[發(fā)明專利]云環(huán)境下融合全同態(tài)加密和離散小波變換的人臉識別方法

有效

• 申請?zhí)枺?/td>: 202011092218.6
• 申請日: 2020-10-13
• 公開（公告）號: CN112215158B
• 公開（公告）日: 2022-10-18
• 發(fā)明（設計）人: 鄭培嘉;彭冬氈;駱偉祺
• 申請（專利權）人: 中山大學
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/77;G06K9/62;H04L9/00
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 張金福

1.一種云環(huán)境下融合全同態(tài)加密和離散小波變換的人臉識別方法，其特征在于，至少包括：

S1.對客戶端輸入的人臉圖片及云服務器上人臉數(shù)據(jù)庫的人臉圖片均進行預處理；

S2.將預處理后的客戶端輸入的人臉圖片進行向量切片后，轉化為密文分片，加密后傳送至云服務器；

S3.將加密后傳送至云服務器的密文分片在全同態(tài)加密域下進行離散小波變換，得到離散小波變換后的系數(shù)；

S4.將預處理后的云服務器上人臉數(shù)據(jù)庫的人臉圖片一維向量在明文狀態(tài)下進行離散小波變換，并通過初次降維，并得到特征向量；

S5.根據(jù)特征向量，對離散小波變換后的云服務器上人臉數(shù)據(jù)庫的向量組進行降維；在全同態(tài)加密域下，對密文分片離散小波變換后的系數(shù)進行降維，得到降維后的客戶端輸入的人臉圖片向量；

S6.基于全同態(tài)加密的加性同態(tài)和乘法同態(tài)的性質，通過內積計算人臉向量與初次降維后云服務器上人臉數(shù)據(jù)庫的人臉圖片向量組中每一個向量的歐式距離；

S7.采用基于整數(shù)密文的拉格朗日插值比較算法，進行歐式距離的兩兩比較，并排序；

S8.判斷排序后的歐式距離是否在閾值T內，若是，人臉識別成功，返回密文識別結果發(fā)送至客戶端，客戶端解密密文識別結果；否則，人臉識別失敗；

步驟S1所述的預處理包括：

將客戶端輸入的人臉圖片及人臉數(shù)據(jù)庫的人臉圖片轉變?yōu)橄袼匚谋荆ㄟ^均值過濾模板和壓縮對像素文本的尺寸進行壓縮，將二維圖像向量轉換為一維圖像向量；

用戶擁有全同態(tài)加密的公鑰pk和私鑰sk，步驟S2中密文分片利用公鑰pk加密后傳送至云服務器，將密文分片中的浮點數(shù)輸入，乘以同一個參數(shù)S并進行取整操作，然后使用packing方式利用公鑰pk加密后傳送至云服務器；

步驟S3所述的加密后傳送至云服務器的密文分片在全同態(tài)加密域下進行離散小波變換，得到離散小波變換后的系數(shù)的具體過程為：

S31.預處理后的客戶端輸入的人臉圖片一維向量U在明文狀態(tài)下進行向量切片后分成四段，加密后傳送至云服務器，密文為[U_i](i＝1,...4)4個密文分片，包括：

其中，k＝0,1,2，...，M/4-1，M表示人臉圖片一維向量U的長度；

S32.將密文分片采用二級小波變換，表達式為：

[L2[k]]＝[L1[2k]]+[L1[2k+1]]

＝[U[4k]]+[U[4k+1]]+[U[4k+2]]+[U[4k+3]]

＝[U₁]+[U₂]+[U₃]+[U₄]

其中，[L2g]表示二級小波變換，[L1g]表示一級小波變換；二級小波變換獲得系數(shù)子帶，將[L2[k]]作為客戶端輸入的人臉圖片一維向量U的密文[U_i](i＝1,...4)經過離散小波變換后的系數(shù)，記作[U']，長度為U的1/4，設定為m。

2.根據(jù)權利要求1所述的云環(huán)境下融合全同態(tài)加密和離散小波變換的人臉識別方法，其特征在于，預處理后的云服務器上人臉數(shù)據(jù)庫的人臉圖片一維向量設為向量組C_i(i＝1,...N)，N表示人臉數(shù)據(jù)庫中人臉圖片的個數(shù)，在明文狀態(tài)下進行離散小波變換得到C′_i(i＝1,...N)，通過離散小波變換后得到的向量組C′_i(i＝1,...N)初次降維，并得到特征向量的過程為：

S41.計算向量組C′_i(i＝1,...N)的平均值Aver，表達式為：

S42.計算協(xié)方差矩陣，表達式為：

其中，j表示不同于i的序號；

S43.計算cov的特征值與特征向量,對特征值進行排序并選擇最大的k個,對k個特征值對應的特征向量分別作為列向量組成特征向量矩陣V，進行低維投影降維，表示為：

V＝[v₁v₂...v_k](kN)，V∈R^m*k

其中，m表示初次降維時特征值的個數(shù)，R表示實數(shù)，k表示特征向量的長度。