项目解决的问题或方向

本项目着重研究基于红外线和深度学习的人脸伪造与反伪造技术，主要解决当前人脸识别技术在实际应用中存在的人脸易被伪造和易受攻击等信息安全问题。

团队简介

项目组依托西安电子科技大学生命科学技术学院的教育部工程中心，长期从事生物特征识别与加密的基础理论和应用系统研究。近年来承担/参与并完成了中国国家自然科学基金、863、973子项、美国自然科学基金（US NSF）、美国航天航空局（NASA）等多项有关人脸识别、生物特征识别与信息安全的研究。在该领域发表SCI期刊论文30余篇，授权发明专利十余项。研究成果“基于大型变和低质量的指纹加密方法与应用”获得2012年国家技术发明二等奖。团队为支付宝等若干公司提供过人脸识别、人脸防伪造等多项技术方案，在应用方面做出了一定成果。

项目介绍

人脸识别与其他生物特征识别模态相比，具有无须个体主动配合、侵犯性小、采集设备普及和廉价等等优势，因而广受工业界和学界的青睐并取得不断进展。然而人脸图像存在容易被伪造的天生弱点，如犯罪分子采用翻拍或打印受害者照片、拍摄视频进行播放、制作3D头套等伪造途径进行攻击，达到盗取资金和私人信息的目的，使得人脸识别技术具有极大安全隐患。解决方法是要求人脸识别软件同时具备活体判断(face liveness detection)的功能，即人脸反伪造(face anti-spoofing)。

本项目研究基于红外线和深度学习的人脸伪造与反伪造技术。针对传统人脸活体检测方法的通用性低和鲁棒性较差的缺陷，本项目一方面采用生成对抗网络（GAN）研究如何逼真伪造人脸，即先打造足够锋利的“矛”，另一方面研究如何打造牢固的“盾”来防止逼真人脸攻击。为了突破传统可见光活体检测的限制，本项目特别提出了基于红外线（近红外、长波红外）的活体检测思路，再使用深度神经网络如CNN等进行活体人脸和伪造人脸图像的区分。该方法具有对静态伪造人脸图像、伪造人脸视频、3D伪造面具等都具有适用性，甚至具有对双胞胎可分辨的优点。本项目的研究为人脸活体检测提供新理论和新算法支持，对加强人脸识别的安全性和实用性、推动人脸识别的应用化进程具有重要意义。

产业模式及市场分析、成果形式（专利，软著，系统、产品等）

目前在人脸识别领域，政府和工业界已经进行了大量的资金投入。如2017 年人工智能首次写入国家政府报告，国务院国资委背景的中国国有资本风险投资基金对云从科技、旷视科技等公司投入亿级以上资金。截至目前，全球视觉人工智能市场规模超过100 亿美元。中国视觉人工智能市场规模达到 60亿元，增速高于全球市场。此外，《安全防范视频监控人脸识别系统技术要求》、《信息安全技术网络人脸识别认证系统安全技术要求》等法律法规，对人脸识别的安全性提出了要求，为人脸识别与防伪造等技术的应用扫清了政策障碍。

目前国内从事人脸识别技术的公司众多，但是拥有自主知识产权核心算法的公司极少（不到10家），大部分都是使用第三方技术（如OpenCV）、或其它公司的收费SDK，能大规模进行系统集成定制的更少见。因此进行核心技术的研究势在必行，需要政府和公司进行大力投入。本项目即针对业内该现存问题进行突破，形成具有国际竞争力的核心算法和自主知识产权。

项目预期成果为专利4项及其对应软件著作权、发表SCI论文3篇、实际系统1个。具体包括：针对基于生成对抗网络的人脸生成技术申请实用新型专利1个，针对该项目的红外线人脸防伪造技术申请发明专利1项，针对该项目的深度学习人脸防伪造模型申请发明专利1项，以及针对我们提出的多光谱融合和多尺度神经网络申请发明专利1项；发表国际高水平SCI论文3篇；设计实际人脸防伪造系统1个。