一种基于循环学习的人脸匿名方法技术

本发明专利技术提出了一种基于循环学习的人脸匿名方法。本发明专利技术提出了一个基于循环学习的面部生物特征可逆匿名化方案来保护公共网络空间中传输的面部特征，它由去识别系统(De

【技术实现步骤摘要】
一种基于循环学习的人脸匿名方法


[0001]本专利技术属于隐私保护之人脸图像安全领域，具体涉及一种基于循环学习的人脸匿名方法。

技术介绍

[0002]生物识别技术已经渗透到我们的日常活动中，并在身份认证中发挥着关键作用。生物识别系统一般是基于软性生物特征，被称为身体、行为或附着的人类特征。如今，基于面部特征的生物识别在身份认证中发挥着重要作用，它提高了生物识别系统的识别精度。然而，将这些数据存储在生物识别数据库中可能会引起对隐私泄露的担忧。个人信息暴露在公共网络空间中会影响到数百万人，并导致灾难性的后果，为了建立对生物识别系统的信任，继续提出一个可逆的匿名化方案。

技术实现思路

[0003]本专利技术提出了一个基于循环学习的面部生物特征可逆匿名化方案来保护公共网络空间中传输的面部特征，它由去识别系统(De
‑
ID系统)和重新识别系统(Re
‑
ID系统)组成。De
‑
ID系统对敏感的面部特征进行去识别，使其以与现实世界完全不同的形式存在于公共网络空间中，从而有效地防止因真实的脸部特征的暴露而产生的威胁。基于循环学习的可逆性，Re
‑
ID系统几乎无损地恢复了去识别的面部特征，确保了人脸图像的认证效用。此外，该模型还提供了全局和局部匿名化策略，以应对不同用户的需求。实验结果显示，与其他现有的相关工作比较，本专利技术提出的方案不仅能够在公开网络中有效匿名脸部特征，而且不影响脸部图像的实际使用。与其他现有的相关工作比较，本专利技术提出的方案不仅能够有效匿名敏感的人脸信息，更能够保持图像的实际效用。实验结果显示，本专利技术也能够抵抗压缩和噪声等攻击，具有较为优越的性能。
[0004]本专利技术的技术方案步骤如下：
[0005]一种基于循环学习的人脸匿名方法，用于图像拥有者在传送到公开网络之前进行人脸面部特征去辨识和第三方认证者进行身份验证，其具体步骤如下：
[0006]S1：图像拥有者根据敏感的面部特征，选择对应的匿名标签；
[0007]S2：图像拥有者将匿名标签和待去辨识的原始图像送入去辨识化系统，去辨识化系统返回去辨识图像和认证秘钥；
[0008]S3：图像拥有者传输去辨识图像至公开网络，并将认证秘钥和匿名标签交给第三方认证者；
[0009]S4：第三方认证者接收图像拥有者传送的认证秘钥和匿名标签，并从公开网络中接收去辨识图像；
[0010]S5：第三方认证者将匿名标签、认证秘钥和去辨识图像送入恢复辨识化系统，恢复辨识化系统返回恢复辨识图像。
[0011]作为优选，所述S1中，图像拥有者根据敏感的面部特征，选择对应的匿名标签的方
法如下：
[0012]假设人脸图像中包含N个面部特征，匿名标签为{l，l∈[0，N]}，其中l＝0和l∈[1，N]分别表示全局匿名模式和局部匿名模式；图像拥有者依据全局匿名或者局部匿名的实际需求选择相应的匿名标签l。
[0013]作为优选，所述全局匿名模式通过像素级别的置乱使得脸部特征以覆盖的方式被有效保护，优选为采用全脸马赛克；而局部匿名模式通过在同一特征内进行特征域转换使得脸部图像以误导的方式被有效保护，优选为对性别特征、年龄特征、肤色特征进行转变。
[0014]作为优选，所述S2中，图像拥有者将匿名标签和待去辨识的原始图像送入去辨识化系统，去辨识化系统返回去辨识图像和认证秘钥的方法如下：
[0015]图像拥有者将待去辨识的原始图像X和匿名标签l同时送入去辨识化系统De
‑
ID中，获得去辨识图像Y＝De
‑
ID(X|l)和认证秘钥K
p
；其中，当l＝0的时候，原始人脸图像被全局马赛克，去辨识图像Y＝De
‑
ID(X|l)必须满足X≠Y；当l∈[1，N]的时候，原始人脸中第l个面部特征被置乱，去辨识图像Y＝De
‑
ID(X|l)必须满足ID(X|l)必须满足表示从指定图像中取出指定特征的操作；所述认证秘钥K
p
为去辨识化系统和恢复辨识化系统生成的内部认证编码，用于权限认证。
[0016]作为优选，所述认证秘钥为随机长度的二进制编码。
[0017]作为优选，所述S3中，图像拥有者传输去辨识图像至公开网络，并将认证秘钥和匿名标签交给第三方认证者的方法如下：
[0018]图像拥有者将获得的去辨识图像Y＝De
‑
ID(X|l)上传到公开网络，使得去辨识图像以不同于原始形态的方式存在于公开网络当中，非法脸部特征获取软件无法通过去辨识图像获取得到面部的信息；同时，图像拥有者将认证秘钥K
p
和匿名标签l交第三方认证者，用于供第三方认证者对去辨识图像进行恢复辨识。
[0019]作为优选，所述第三方认证者为银行或其他需要进行人脸认证的机构。
[0020]作为优选，所述S4中，第三方认证者接收图像拥有者传送的认证秘钥和匿名标签，并从公开网络中接收去辨识图像的方法如下：
[0021]第三方认证者接收图像拥有者传送的认证秘钥K
p
和匿名标签{l，l∈[0，N]}，之后从公开网络中接收去辨识图像Y＝De
‑
ID(X|l)。
[0022]作为优选，所述S5中，第三方认证者将匿名标签、认证秘钥和去辨识图像送入恢复辨识化系统，恢复辨识化系统返回恢复辨识图像的方法如下：
[0023]第三方认证者将接受到的认证秘钥K
p
、匿名标签{l，l∈[0，N]}和去辨识化图像Y＝De
‑
ID(X|l)一同送入恢复辨识化系统Re
‑
ID，恢复辨识化系统传回恢复辨识图像其中，当l＝0的时候，被全局马赛克的人脸图像被恢复，去辨识图像必须满足当l∈[1，N]的时候，原始人脸中被置乱的第l个面部特征被恢复，恢复辨识图像必须满足其中“≈”代表两个图像应当无限接近。
[0024]作为优选，所述去辨识化系统De
‑
ID和恢复辨识化系统Re
‑
ID分别采用经过训练后的CycleGAN网络中的两个辨识器。
[0025]相对于现有技术而言，本专利技术的有益效果如下：
[0026]基于面部特征的生物识别在身份认证中发挥着重要作用，它提高了生物识别系统的识别精度。然而，由于公共网络空间中的软性生物识别特征的泄露而造成的经济损失或个人安全隐患已经成为一个日益严重的问题。为了解决这个问题，本专利技术提出了一个基于循环学习的面部生物特征可逆匿名化方案来保护公共网络空间中传输的面部特征，它由去识别系统(De
‑
ID系统)和重新识别系统(Re
‑
ID系统)组成。De
‑
ID系统对敏感的面部特征进行去识别，使其以与现实世界完全不同的形式存在于公共网络空间中，从而有效地防止因真实的脸部特征的暴露而产生的威胁。基于循环学习的可逆性，Re
‑...

【技术保护点】

【技术特征摘要】
1.一种基于循环学习的人脸匿名方法，其特征在于，具体步骤如下：S1：图像拥有者根据敏感的面部特征，选择对应的匿名标签；S2：图像拥有者将匿名标签和待去辨识的原始图像送入去辨识化系统，去辨识化系统返回去辨识图像和认证秘钥；S3：图像拥有者传输去辨识图像至公开网络，并将认证秘钥和匿名标签交给第三方认证者；S4：第三方认证者接收图像拥有者传送的认证秘钥和匿名标签，并从公开网络中接收去辨识图像；S5：第三方认证者将匿名标签、认证秘钥和去辨识图像送入恢复辨识化系统，恢复辨识化系统返回恢复辨识图像。2.根据权利要求1所述的一种基于循环学习的人脸匿名方法，其特征在于，所述S1中，图像拥有者根据敏感的面部特征，选择对应的匿名标签的方法如下：假设人脸图像中包含N个面部特征，匿名标签为{l,l∈[0,N]}，其中l＝0和l∈[1,N]分别表示全局匿名模式和局部匿名模式；图像拥有者依据全局匿名或者局部匿名的实际需求选择相应的匿名标签l。3.根据权利要求2所述的一种基于循环学习的人脸匿名方法，其特征在于，所述全局匿名模式通过像素级别的置乱使得脸部特征以覆盖的方式被有效保护，优选为采用全脸马赛克；而局部匿名模式通过在同一特征内进行特征域转换使得脸部图像以误导的方式被有效保护，优选为对性别特征、年龄特征、肤色特征进行转变。4.根据权利要求2所述的一种基于循环学习的人脸匿名方法，其特征在于，所述S2中，图像拥有者将匿名标签和待去辨识的原始图像送入去辨识化系统，去辨识化系统返回去辨识图像和认证秘钥的方法如下：图像拥有者将待去辨识的原始图像X和匿名标签l同时送入去辨识化系统De
‑
ID中，获得去辨识图像Y＝De
‑
ID(X|l)和认证秘钥K
p
；其中，当l＝0的时候,原始人脸图像被全局马赛克，去辨识图像Y＝De
‑
ID(X|l)必须满足X≠Y；当l∈[1,N]的时候,原始人脸中第l个面部特征被置乱，去辨识图像Y＝De
‑
ID(X|l)必须满足ID(X|l)必须满足表示从指定图像中取出指定特征的操作；所述认证秘钥K
p
为去辨识化系统和恢复辨识化系统生成的内部认证编码，用于权限认证。5.根据权利要求3所述的一...

【专利技术属性】
技术研发人员：许舒颖，张靖群，张真诚，许益综，
申请(专利权)人：杭州电子科技大学上虞科学与工程研究院有限公司，
类型：发明
国别省市：