实现隐私保护的人脸识别方法及装置制造方法及图纸

本说明书实施例提供一种实现隐私保护的人脸识别方法及装置，在人脸识别方法中，客户端获取待识别人脸图像的目标特征。客户端采用同态加密算法对目标特征进行同态加密，得到加密人脸特征。客户端将加密人脸特征发送给云端服务器。其中，云端服务器包括GPU，该GPU具有预先训练的卷积神经网络的各层网络的网络参数。云端服务器利用GPU，对加密人脸特征和各层网络的网络参数进行目标处理，从而确定加密人脸识别结果。云端服务器将加密人脸识别结果返回给客户端。客户端采用同态加密算法对应的解密算法，对加密人脸识别结果进行解密，得到最终识别结果。识别结果。识别结果。

【技术实现步骤摘要】
实现隐私保护的人脸识别方法及装置


[0001]本说明书一个或多个实施例涉及计算机
，尤其涉及一种实现隐私保护的人脸识别方法及装置。

技术介绍

[0002]随着深度学习的快速发展，人脸识别技术已经进入大规模应用阶段，广泛应用于金融、公安、社保、医疗、教育、交通等领域中的个人身份认证。在线下，人脸识别技术常用于智能安防、智慧医疗、智能家居等领域；在线上，人脸识别技术常用于智能手机解锁、APP辅助登录等。但值得注意的是，人脸识别技术是一把双刃剑，它在不断提升用户体验的同时，也带来了严重的隐私安全的隐患，例如人脸识别过程中需要涉及到对用户人脸图像的传输，而用户人脸图像在传输的过程中容易造成泄露。

技术实现思路

[0003]本说明书一个或多个实施例描述了一种实现隐私保护的人脸识别方法及装置，可以实现对用户人脸图像的隐私保护。
[0004]第一方面，提供了一种实现隐私保护的人脸识别方法，包括：
[0005]客户端获取待识别人脸图像的目标特征；
[0006]所述客户端采用同态加密算法对所述目标特征进行同态加密，得本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种实现隐私保护的人脸识别方法，包括：客户端获取待识别人脸图像的目标特征；所述客户端采用同态加密算法对所述目标特征进行同态加密，得到加密人脸特征；所述客户端将所述加密人脸特征发送给云端服务器；其中，所述云端服务器包括GPU，所述GPU具有预先训练的卷积神经网络的各层网络的网络参数；所述云端服务器利用所述GPU，对所述加密人脸特征和所述各层网络的网络参数进行目标处理，从而确定加密人脸识别结果，其中所述目标处理是所述卷积神经网络的原始函数对应于所述同态加密算法的同态运算处理；所述云端服务器将所述加密人脸识别结果返回给所述客户端；所述客户端采用所述同态加密算法对应的解密算法，对所述加密人脸识别结果进行解密，得到最终识别结果。2.根据权利要求1所述的方法，其中，所述GPU至少包括：多项式计算单元和缩放因子生成单元；所述利用所述GPU，对所述加密人脸特征和所述各层网络的网络参数进行目标处理，包括：利用所述缩放因子生成单元，生成用于针对所述加密人脸特征和所述各层网络的网络参数进行缩放处理的缩放因子；利用所述多项式计算单元，基于所述缩放因子，对所述加密人脸特征和所述各层网络的网络参数进行缩放处理；以及基于缩放处理后的所述加密人脸特征和所述各层网络的网络参数，执行与所述各层网络的原始函数相应的同态运算，并基于对应于最后一层网络的运算结果确定所述加密人脸识别结果。3.根据权利要求2所述的方法，其中，所述GPU还包括随机数生成单元；所述方法还包括：所述云端服务器利用所述随机数生成单元，生成所述多项式计算单元在执行所述同态运算过程中所用到的随机数。4.根据权利要求1所述的方法，其中，所述预先训练的卷积神经网络通过以下步骤训练得到：所述云端服务器获取若干样本图像及其对应的样本标签；所述云端服务器采用所述同态加密算法，依次对所述各样本图像的图像特征进行同态加密，得到对应的多个加密图像特征；所述云端服务器利用所述GPU，对各加密图像特征以及卷积神经网络的各层网络的网络参数进行所述目标处理，从而确定所述各样本图像各自的加密预测结果；所述云端服务器根据所述加密预测结果以及所述样本标签，调整所述卷积神经网络的各层网络的网络参数，得到所述预先训练的卷积神经网络。5.根据权利要求1所述的方法，所述卷积神经网络通过以下步骤得到：所述云端服务器基于若干样本图像及其对应的样本标签，训练卷积神经网络；所述云端服务器将训练后的卷积神经网络中各层网络的原始函数，转换为适用于所述同态加密算法的目标函数，得到转换后的卷积神经网络；所述云端服务器将所述转换后的卷积神经网络作为所述预先训练的卷积神经网络。
6.根据权利要求5所述的方法，其中，所述各层网络包括激活层；所述云端服务器将训练后的卷积神经网络中各层网络的原始函数，转换为适用于所述同态加密算法的目标函数，包括：将所述激活层的激活函数替换为多阶泰勒公式展开。7.根据权利要求1所述的方法，所述利用所述GPU，对所述加密人脸特征和所述各层网络的网络参数进行目标处理，包括：根据所述待识别人脸图像的图像标识，获取该图像标识对应的目标图像，并从中提取人脸特征；采用所述同态加密算法，对提取的人脸特征进行同态加密，得到目标加密特征；对所述加密人脸特征、所述目标加密特征以及所述各层网络的网络参数进行所述目标处理，从而确定加密人脸识别结果。8.一种实现隐私保护的人脸识别方法，通过云端服务器执行；所述云端服务器包括GPU，所述GPU具有预先训练的卷积神经网络的各层网络的网络参数；所述方法包括：接收客户端发送的加密人脸特征；其中，所述加密人脸特征是所述客户端采用同态加密算法对待识别人脸图像的目标特征进行同态加密得到；利用所述GPU，对所述加密人脸特征和所述各层网络的网络参数进行目标处理，从而确定加密人脸识别结果，其中所述目标处理是所述卷积神经网络的原始函数对应于所述同态加密算法的同态运算处理；将所述加密人脸识别结果返回给所述客户端，以使所述客户端采用所述同态加密算法对应的解密算法，对所述加密人脸识别结果进行解密，得到最终识别结果。9.一种实现隐私保护的人脸识别系统，包括客户端和云端服务器；所述客户端，用于获取待识别人脸图像的目标特征；所述客户端，还用于采用同态加密算法...

【专利技术属性】
技术研发人员：金璐，
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：