双重概率建模反欺骗模型

抗噪鲁棒

从标签与数据两个维度联合概率建模，无需语义标注即可抑制噪声，显著提升真实场景下人脸反欺骗的准确性与鲁棒性。

Zhang, Yuanhan · Wu, Yichao · Yin, Zhenfei · Shao, Jing · Liu, Ziwei

Pattern Recognition 2025

技术优势

抗标签噪声

DPM-LQ 模块能学习到对噪声标签分布不过拟合的鲁棒特征表示，从而提升准确性。

抑制数据噪声

DPM-DQ 通过基于质量分布修正噪声数据的预测置信度，消除推理阶段的误拒和误接受。

无需标注即可用

广义 DPM 在实际应用中无需语义标注即可解决噪声问题。

易集成

两个模块均可无缝高效地嵌入现有深度网络。

应用场景

• 多模态身份认证：提升多模态身份验证系统对欺骗攻击的鲁棒性，无需额外语义标注。
• 移动端安全认证：在移动端安全认证中抑制数据噪声，提升认证准确性。
• 金融生物识别：为金融生物识别提供抗噪声的可靠反欺骗防护。