 4.2.3 简单化网络分析 | 第67-69页 |
| 4.3 融合最小扰动维度和扰动间距约束的对抗样本生成算法 | 第69-72页 |
| 4.4 实验与分析 | 第72-76页 |
| 4.4.1 实验设置 | 第72页 |
| 4.4.2 扰动幅度 μ 的影响 | 第72-74页 |
| 4.4.3 对比实验 | 第74-76页 |
| 4.5 本章小结 | 第76-78页 |
| 第5章 基于多区域卷积神经网络的人脸活体检测算法 | 第78-90页 |
| 5.1 引言 | 第78页 |
| 5.2 CNN模型的局部集中特性 | 第78-80页 |
| 5.3 防御对抗样本攻击的常见方法 | 第80-81页 |
| 5.4 多区域CNN | 第81-83页 |
| 5.5 实验与分析 | 第83-87页 |
| 5.5.1 实验设置 | 第83-84页 |
| 5.5.2 梯度分布对比 | 第84-85页 |
| 5.5.3 活体检测对比实验 | 第85-87页 |
| 5.6 本章小结 | 第87-90页 |
| 第6章 基于同态加密和深度神经网络的安全人脸身份认证 | 第90-104页 |
| 6.1 引言 | 第90-91页 |
| 6.2 系统设计 | 第91-94页 |
| 6.2.1 人脸特征表示 | 第91-92页 |
| 6.2.2 Paillier加密算法 | 第92-93页 |
| 6.2.3 密文的距离计算 | 第93-94页 |
| 6.3 安全的认证系统 | 第94-96页 |
| 6.4 实验设置 | 第96-99页 |
| 6.4.1 数据集 | 第96-97页 |
| 6.4.2 网络结构 | 第97-98页 |
| 6.4.3 网络训练 | 第98-99页 |
| 6.5 结果分析 | 第99-101页 |
| 6.5.1 认证准确率 | 第99-100页 |
| 6.5.2 算法加速 | 第100-101页 |
| 6.5.3 数据量评估 | 第101页 |
| 6.5.4 安全性评估 | 第101页 |
| 6.6 本章小结 | 第101-104页 |
| 结论 | 第104-108页 |
| 参考文献 | 第108-118页 |
| 攻读学位期间发表的学术论文 | 第118-120页 |
| 致谢 | 第120-121页 |
