本書全面、系統(tǒng)地闡述以人臉識別為代表的信息安全技術(shù), 可以降低用戶數(shù)據(jù)信息安全風(fēng)險。本書主要內(nèi)容包括人工智能和信息安全概述, 挖掘人臉可辨識信息的關(guān)鍵技術(shù), 非約束人臉識別、小樣本人臉識別、代價敏感人臉、快速正則化聯(lián)合分類等問題的解決方案, 深層局部字典和聯(lián)合加權(quán)核稀疏分類器的構(gòu)建方案, 提升用戶信息網(wǎng)絡(luò)安全性的各種方案, 用戶信息網(wǎng)絡(luò)安全的未來等。
人工智能是計算機科學(xué)的一個分支，它的發(fā)展并不是一帆風(fēng)順的，近年來隨著大數(shù)據(jù)、云計算、機器學(xué)習(xí)和5G通信等技術(shù)的發(fā)展，人工智能技術(shù)得到快速發(fā)展。人工智能技術(shù)致力于創(chuàng)造出一種以接近人類思維和行為方式做出響應(yīng)的智能機器系統(tǒng)，該領(lǐng)域的研究包括機器人控制、語音識別、圖像識別、自然語言處理和專家系統(tǒng)等。這些前沿的理論和技術(shù)日益成熟，應(yīng)用領(lǐng)域不斷擴展，惠及了信息網(wǎng)絡(luò)時代的各行各業(yè)�？梢栽O(shè)想，未來的科技產(chǎn)品將以人工智能為核心，凝聚無窮無盡的人類智慧。
機器學(xué)習(xí)是人工智能的子領(lǐng)域和技術(shù)核心。一個人工智能系統(tǒng)需要具備從原始數(shù)據(jù)中學(xué)習(xí)知識的能力，包含很多有影響力的算法和程序，指揮計算機按照既定的模式提取有效特征、學(xué)習(xí)數(shù)據(jù)或完成各類任務(wù)，因此解決了很多人工智能領(lǐng)域的問題。這種自動學(xué)習(xí)和應(yīng)用數(shù)據(jù)特征的技術(shù)提升了人工智能處理大規(guī)模數(shù)據(jù)的能力，也降低了對人工的依賴和成本，順應(yīng)大數(shù)據(jù)時代數(shù)據(jù)分析的迫切需求，成為各行業(yè)和各交叉學(xué)科的重要技術(shù)支撐。人臉識別技術(shù)就是依靠機器學(xué)習(xí)的各類針對性模式識別算法，完成人工智能在人臉圖像理解、分類和預(yù)測領(lǐng)域的應(yīng)用。
人臉識別屬于圖像識別的范疇，因其具有可以隨身攜帶，不易丟失和被盜取，可以隨時隨地進(jìn)行非接觸式采集等優(yōu)點，迅速成為代表性生物信息識別技術(shù)，主要進(jìn)行用戶身份和信息的識別。雖然人臉識別技術(shù)在眾多領(lǐng)域中表現(xiàn)出較強的識別性能和安全性能，但實際應(yīng)用時仍然有許多困難需要克服，主要包括光照變化，人為遮擋，姿態(tài)、表情和年齡的變化，樣本數(shù)量不足等非約束性情況下的問題。人臉識別技術(shù)可用于安防、金融、智慧園區(qū)、交通出行、互聯(lián)網(wǎng)服務(wù)等多個場景，在這些應(yīng)用場景中，需要保障用戶的資金交易安全性、賬號卡號認(rèn)證安全性、乘客財產(chǎn)和人身安全性、互動營銷安全性，并提升用戶的服務(wù)體驗和服務(wù)的便捷性。雖然這些應(yīng)用在設(shè)計之初就采取了較為可靠的安全措施，但信息網(wǎng)絡(luò)數(shù)據(jù)保障體系的不完善和安全漏洞難以避免，都可能導(dǎo)致人臉數(shù)據(jù)的泄露、濫用甚至偽造等情況。因此，提高以人臉識別為代表的人工智能技術(shù)水平，可以降低用戶信息網(wǎng)絡(luò)安全風(fēng)險，有利于促進(jìn)人工智能生態(tài)環(huán)境的良性發(fā)展。
本書的內(nèi)容安排大致如下：第1章對人工智能和用戶信息網(wǎng)絡(luò)安全進(jìn)行了概述；第2章討論幾種挖掘人臉可辨識信息的關(guān)鍵技術(shù)；第3章對于非約束人臉識別問題中典型的遮擋問題提出可變?nèi)四樥趽跷恢锰綔y和迭代恢復(fù)的算法，彌補遮擋和光照場景下人臉可辨識信息不足的問題；第4章針對小樣本人臉識別問題，提出樣本組錯位原子字典，擴展字典信息量，增強字典編碼能力；第5章針對代價敏感人臉安全認(rèn)證問題，提出基于限定表情動作人臉安全認(rèn)證模型，構(gòu)建淺層二重字典進(jìn)行粗略辨識和精細(xì)確認(rèn)；第6章提出流形正則化聯(lián)合核協(xié)同表示算法，融合人臉低維空間的流形結(jié)構(gòu)和高維空間的核結(jié)構(gòu)，有效提高了非約束情況下人臉識別性能；第7章構(gòu)建遷移學(xué)習(xí)模式下的深層局部字典，提取樣本深層局部特征，建立分層建模大數(shù)據(jù)人臉認(rèn)證模型；第8章總結(jié)提升用戶信息網(wǎng)絡(luò)安全性的各種方案；第9章分析和展望了用戶信息網(wǎng)絡(luò)安全技術(shù)的未來。
本書條理清晰、邏輯性強、內(nèi)容充實、涵蓋范圍廣，具有較強的學(xué)術(shù)性和實用性。本書內(nèi)容主要基于以人臉識別為主體的用戶信息網(wǎng)絡(luò)安全性研究，參考了大量的有關(guān)文獻(xiàn)，感謝本書中所參考和引用資料的有關(guān)機構(gòu)與作者。如果有資料因疏忽而未列出其出處，請原機構(gòu)或作者及時告知，以便再版時增補。本書引用的部分資料和圖表主要用于知識內(nèi)容的闡述與傳授，無侵權(quán)意圖，特此聲明。
本書由王蒙、劉慶慶編著。特別感謝清華大學(xué)出版社王軍編輯為本書出版所做的大量耐心、細(xì)致的工作，特別感謝陳君、閆鈺煒、王倩、胡正平、孫哲、趙淑歡對本書編寫工作的支持。本書獲得泰山學(xué)院國家一流專業(yè)專項經(jīng)費資助。
由于編者水平有限，加之用戶信息網(wǎng)絡(luò)安全和人工智能技術(shù)發(fā)展日新月異，書中如有不足之處，敬請各界同仁批評指正。
編 者
2022年7月
第1章 人工智能和信息安全概述 1
1.1 以人臉識別為主體的用戶信息網(wǎng)絡(luò)安全技術(shù) 1
1.1.1 人臉識別技術(shù)的引入 2
1.1.2 人臉識別技術(shù)的發(fā)展史 5
1.1.3 用戶信息網(wǎng)絡(luò)安全性 12
1.2 機器學(xué)習(xí)與人工智能、數(shù)據(jù)挖掘和網(wǎng)絡(luò)安全的融合 16
1.2.1 機器學(xué)習(xí)與人工智能 16
1.2.2 機器學(xué)習(xí)與數(shù)據(jù)挖掘 17
1.2.3 機器學(xué)習(xí)與網(wǎng)絡(luò)安全 18
1.3 機器學(xué)習(xí)和信息安全發(fā)展趨勢 20
1.4 本章小結(jié) 22
第2章 挖掘用戶可辨識信息的方法 23
2.1 稀疏表示 23
2.2 協(xié)同表示 26
2.3 核稀疏表示和核協(xié)同表示 27
2.4 稀疏字典學(xué)習(xí) 29
2.5 深度學(xué)習(xí) 31
2.5.1 深度學(xué)習(xí)的模型 31
2.5.2 多層感知機 33
2.5.3 激活函數(shù)和損失函數(shù) 35
2.5.4 優(yōu)化算法 38
2.5.5 卷積神經(jīng)網(wǎng)絡(luò) 40
2.6 本章小結(jié) 42
第3章 非約束性用戶的識別方法 43
3.1 非約束性人臉識別問題 43
3.2 相關(guān)工作的回顧 46
3.2.1 魯棒稀疏表示 46
3.2.2 魯棒稀疏編碼算法 47
3.3 可變遮擋探測和迭代恢復(fù)稀疏表示模型 47
3.3.1 VOD過程 49
3.3.2 IR過程 50
3.3.3 VOD&IR算法描述 50
3.4 實驗結(jié)果及分析 52
3.4.1 參數(shù)設(shè)置 52
3.4.2 模擬塊遮擋 53
3.4.3 AR人臉數(shù)據(jù)庫的真實遮擋 58
3.4.4 可變遮擋地圖精確性評估 62
3.5 本章小結(jié) 63
第4章 小樣本用戶的識別方法 65
4.1 小樣本用戶識別問題 65
4.2 樣本組錯位原子字典聯(lián)合核協(xié)同表示分類模型 67
4.2.1 仿射變換原理 68
4.2.2 樣本組錯位原子字典 69
4.2.3 聯(lián)合核協(xié)同表示模型 70
4.3 實驗結(jié)果及分析 71
4.3.1 Georgia Tech人臉數(shù)據(jù)庫 72
4.3.2 Labeled Faces in the Wild人臉數(shù)據(jù)庫 74
4.3.3 Caltech人臉數(shù)據(jù)庫 75
4.3.4 相似方法的比較 77
4.3.5 樣本組錯位原子方案的評估 78
4.4 本章小結(jié) 80
第5章 代價敏感人臉認(rèn)證安全體系 81
5.1 代價敏感人臉識別問題 81
5.2 基于高斯相似性關(guān)系的加權(quán)二重字典 83
5.2.1 高斯加權(quán)稀疏表示算法 83
5.2.2 淺層全局加權(quán)二重字典的建立 84
5.3 基于限定的表情動作模式的代價敏感人臉認(rèn)證模型 85
5.3.1 CSFV_LEP模型的原理 85
5.3.2 CSFV_LEP算法描述 87
5.3.3 CSFV_LEP算法復(fù)雜度分析 89
5.4 實驗結(jié)果及分析 89
5.4.1 參數(shù)設(shè)置 89
5.4.2 模型的安全和實用性能分析 91
5.5 本章小結(jié) 99
第6章 快速人臉識別的流形正則化方法 101
6.1 快速人臉識別問題 101
6.2 核協(xié)同流形正則化模型 103
6.3 實驗仿真及結(jié)果分析 105
6.3.1 參數(shù)設(shè)置 105
6.3.2 Extended Yale B人臉數(shù)據(jù)庫上的人臉識別實驗 105
6.3.3 AR人臉數(shù)據(jù)庫上的人臉識別實驗 110
6.3.4 FERET人臉數(shù)據(jù)庫上的人臉識別實驗 112
6.3.5 Lab2人臉數(shù)據(jù)庫上的人臉識別實驗 114
6.3.6 參數(shù)的影響 116
6.4 本章小結(jié) 119
第7章 分層建模大規(guī)模人臉認(rèn)證方法 121
7.1 大規(guī)模人臉識別問題 121
7.2 深度學(xué)習(xí)框架 123
7.2.1 卷積神經(jīng)網(wǎng)絡(luò) 123
7.2.2 經(jīng)典的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) 124
7.2.3 遷移學(xué)習(xí) 126
7.3 深層局部字典的建立 128
7.4 聯(lián)合加權(quán)核協(xié)同表示 130
7.5 部分實驗結(jié)果 131
7.5.1 CMU-PIE人臉數(shù)據(jù)庫上的人臉識別實驗 131
7.5.2 CMU-PIE人臉數(shù)據(jù)庫上的加噪遮擋人臉識別實驗 132
7.5.3 LFW人臉數(shù)據(jù)庫上的無遮擋人臉識別實驗 133
7.5.4 LFW人臉數(shù)據(jù)庫上的同源遮擋人臉識別實驗 134
7.6 本章小結(jié) 135
第8章 提升用戶信息網(wǎng)絡(luò)安全性的方法 137
8.1 以人臉識別為主體的信息安全系統(tǒng) 137
8.2 用戶信息網(wǎng)絡(luò)安全的保護方法 141
8.3 大數(shù)據(jù)環(huán)境下提升用戶信息安全性的建議 144
8.4 本章小結(jié) 148
第9章 用戶信息網(wǎng)絡(luò)安全的未來 149
9.1 用戶信息資源的多元化趨勢 149
9.1.1 用戶信息資源的多樣性 150
9.1.2 用戶信息需求的差異性 155
9.2 網(wǎng)絡(luò)信息資源及其共享與保密 157
9.2.1 網(wǎng)絡(luò)信息資源 157
9.2.2 網(wǎng)絡(luò)信息資源的共享與保密 159
9.3 用戶信息網(wǎng)絡(luò)安全技術(shù)的發(fā)展前景 161
9.4 本章小結(jié) 164
參考文獻(xiàn) 167
附錄A 縮略語 175
書單推薦
