人脸识别算法优化与信息安全

本书全面、系统地阐述 以人脸识别为代表的信息安 全技术，可以降低用户数据 信息安全风险。本书主要内 容包括人工智能和信息安全 概述，挖掘人脸可辨识信息 的关键技术，非约束人脸识 别、小样本人脸识别、代价 敏感人脸、快速正则化联合 分类等问题的解决方案，深 层局部字典和联合加权核稀 疏分类器的构建方案，提升 用户信息网络安全性的各种 方案，用户信息网络安全的 未来等。 本书条理清晰、逻辑性 强、内容充实、涵盖范围广 ，具有较强的学术性和实用 性，可供广大人工智能初学 者及相关专业的师生学习和 参考。

第1章 人工智能和信息安全概述 1.1 以人脸识别为主体的用户信息网络安全技术 1.1.1 人脸识别技术的引入 1.1.2 人脸识别技术的发展史 1.1.3 用户信息网络安全性 1.2 机器学习与人工智能、数据挖掘和网络安全的融合 1.2.1 机器学习与人工智能 1.2.2 机器学习与数据挖掘 1.2.3 机器学习与网络安全 1.3 机器学习和信息安全发展趋势 1.4 本章小结 第2章 挖掘用户可辨识信息的方法 2.1 稀疏表示 2.2 协同表示 2.3 核稀疏表示和核协同表示 2.4 稀疏字典学习 2.5 深度学习 2.5.1 深度学习的模型 2.5.2 多层感知机 2.5.3 激活函数和损失函数 2.5.4 优化算法 2.5.5 卷积神经网络 2.6 本章小结 第3章 非约束性用户的识别方法 3.1 非约束性人脸识别问题 3.2 相关工作的回顾 3.2.1 鲁棒稀疏表示 3.2.2 鲁棒稀疏编码算法 3.3 可变遮挡探测和迭代恢复稀疏表示模型 3.3.1 VOD过程 3.3.2 IR过程 3.3.3 VOD&IR算法描述 3.4 实验结果及分析 3.4.1 参数设置 3.4.2 模拟块遮挡 3.4.3 AR人脸数据库的真实遮挡 3.4.4 可变遮挡地图精确性评估 3.5 本章小结 第4章 小样本用户的识别方法 4.1 小样本用户识别问题 4.2 样本组错位原子字典联合核协同表示分类模型 4.2.1 仿射变换原理 4.2.2 样本组错位原子字典 4.2.3 联合核协同表示模型 4.3 实验结果及分析 4.3.1 Georgia Tech人脸数据库 4.3.2 Labeled Faces in the Wild人脸数据库 4.3.3 Caltech人脸数据库 4.3.4 相似方法的比较 4.3.5 样本组错位原子方案的评估