【技术实现步骤摘要】
一种人脸图像处理方法、相关装置及存储介质
[0001]本申请实施例涉及数据安全
，尤其涉及一种人脸图像处理方法、相关装置 及存储介质。
技术介绍
[0002]随着互联网的普及，在方便了人们获取更多信息的同时，个人隐私信息也更容易被泄 露。例如现代企业的信息系统中，在需要对外公开个人人脸图像的情况下，公开的人脸图 像容易受到攻击而造成个人隐私信息的泄露。为了抵御攻击，一般会在人脸图像上进行加 密，形成例如带有水印的人脸图像。
[0003]在对现有技术的研究和实践过程中，本申请实施例的专利技术人发现，现有技术中所采用 的加密方式，需要先确定目标人脸图像的一些特征后，再根据人脸图像针对性的进行加密， 导致生成的加密图像速度较慢。
技术实现思路
[0004]本申请实施例提供了一种人脸图像处理方法、相关装置及存储介质，能够提高对抗样 本的生成效率。
[0005]第一方面中，本申请实施例从业务服务器角度提供一种人脸图像处理方法，该方法包 括：
[0006]获取待处理的目标人脸图像；
...
【技术保护点】
【技术特征摘要】
1.一种人脸图像处理方法，其特征在于，所述方法由业务服务器执行，所述方法包括：获取待处理的目标人脸图像；将所述目标人脸图像输入至目标模型，得到目标对抗样本，其中，所述目标模型为基于无监督学习进行无监督学习得到，所述目标对抗样本与所述目标人脸图像的相似度低于预设阈值；发布所述目标对抗样本，或将所述目标人脸图像更新为所述目标对抗样本。2.根据权利要求1所述的方法，其特征在于，所述将所述目标人脸图像输入至目标模型，得到目标对抗样本，包括：在卷积层对所述目标人脸图像进行非线性映射处理，得到高维特征向量；在反卷积层对所述高维特征向量进行非线性映射处理，得到目标特征向量；对所述目标特征向量进行归一化映射处理，得到所述目标对抗样本。3.根据权利要求2所述的方法，其特征在于，所述将所述目标人脸图像输入至目标模型之前，所述方法还包括：获取训练集和所述待训练的人脸识别模型，所述训练集包括多个人脸图像；将所述训练集输入至所述人脸识别模型，得到对抗样本集，所述对抗样本集包括多个对抗样本；将所述对抗样本集中的各对抗样本与所述训练集中对应的人脸图像比对，若所述人脸识别模型的损失函数得到的损失值小于预设阈值，则将所述对抗样本集输入所述人脸识别模型，以对所述人脸识别模型进行训练更新，得到所述目标模型。4.根据权利要求3所述的方法，其特征在于，所述损失函数根据如下表达式得到：其中，x为所述训练集中的人脸图像，x1为所述对抗样本集中的对抗样本，表示所述人脸识别模型输出的特征向量；所述预设阈值满足下述不等式：||x
‑
x
′
||
∞
≤∈其中，∈为选定的扰动大小。5.根据权利要求1
‑
4中任一项所述的方法，其特征在于，所述获取待处理的目标人脸图像，包括：获取初始人脸图像；对所述初始人脸图像进行区...
【专利技术属性】
技术研发人员：请求不公布姓名，
申请(专利权)人：北京瑞莱智慧科技有限公司，
类型：发明
国别省市：
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。