基于局部线性嵌入的人脸识别安全外包计算方法及系统技术方案

本发明专利技术公开一种基于局部线性嵌入的人脸识别安全外包计算方法及系统，包括：获取人脸图像训练集，根据人脸图像训练集生成第一阶段的待计算矩阵；接收由可信第三方发送的在矩阵乘法运算、线性方程求解和特征值分解阶段对应的盲化因子；根据盲化因子对当前阶段的待计算矩阵进行盲化处理，并将盲化后的待计算矩阵发送至云服务器；接收云服务器发送的运算结果，并对运算结果进行验证，且在验证通过后进行解密，根据最后一个阶段解密后的运算结果进行人脸识别。降低客户端的计算复杂性，在云服务器不可信的情况下，保证数据安全性，实现安全、高效地人脸识别。

【技术实现步骤摘要】

本专利技术涉及人工智能的隐私保护，特别是涉及一种基于局部线性嵌入的人脸识别安全外包计算方法及系统。

技术介绍

1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。

2、人脸识别作为最常用的基于生物特征的身份认证技术之一，是一种重要的机器学习应用场景。人脸图像采集信息具有高维度、非线性等特点，而且容易产生某些冗余的、不准确信息，需要通过降维算法去除不准确的冗余信息。人脸图像的降维算法包括线性算法和非线性算法两大类，其中pca主成分分析算法(principal component analysis，pca)、线性判别分析算法(linear discriminant analysis，lda)等是线性降维算法，局部线性嵌入算法(locally linear embedding，lle)、多维尺度变换算法(multidimensional scaling，mds)等是非线性降维算法。为了加速人脸识别的计算过程，可以采用安全外包计算技术将人脸图像降维算法等计算任务委托给云计算平台等第三方服务提供商，以降低本地计算成本，提高计算本文档来自技高网...

【技术保护点】

1.基于局部线性嵌入的人脸识别安全外包计算方法，应用于客户端，其特征在于，包括：

2.基于局部线性嵌入的人脸识别安全外包计算方法，应用于云服务器，其特征在于，包括：

3.基于局部线性嵌入的人脸识别安全外包计算方法，其特征在于，包括：

4.如权利要求1-3任一项所述的基于局部线性嵌入的人脸识别安全外包计算方法，其特征在于，盲化因子的生成过程为：根据待计算矩阵的规模生成单位矩阵Il×l，若l为偶数，则且从k＝1开始迭代运行下述过程：

5.如权利要求1-3任一项所述的基于局部线性嵌入的人脸识别安全外包计算方法，其特征在于，盲化因子的生成过程为：根...

【技术特征摘要】

1.基于局部线性嵌入的人脸识别安全外包计算方法，应用于客户端，其特征在于，包括：

2.基于局部线性嵌入的人脸识别安全外包计算方法，应用于云服务器，其特征在于，包括：

3.基于局部线性嵌入的人脸识别安全外包计算方法，其特征在于，包括：

4.如权利要求1-3任一项所述的基于局部线性嵌入的人脸识别安全外包计算方法，其特征在于，盲化因子的生成过程为：根据待计算矩阵的规模生成单位矩阵il×l，若l为偶数，则且从k＝1开始迭代运行下述过程：

5.如权利要求1-3任一项所述的基于局部线性嵌入的人脸识别安全外包计算方法，其特征在于，盲化因子的生成过程为：根据待计算矩阵的规模生成单位矩阵il×l，若l为奇数，则且从k＝1开始迭代运行下述过程：

6.如权利要求1-3任一项所述的基于局部线性嵌入的人脸识别安全外包计算方法，其特征在于，在矩阵乘法运算阶段，其盲化因子为(ε1，k11，k12，k13)，客户端对待计算矩阵和进行盲化处理后得到z1′＝k11(ε1z)k12，z2′＝k12t(ε1zt)k13；客户端对矩阵乘法的运算结果进行验证；具体地，选择随机向量r，若rc′＝rz1′z2′成立，验证通过，使用盲化因子(ε1，k11，k12，k13)进行解密，得到其中，k11，k12，k13为盲化矩阵，ε1为随机实数。

7.如权利要求6任一项所述的基于局部线性嵌入的人脸识别安全外包计算方法，其特征在于，在线性方程求解阶段，其盲化因子为(ε2，k21，k22)，客户端对解密后的矩阵乘法运算结果c和b进行盲化处理，计算c″＝k21ck...

【专利技术属性】
技术研发人员：孔凡玉，陶云亭，
申请(专利权)人：山东大学，
类型：发明
国别省市：