摘要
本申请提供了一种基于多模态生物特征融合的身份识别模型的构建方法、使用方法、系统、存储介质及程序产品,涉及身份识别技术领域。获取不少于两种不同模态的生物特征原始数据并提取特征向量,增加了身份识别信息的维度和丰富度,然后,将不同模态的特征数据分别嵌入至具有相同维度的维度空间中,使不同模态的特征数据具有可比性,便于后续生成融合特征和对身份识别模型的训练,通过多种模态特征相互补充,增加了攻击者伪造的难度,降低了伪造攻击成功的概率,提高了身份识别的安全性,解决了仅依赖单一模态生物特征时伪造攻击成功率高的问题。同时,采用联邦学习方法训练身份识别模型,数据在本地处理,减少了原始数据传输带来的安全风险。
技术关键词
多模态生物特征融合
可信身份
融合特征
终端设备
识别系统
服务器
联邦学习方法
计算机程序代码
加密
验证特征
计算机程序产品
指令
注意力机制
身份识别技术
身份识别方法
数据
身份识别信息
参数
前馈神经网络
系统为您推荐了相关专利信息
图像识别系统
数据处理模块
图像采集模块
规划
工件
流量异常检测方法
混合神经网络模型
空间特征提取
序列
异常检测系统
核素识别方法
核素识别系统
残差卷积神经网络
多道能谱仪
训练集数据