本说明书实施例涉及计算机，尤其涉及一种证件伪装检测方法及装置、存储介质、电子设备。
背景技术：
1、可信身份认证技术是指利用ai(artificial intelligence，人工智能)技术远程完成自动化核实用户身份、个人信息注册认证的过程，帮助企业了解用户真实身份，减少因身份欺诈而带来的风险，相比于传统线下身份认证流程，在线验证的方式更加简单高效、用户体验更好，例如，采用可信身份认证技术的电子身份认证平台ekyc、数字身份验证平台advance.ai等。
2、目前，证件伪装检测主要依赖的基于视觉的人工智能模型检测方案，即将证件图像输入到基于视觉的人工智能模型中得到证件伪装检测结果，但是，证件伪装的攻击风险类型是不断变化的，每次变化都需要迭代更新基于视觉的人工智能检测模型，模型训练、维护成本大，并且针对新的证件攻击风险不能及时响应，导致用户数据的安全性较低。
技术实现思路
1、本说明书实施例提供一种证件伪装检测方法，该方法根据用于提取局部图像特征的证件图像局部特征提取模型，结合存储有证件攻击特征的攻击风险特征库可以快速确定待检测证件图像的证件伪装检测结果，从而提升识别检测结果的准确率以及识别检测效率，提升用户数据的安全性，所述方法包括：
2、获取待检测证件图像；
3、将所述待检测证件图像输入到训练好的证件图像局部特征提取模型中，得到所述待检测证件图像对应的至少一个局部图像特征；
4、根据预设的攻击风险特征库中各证件攻击特征与所述局部图像特征之间的相似度，确定所述待检测证件图像的证件伪装检测结果。
5、进一步地，在一些实施方式中，所述将所述待检测证件图像输入到训练好的证件图像局部特征提取模型中，得到所述待检测证件图像对应的至少一个局部图像特征，包括：将所述待检测证件图像输入到训练好的证件图像局部特征提取模型中，得到所述待检测证件图像分割后的至少一个图像块以及所述图像块对应的图像内容类型；根据所述图像块以及所述图像内容类型确定所述待检测证件图像对应的至少一个局部图像特征。
6、进一步地，在一些实施方式中，所述根据所述图像块以及所述图像内容类型确定所述待检测证件图像对应的至少一个局部图像特征，包括：对属于同一所述图像内容类型的图像块进行拼接，得到所述待检测证件图像中各感兴趣区域对应的局部图像特征。
7、进一步地，在一些实施方式中，所述证件图像局部特征提取模型至少包括图像特征嵌入网络、图像特征编码网络以及图像特征分类网络；所述将所述待检测证件图像输入到训练好的证件图像局部特征提取模型中，得到所述待检测证件图像分割后的至少一个图像块以及所述图像块对应的图像内容类型，包括：通过所述图像特征嵌入网络将所述待检测证件图像分割为至少一个图像块，并将所述图像块进行嵌入表示，得到图像块嵌入特征；将所述图像块嵌入特征输入到所述图像特征编码网络中，得到图像块编码特征；根据所述图像特征分类网络对所述图像块编码特征进行识别分类，得到各所述图像块对应的图像内容类型。
8、进一步地，在一些实施方式中，所述根据预设的攻击风险特征库中各证件攻击特征与所述局部图像特征之间的相似度，确定所述待检测证件图像的证件伪装检测结果，包括：若任一证件攻击特征与所述局部图像特征之间的相似度大于或者等于预设的相似度阈值，则确定所述待检测证件图像存在证件伪装攻击风险，以及将所述证件攻击特征对应的证件伪装攻击类型作为所述待检测证件图像的目标证件伪装攻击类型。
9、进一步地，在一些实施方式中，所述根据预设的攻击风险特征库中各证件攻击特征与所述局部图像特征之间的相似度，确定所述待检测证件图像的证件伪装检测结果，包括：若任一证件攻击特征与所述局部图像特征之间的相似度小于所述相似度阈值，则确定所述待检测证件图像不存在证件伪装攻击风险。
10、进一步地，在一些实施方式中，所述方法还包括：获取历史攻击伪装证件图像，并对所述历史攻击伪装证件图像进行裁剪，得到证件攻击局部图像；将所述证件攻击局部图像输入到训练好的证件图像局部特征提取模型中，得到所述证件攻击局部图像对应的图像特征向量；根据所述图像特征向量确定证件攻击特征，并通过所述证件攻击特征构建所述攻击风险特征库。
11、进一步地，在一些实施方式中，所述根据所述图像特征向量确定证件攻击特征，包括：对属于同一证件伪装攻击类型的图像特征向量进行聚类，得到多个图像特征向量簇；确定所述图像特征向量簇对应的中心图像特征向量，并将所述中心图像特征向量作为所述证件攻击特征。
12、进一步地，在一些实施方式中，所述确定所述图像特征向量簇对应的中心图像特征向量，包括：确定所述图像特征向量簇中所有图像特征向量的平均值，并将所述平均值作为所述图像特征向量簇对应的中心图像特征向量。
13、进一步地，在一些实施方式中，所述根据所述图像特征向量确定证件攻击特征，包括：将各所述证件攻击局部图像对应的图像特征向量作为所述证件攻击特征。
14、进一步地，在一些实施方式中，所述方法还包括：获取最新攻击伪装证件图像，所述最新攻击伪装证件图像对应的证件伪装攻击类型不存在于所述攻击风险特征库中；提取所述最新攻击伪装证件图像对应的新的证件攻击特征，并根据所述新的证件攻击特征更新所述攻击风险特征库。
15、本说明书实施例还提出了一种证件伪装检测装置，包括：
16、图像获取模块，用于获取待检测证件图像；
17、图像特征提取模块，用于将所述待检测证件图像输入到训练好的证件图像局部特征提取模型中，得到所述待检测证件图像对应的至少一个局部图像特征；
18、检测结果输出模块，用于根据预设的攻击风险特征库中各证件攻击特征与所述局部图像特征之间的相似度，确定所述待检测证件图像的证件伪装检测结果。
19、本说明书实施例还提供一种计算机程序产品，所述计算机程序产品存储有至少一条指令，所述至少一条指令适于由处理器加载并执行证件伪装检测方法步骤。
20、本说明书实施例还提供一种存储介质，所述存储介质存储有计算机程序，所述计算机程序适于由处理器加载并执行证件伪装检测方法的步骤。
21、本说明书实施例还提供一种电子设备，包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行证件伪装检测方法的步骤。
22、在本说明书实施例中，通过获取待检测证件图像，并输入到训练好的证件图像局部特征提取模型中，得到待检测证件图像对应的至少一个局部图像特征，然后根据预设的攻击风险特征库中各证件攻击特征与局部图像特征之间的相似度，确定待检测证件图像的证件伪装检测结果。一方面，通过证件图像局部特征提取模型以及攻击风险特征库，可以快速实现对各种证件伪装的识别检测，提升识别检测结果的准确率以及识别检测效率；另一方面，在面对证件攻击风险不断变化的情况时，相比于直接通过人工智能模型输出检测结果的方式，避免较高的训练成本以及迭代成本，仅需要对攻击风险特征库进行更新即可，维护更加简便，成本更低，更新迭代效率高，可以实现对于各种新增证件攻击风险类型的快速响应，有效提升用户数据的安全性。
1.一种证件伪装检测方法，所述方法包括：
2.根据权利要求1所述的证件伪装检测方法，所述将所述待检测证件图像输入到训练好的证件图像局部特征提取模型中，得到所述待检测证件图像对应的至少一个局部图像特征，包括：
3.根据权利要求2所述的证件伪装检测方法，所述根据所述图像块以及所述图像内容类型确定所述待检测证件图像对应的至少一个局部图像特征，包括：
4.根据权利要求2所述的证件伪装检测方法，所述证件图像局部特征提取模型至少包括图像特征嵌入网络、图像特征编码网络以及图像特征分类网络；
5.根据权利要求1所述的证件伪装检测方法，所述根据预设的攻击风险特征库中各证件攻击特征与所述局部图像特征之间的相似度，确定所述待检测证件图像的证件伪装检测结果，包括：
6.根据权利要求5所述的证件伪装检测方法，所述根据预设的攻击风险特征库中各证件攻击特征与所述局部图像特征之间的相似度，确定所述待检测证件图像的证件伪装检测结果，包括：
7.根据权利要求1所述的证件伪装检测方法，所述方法还包括：
8.根据权利要求7所述的证件伪装检测方法，所述根据所述图像特征向量确定证件攻击特征，包括：
9.根据权利要求8所述的证件伪装检测方法，所述确定所述图像特征向量簇对应的中心图像特征向量，包括：
10.根据权利要求7所述的证件伪装检测方法，所述根据所述图像特征向量确定证件攻击特征，包括：
11.根据权利要求7所述的证件伪装检测方法，所述方法还包括：
12.一种证件伪装检测装置，包括：
13.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1～11中任意一项所述方法的步骤。
14.一种电子设备，其特征在于，包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行如权利要求1～11中任意一项所述方法的步骤。
15.一种计算机程序产品，其上存储有至少一条指令，其特征在于，所述至少一条指令被处理器执行时实现权利要求1～11中任意一项所述方法的步骤。
