[发明专利]篡改检测方法和系统

说明书

一种篡改检测方法和系统，所述方法包括：从身份证明卡的图像提取所述身份证明卡的人脸区域的图像数据；将经训练的神经网络应用于所述提取的图像数据以计算置信度得分；以及将所述置信度得分与阈值进行比较，以确定所述身份证明卡是否被篡改。训练所述神经网络包括：将多个训练样本中的每个训练样本输入二元分类器，以基于该训练样本的人脸照片进行分类，及基于所述多个训练样本的分类结果，迭代地优化所述神经网络的参数。

技术领域

本文一般性地而非唯一地涉及身份欺诈检测，包括用于检测对身份证明卡的篡改的方法、设备和系统。

背景技术

身份欺诈通常被认为是一个人未经授权使用另一人的个人信息进行犯罪或欺骗或欺骗该另一人或第三人。一个示例是身份证明卡欺诈，其中使用伪造或篡改的身份进行身份欺诈。

例如，“电子化了解你的客户(eKYC)”中通常需要提交身份证明卡的图像(例如照片或扫描件)，从某些此类图像中可以观察到身份证明卡可能具有替换人脸照片，而姓名、身份证明卡号码，出生日期和生物特征数据等详细信息为原始信息。在eKYC处理中，替换人脸照片可与对活脸的扫描相匹配，但是个人信息显然属于另一人。此类欺诈可能给依赖eKYC的企业带来重大的财务风险，以及潜在的法律和安全问题。

可能期望提供可以检测这种篡改以防止身份证明卡欺诈的方法、设备和系统。

发明内容

实施例提供一种篡改检测方法，包括：从身份证明卡的图像提取所述身份证明卡的人脸区域的图像数据；将经训练的神经网络应用于所述提取的图像数据以计算置信度得分；以及将所述置信度得分与阈值进行比较，以确定所述身份证明卡是否被篡改。训练所述神经网络包括：将多个训练样本中的每个训练样本输入二元分类器，以基于该训练样本的人脸照片进行分类，及基于所述多个训练样本的分类结果，迭代地优化所述神经网络的参数。

另一实施例提供了一种篡改检测系统，包括：至少一个处理器；以及与所述处理器耦接且其上存储有指令的计算机可读存储器。所述指令可由所述处理器执行以：从身份证明卡的图像提取所述身份证明卡的人脸区域的图像数据；将经训练的神经网络应用于所述提取的图像数据以计算置信度得分；基于所述置信度得分与阈值的比较，确定所述身份证明卡是否被篡改。所述经训练的神经网络包括：二元分类器，经训练以基于多个训练样本中的每个训练样本的人脸照片，对该训练样本进行分类；以及神经网络参数，基于所述多个训练样本的分类结果，迭代地被优化。

另一实施例提供了一种装置，包括：接收设备，用于接收身份证明卡的图像；以及处理设备，用于从所述接收的图像提取所述身份证明卡的人脸区域的图像数据。所述处理设备将所述提取的图像数据提供给经训练的神经网络以计算置信度得分，并基于所述置信度得分与阈值的比较，确定所述身份证明卡是否被篡改。所述经训练的神经网络包括：二元分类器，经训练以基于多个训练样本中的每个训练样本的人脸照片，对该训练样本进行分类；以及神经网络参数，基于所述多个训练样本的分类结果，迭代地被优化。

附图说明

根据以下书面描述，仅以举例的方式并结合附图，将使本领域普通技术人员更好地理解本公开的实施例，并使本公开的实施例变得更清楚。

图1示出了说明根据实施例的检测对身份证明卡的篡改的方法的流程图。

图2示出了说明图1的方法的详细实施方式的流程图。

图3示出了说明用于准备负训练样本的自动图像生成处理的详细实现方式的流程图。

图4示出了适于实现图1的方法的设备的示意图。

图5示出了说明适于实现图1的方法的计算机系统的示意图。

技术人员将理解，图中的元件被简单和清楚地示出，并且不一定按比例描绘。例如，相对于其他元件，可能夸大了图示、框图或流程图中的一些元件的尺寸，以帮助提高对本文实施例的理解。

具体实施方式