【技术实现步骤摘要】
保护隐私的生物特征图像处理方法及装置
本说明书实施例涉及隐私数据保护
，具体地，涉及保护隐私的生物特征图像处理方法及装置。
技术介绍
生物特征识别技术(BiometricIdentificationTechnology)利用人体所固有的生理特征或行为特征来进行个人身份鉴定。生物特征不易伪造和丢失，相比于传统的密码、U盾等身份认证方式，基于生物特征的身份认证更为便捷，具有非常广阔的应用前景。其中，生物特征作为一种可用于标识用户身份的隐私性数据，需要更高级别的安全防护，以防泄露。目前，很多基于生物特征的身份认证方案中，采用神经网络模型对生物特征进行识别。这些方案一般会在网络传输和存储环节对采集到的生物特征信息进行加密保护，但在神经网络模型识别环节，需要向神经网络输入非加密状态的原始生物特征信息，此时原始生物特征信息被盗取的难度相对较低，存在泄露风险，用户隐私数据安全性有待进一步提升。
技术实现思路
本说明书描述了一种保护隐私的生物特征图像处理方法，用以解决采用神经网络模型进行特征识别时会暴露原始...
【技术保护点】
1.一种保护隐私的生物特征图像处理方法，所述方法基于支持采集生物特征的终端设备执行，所述方法包括：/n获取待编码的第一图像，所述第一图像基于采集的生物特征而得到；/n将所述第一图像切分为第一数目的多个第一图块，且为所述多个第一图块顺序编号；/n按照预设的第一序列中的编号顺序，打乱所述多个第一图块的排列，得到乱序排布的第二图像；其中，所述第一序列包含所述第一数目的多个编号，且多个编号乱序排列；/n将所述第二图像发送至服务端，以使运行于所述服务端的神经网络模型对所述第二图像进行生物特征识别；所述神经网络模型为采用指定训练样本预先训练而得到，所述指定训练样本中的每一个训练样本均按...
【技术特征摘要】
1.一种保护隐私的生物特征图像处理方法，所述方法基于支持采集生物特征的终端设备执行，所述方法包括：
获取待编码的第一图像，所述第一图像基于采集的生物特征而得到；
将所述第一图像切分为第一数目的多个第一图块，且为所述多个第一图块顺序编号；
按照预设的第一序列中的编号顺序，打乱所述多个第一图块的排列，得到乱序排布的第二图像；其中，所述第一序列包含所述第一数目的多个编号，且多个编号乱序排列；
将所述第二图像发送至服务端，以使运行于所述服务端的神经网络模型对所述第二图像进行生物特征识别；所述神经网络模型为采用指定训练样本预先训练而得到，所述指定训练样本中的每一个训练样本均按照所述第一序列进行乱序排布。
2.根据权利要求1所述的方法，其中，所述生物特征包括以下各项中的任意一种：人脸、人耳、指纹、掌纹、虹膜、手掌静脉、签名。
3.根据权利要求1所述的方法，其中，在按照预设的第一序列中的编号顺序，打乱所述多个第一图块的排列之前，还包括：读取所述第一序列。
4.根据权利要求1或3所述的方法，其中，该方法还包括：
接收所述服务端下发的采用预设加密算法加密后的最新的第一序列，以与所述服务端同步更新所述第一序列。
5.根据权利要求1所述的方法，其中，所述终端设备包括图像编码器，所述第一序列预先编译在图像编码器中。
6.根据权利要求1所述的方法，其中，获取待编码的第一图像包括：
通过采集生物特征得到原始图像；
将所述原始图像切分为第二数目的多个第二图块，且为所述多个第二图块顺序编号；
按照预设的第二序列中的编号顺序，打乱所述多个第二图块的排列，得到所述第一图像；其中，所述第二序列包含所述第二数目的多个编号，且所述第二数目的多个编号乱序排列。
7.根据权利要求6所述的方法，其中，所述终端设备包括图像编码器；所述第二序列存储于所述图像编码器对应的存储空间或者预先编译在所述图像编码器中。
8.根据权利要求6所述的方法，其中，所述多个第二图块中至少一个第二图块的大小为所述第一图块的整数倍；
将所述第一图像切分为第一数目的多个第一图块，具体包括：
将待编码的第一图像中的所述至少一个第二图块作为目标图块，对所述目标图块进行切分，得到多个第一图块；
将待编码的第一图像中除所述目标图块以外的其他第二图块，直接作为第一图块。
9.根据权利要求6所述的方法，其中，所述指定训练样本中的每一个训练样本均按照所述第二序列进行乱序排布后，再按照所述第一序列进行乱序排布。
10.根据权利要求1-3、5中任一项所述的方法，其中，将所述第一图像切分为第一数目的多个第一图块，具体包括：
将所述第一图像切分为多个相同大小的宏块，每个宏块为方形图块。
11.根据权利要求1-3、5-9任一项所述的方法，其中，所述方法还包括：将所述第二图像进一步压缩编码为目标格式文件；
将所述第二图像发送至服务端包括，将所述目标格式文件发送至服务端。
12.一种生物特征图像识别方法，所述方法的执行主体为服务器，所述方法包括：
接收终端设备发送的第二图像；所述第二图像为第一图像切分出的多个第一图块按照第一序列进行乱序排布得到，所述第一图像基于采集的生物特征而得；
基于预先训练的神经网络模型，对所述第二图像进行生物特征识别；所述神经网络模型为采用指定训练样本预先训练而得，所述指定训练样本中每一个训练样本均按照所述第一序列进行乱序排布。
13.根据权利要求12所述的方法，其中，接收终端设备发送的第二图像，包括：
接收终端设备发送的目标格式文件，所述目标格式文件为第二图像进一步压缩编码得到；
对所述目标格式文件进行解码，得到第二图像。
14.根据权利要求12所述的方法，其中，所述方法还包括：
更新第一序列，并采用预设加密算法对最新的第一序列进行加密运算；
向终端设备下发加密后的最新的第一序列，以使所述终端设备同步更新所述第一序列。
15.一种保护隐私的生物特征图像处理方法，所述方法基于支持采集生物特征的终端设备执行，所述方法包括：
获取待编码的第一图像，所述第一图像基于采集的生物特征而得到；
将所述第一图像切分为第一数目的多个第一图块，且为所述多个第一图块顺序编号；
按照预设的第一序列中的编号顺序，打乱所述多个第一图块的排列，得到乱序排布的第二图像；其中，所述第一序列包含所述第一数目的多个编号，且多个编号乱序排列；
将所述第二图像发送至服务端，以使所述服务端将多张所述第二图像作为训练样本，训练用于生物特征识别的神经网络模型。
16.一种神经网络模型训练方法，所述方法基于服务端执行，所述方法包括：
获取待编码的第一图像，所述第一图像基于采集的生物特征而得到；
将所述第一图像切分为第一数目的多个第一图块，且为所述多个第一图块顺序编号；
按照预设的第一序列中的编号顺序，打乱所述多个第一图块的排列，得到乱序排...
【专利技术属性】
技术研发人员：郭明宇，陈继东，陈弢，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。