一种基于神经网络的图像处理方法、装置及存储介质制造方法及图纸

本公开涉及一种基于神经网络的图像处理方法、装置及存储介质，其中，该方法包括：根据第一图像、预设密钥及噪音生成器，得到加密噪音；根据所述第一图像及所述加密噪音，得到第二图像；通过所述第二图像及加密的神经网络，得到图像加密的相关预测结果。本公开实施例中，由于加密的神经网络只针对预设密钥加密后的图像有效，在神经网络的结构和参数被窃取的情况下无法直接应用于原始图像，从而提高了图像处理的安全性；同时，由于加密后的图像仍然保持了原始图像的视觉效果，将原始图像加密后分发到搭载加密的神经网络的设备后，既可以利用加密的神经网络进行预测，也可以根据加密后的图像进一步验证预测结果的正确性。

An image processing method, device and storage medium based on Neural Network

【技术实现步骤摘要】
一种基于神经网络的图像处理方法、装置及存储介质
本公开涉及计算机图像处理
，尤其涉及一种基于神经网络的图像处理方法、装置及存储介质。
技术介绍
以神经网络为代表的人工智能(ArtificialIntelligence，AI)技术应用到了医学诊断、人脸识别、自动驾驶等众多场景之中。为了提高图像处理的安全性，可以对神经网络模型进行加密，从而使神经网络模型即使被窃取也无法直接被使用。相关技术中，首先对原始数据进行加密，然后用加密后的数据进行神经网络模型的训练或者预测。但是，该方案中加密过程会改变图像本身的视觉效果，同时，由于数据加密和神经网络预测是一体的，如果将加密后的数据分发到其他设备进行预测，则设备接收的图像已经不具有原始的视觉作用，无法验证和复核预测结果是否正确。
技术实现思路
有鉴于此，本公开提出了一种基于神经网络的图像处理方法、装置及存储介质。根据本公开的一方面，提供了一种基于神经网络的图像处理方法，所述方法包括：根据第一图像、预设密钥及噪音生成器，得到加密噪音；根据所述第一图像及所述加密噪音，得到本文档来自技高网...

【技术保护点】
1.一种基于神经网络的图像处理方法，其特征在于，所述方法包括：/n根据第一图像、预设密钥及噪音生成器，得到加密噪音；/n根据所述第一图像及所述加密噪音，得到第二图像；/n通过所述第二图像及加密的神经网络，得到图像加密的相关预测结果。/n

【技术特征摘要】
1.一种基于神经网络的图像处理方法，其特征在于，所述方法包括：
根据第一图像、预设密钥及噪音生成器，得到加密噪音；
根据所述第一图像及所述加密噪音，得到第二图像；
通过所述第二图像及加密的神经网络，得到图像加密的相关预测结果。


2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述第二图像及所述加密噪音，得到所述第一图像。


3.根据权利要求1所述的方法，其特征在于，所述根据第一图像、预设密钥及噪音生成器，得到加密噪音，包括：
根据从第一噪音矩阵中选取的至少一个指定位置，得到所述预设密钥；其中，所述第一噪音矩阵为与所述第一图像相同大小的矩阵；
将所述噪音生成器输出的至少一个向量，分别赋值到所述至少一个指定位置，得到第二噪音矩阵，且所述至少一个指定位置之外的其他像素点位置的值为0；
将所述第二噪音矩阵作为所述加密噪音。


4.根据权利要求2所述的方法，其特征在于，所述将所述噪音生成器输出的至少一个向量，分别赋值到所述至少一个指定位置之前，所述方法还包括：
从所述第一噪音矩阵中，选取所述至少一个指定位置之外的其他像素点位置的值；
根据所述至少一个指定位置之外的其他像素点位置的值，得到输入所述噪音生成器的至少一个向量。


5.根据权利要求1至4任一项所述的方法，其特征在于，所述方法还包括：
根据第一样本图像和第二样本图像进行训练，得到所述加密的神经网络；
所述加密的神经网络，为通过噪音生成网络及图像判别网络间的生成对抗训练所得到的生成对抗网络GAN。


6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
根据所述第一样本图像进行训练，得到原始神经网络；
所述第二样本图像，为根据所述噪音生成网络得到噪音矩阵后对所述第一样本图像加密所得到的样本图像；
所述根据第一样本图像和第二样本图像进行训练，得到所述加密的神经网络，包...

【专利技术属性】
技术研发人员：吴振洲，陈晓天，
申请(专利权)人：北京安德医智科技有限公司，
类型：发明
国别省市：北京;11