1.基于胶囊网络的指静脉仿冒攻击检测方法,其特征在于:所述方法包括以下步骤:
步骤1:数据采集和预处理;采集手指静脉图像作为真实数据集;
对真实静脉数据集进行去噪、裁剪、标记处理,然后制作仿冒攻击的静脉人工制品,置于采集设备上进行二次采集,得到伪造静脉数据集;最后对采集的真、伪数据集进行归一化和感兴趣区域提取的预处理操作,并划分为训练集和测试集;
步骤2:构建胶囊网络模型,其包括卷积层、主胶囊层和路由层;
卷积层用于获取图像的基本特征,将真伪数据集一起输入该卷积层后,得到输入图像的基本特征;主胶囊层将得到的基本特征以向量形式封装成胶囊进行输出;路由层由三个卷积胶囊层构成,完成特征的聚类;主胶囊层的特征胶囊输入路由层,经过三个卷积胶囊层后,输出真伪静脉图像分类结果;
在胶囊网络路由层中,路由算法作为其核心,它根据多个子胶囊对父胶囊的投票一致性,更新局部特征映射到整体特征的概率,最终得到分类概率;路由算法中添加了胶囊的微分熵作为计算激活值的考量,该算法在激活概率和数据点分类的集中程度之间进行权衡,从而完成子胶囊到父胶囊的路由映射;
步骤3:训练网络模型;
用训练集对模型进行训练,并用测试集进行测试,获得识别性能最佳的胶囊网络模型,并保存其参数;
步骤4:真伪静脉分类;
把需要识别的真伪指静脉图像输入训练好的网络模型,得到识别结果。
2.根据权利要求1所述的基于胶囊网络的指静脉仿冒攻击检测方法,其特征在于:步骤1中,对于每个真实图像,打印两张包含真实指静脉图案且尺寸相同的激光胶片;将其对齐重叠后与一张空白相纸叠加,得到对应的仿冒攻击样本,置于采集设备上再次采集,最终得到伪造数据集。
3.根据权利要求1所述的基于胶囊网络的指静脉仿冒攻击检测方法,其特征在于:步骤2的胶囊网络模型中,卷积层包括1个5×5的卷积层,1个批量归一化层BN以及线性整流函数ReLU。
4.根据权利要求1所述的基于胶囊网络的指静脉仿冒攻击检测方法,其特征在于:步骤2的胶囊网络模型中,主胶囊层由2个1×1卷积的分支网络组成;将上一层输出的特征图输入主胶囊层后,得到4×4姿势矩阵和激活概率,组合形成32个特征胶囊作为输出。
5.根据权利要求1所述的基于胶囊网络的指静脉仿冒攻击检测方法,其特征在于:步骤2的胶囊网络模型中,路由层由三个卷积胶囊层构成,每个卷积胶囊层包括一个胶囊卷积模块和一个贝叶斯路由模块;三个胶囊卷积模块的卷积核尺寸分别为3×3、3×3、1×1,步长分别为2、1、1;在贝叶斯路由模块中,经过路由过程前后的胶囊分别称为子胶囊和父胶囊,分别包含低层特征信息和高层特征信息。
6.根据权利要求5所述的基于胶囊网络的指静脉仿冒攻击检测方法,其特征在于:贝叶斯路由模块综合考虑父胶囊的激活概率和子胶囊对于父胶囊的分类集中程度,实现子胶囊向父胶囊的精准路由,从而完成低层特征到高层特征的映射。
7.根据权利要求5所述的基于胶囊网络的指静脉仿冒攻击检测方法,其特征在于:最后一层卷积胶囊层共享包含空间维度信息的权重矩阵,通过贝叶斯路由算法计算得出真伪两个类别胶囊的姿势矩阵和激活概率。
8.根据权利要求5所述的基于胶囊网络的指静脉仿冒攻击检测方法,其特征在于:在胶囊网络路由层中,采用的路由算法中,每个子胶囊i都有一个4×4的姿势矩阵Mi和激活概率ai,每个子胶囊i通过将姿势矩阵Mi与可训练的权重矩阵Wij相乘,对父胶囊j进行投票,包括如下步骤:步骤a,计算投票向量和姿势矩阵;初始化胶囊先验参数,初始化权重矩阵Wij;将胶囊i的姿势矩阵Mi与权重矩阵Wij相乘,得到子胶囊i到父胶囊j的投票矩阵Vj|i,其计算方法如式(1)所示;将投票矩阵展平得到投票向量vj|i;父胶囊j的姿势矩阵可视为所有子胶囊投票矩阵的加权平均,其计算方法如式(2)所示,其中rij是子胶囊i路由给父胶囊j的概率;每一层胶囊的姿势矩阵用于计算下一层胶囊的投票矩阵;
Vj|i=MiWij (1)
Mj=∑rijVj|i (2)
步骤b,更新变分后验分布的微分熵;使用父胶囊j的Gaussian-Wishart变分后验分布q*(μj,Λj)的微分熵H[q*(μj,Λj)],来衡量子胶囊对父胶囊的投票一致性,其中μj是胶囊j的4×4姿势矩阵Mj展平后得到的16维的向量,Λj是胶囊j的点估计参数;H[q*(μj,Λj)]通过Λj的对数期望值E[lndet(Λj)]进行估算,如公式(3)所示;
其中,是digamma函数,D是vj|i向量的维度;θj是精度矩阵,它表示胶囊j数据点的映射,其行列式det(θj)用于衡量数据点浓度,浓度越高,对胶囊j的投票一致性就越高;
步骤c,更新胶囊j的激活值aj,计算方式如式(4)所示;
aj=σ(βα–(βu+E[lnπj]+E[lndet(Λj)])×rj) (4)
其中,βα和βu是可训练的偏移参数,混合系数πj表示父胶囊j在投票过程中被选中的概率,E[lnπj]表示所有子胶囊对于父胶囊j的混合系数的对数期望值,rj是路由权重;σ()是sigmoid激活函数,它的功能是将激活值映射成0-1之间的数;
步骤d,选取激活值最高的父胶囊进行激活,即将每个子胶囊输出到激活值最高的父胶囊。
9.根据权利要求8所述的基于胶囊网络的指静脉仿冒攻击检测方法,其特征在于:每次路由过程中,被激活的父胶囊作为下一个卷积胶囊层的子胶囊;经过三次路由后,得到输入图像的最终分类结果。