图像处理方法、图像模型训练方法、装置、介质及设备制造方法及图纸

技术编号:38475349 阅读:21 留言:0更新日期:2023-08-15 16:55
本说明书实施例公开了一种图像处理方法、图像模型训练方法、装置、存储介质及设备。该方法包括:获取多个用户中各个用户的生物识别图像,提取生物识别图像的图像特征;对各个用户的生物识别图像的图像特征进行特征融合处理,生成各个用户的生物识别图像对应的融合图像特征,融合图像特征包含多个用户的生物识别图像的图像特征之间的关联特征;基于融合图像特征,生成各个用户的生物识别图像对应的脱敏图像。像。像。

【技术实现步骤摘要】
图像处理方法、图像模型训练方法、装置、介质及设备


[0001]本说明书涉及机器学习
,尤其涉及一种图像处理方法、图像模型训练方法、装置、存储介质及设备。

技术介绍

[0002]生物识别技术在近年来已经在诸多场景得到了应用,例如刷脸支付、指纹考勤、虹膜保险箱等场景。如何保护用户的生物识别图像的图像隐私成为了关注的焦点。
[0003]在相关技术方案中,基于数据加密技术对用户的生物识别图像的图像隐私进行保护,例如,在图像传输或存储阶段对用户的生物识别图像进行数据加密,在计算阶段对经加密的生物识别图像进行解密。然而,这种技术方案的安全性较低,容易被攻击者破解,在大部分场景下,难以保障用户的隐私信息安全。
[0004]因此,如何提升攻击者的攻击成本,提高生物识别图像的隐私保护的安全性,成为了亟待解决的技术难题。

技术实现思路

[0005]本说明书提供一种图像处理方法、图像模型训练方法、装置、存储介质及设备,能够提升攻击者的攻击成本,提高生物识别图像的隐私保护的安全性。
[0006]第一方面,本说明书实施例提供本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像处理方法,包括:获取多个用户中各个用户的生物识别图像,提取所述生物识别图像的图像特征;对各个用户的所述生物识别图像的图像特征进行特征融合处理,生成各个用户的所述生物识别图像对应的融合图像特征,所述融合图像特征包含所述多个用户的生物识别图像的图像特征之间的关联特征;基于各个用户的所述生物识别图像对应的所述融合图像特征,生成各个用户的所述生物识别图像对应的脱敏图像。2.根据权利要求1所述的方法,其中,所述对各个用户的所述生物识别图像的图像特征进行特征融合处理,生成各个用户的所述生物识别图像对应的融合图像特征,包括:对所述多个用户中各个用户的所述生物识别图像的图像特征进行加权融合处理;基于加权融合处理的结果,生成各个用户的所述生物识别图像对应的融合图像特征。3.根据权利要求2所述的方法,其中,所述对各个用户的所述生物识别图像的图像特征进行加权融合处理,包括:确定各个用户对应的用户风险系数,所述用户风险系数表示各个用户的所述生物识别图像的图像特征的特征权重;基于各个用户对应的所述用户风险系数,对各个用户对应的所述生物识别图像的图像特征进行加权融合处理。4.根据权利要求3所述的方法,其中,所述确定各个用户对应的用户风险系数,包括:确定预定时间段的所述多个用户中各个用户的生物识别特征,所述生物识别特征包括生物识别频次特征以及各个生物识别场景的场景频次特征;基于所述生物识别特征,确定各个用户对应的用户风险系数。5.根据权利要求4所述的方法,其中,所述基于所述生物识别特征,确定各个用户对应的用户风险系数,包括:对所述多个用户中各个用户的所述生物识别频次特征与各个所述生物识别场景的场景频次特征进行加权运算;基于加权运算的结果确定各个用户对应的用户风险系数。6.根据权利要求3所述的方法,其中,所述确定各个用户对应的用户风险系数,包括:周期性地获取所述多个用户中各个用户的生物识别特征;确定所述用户的当前周期的生物识别特征与上一周期的生物识别特征之间的特征相似度;若所述特征相似度小于预定阈值,则基于所述当前周期的生物识别特征,调整所述用户对应的用户风险系数。7.根据权利要求1至6中任一项所述的方法,其中,所述基于各个用户的所述生物识别图像对应的所述融合图像特征,生成各个用户的所述生物识别图像对应的脱敏图像,包括:将各个用户的所述生物识别图像对应的所述融合图像特征输入到图像脱敏模型;通过所述图像脱敏模型,生成各个用户的所述生物识别图像对应的脱敏图像。8.根据权利要求7所述的方法,其中,所述方法还包括:获取目标用户的所述目标脱敏图像对应的多个关联脱敏图像;基于所述多个关联脱敏图像,通过反脱敏模型对所述目标脱敏图像进行反脱敏处理。
9.一种图像模型训练方法,其中,所述图像模型包括图像脱敏子模型,所述方法包括:获取多个用户中各个用户的生物识别图像,提取各个用户的生物识别图像的图像特征;对各个用户的生物识别图像的图像特征进行特征融合处理,生成各个用户的所述生物识别图像对应的融合图像特征,所述融合图像特征包含所述多个用户的生物识别图像的图像特征之间的关联特征;将各个用户对应的所述融合图像特征输入到所述图像脱敏子模型,得到各个用户的生物识别图像对应的脱敏图像;基于所述脱敏图像以及所述生物识别图像,确定所述图像模型的模型损失,所述模型损失包括脱敏损失;基于所述模型损失对所述图像模型进行训练。10.根据权利要求9所述的方法,其中,所述图像模型还包括特征融合子模型,所述对各个用户的生物识别图像的图像特征进行特征融合处理,包括:将各个用户的生物识别图像的图像特征输入到所述特征融合子模型;通过所述特征融合子模型对各个用户的所述生物识别图像的图像特征进行加权融合处理。11.根据权利要求10所述的方法,其中,所述将各个用户的生物识别图像的图像特征输入到所述特征融合子模型,包括:确定各个用户对应的用户风险系数,所述用户风险系数表示各个用户的所述生物识别图像的图像特征的特征权重;将各个用户对应的生物识别图像的图像特征以及用户风险系数输入到所述特征融合子模型,所述通过所述特征融合子模型对各个用户的所述生物识别图像的图像特征进行加权融合处理,包括:基于各个用户对应的所述用户风险系数,通过所述特征融合子模型对各个用户的所述生物识别图像的图像特征进行加权融...

【专利技术属性】
技术研发人员:曹佳炯
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:

网友询问留言 已有0条评论
  • 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。

1