[發明專利]一種面向生物特征隱私保護的人像加解密系統

有效

• 申請號: 202011564745.2
• 申請日: 2020-12-25
• 公開（公告）號: CN112580011B
• 公開（公告）日: 2022-05-24
• 發明（設計）人: 謝巍;余孝源;張浪文;余錦偉
• 申請（專利權）人: 華南理工大學
• 主分類號: G06F21/32
• 分類號: G06F21/32;G06K9/00;G06K9/62;H04L9/00;H04L9/08;H04L9/40;H04N1/44;G06N3/04;G06N3/08
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 楊望仙

1.一種面向生物特征隱私保護的人像加解密系統，其特征在于，包括：人像數據采集系統、人像特征提取系統、基于數據傳輸能力的網絡傳輸能力判斷系統、基于編碼解碼框架與身份特征的人像圖像加解密系統、基于混沌系統的人像特征向量加解密系統，其中：

基于編碼解碼框架與身份特征的人像圖像加解密系統包括：部署在前端一體機上的基于編碼解碼框架與身份特征的人像圖像加密網絡和部署在公共云端的對稱式的人像圖像解密網絡及人臉識別系統；

基于混沌系統的人像特征向量加解密系統包括：部署在前端一體機上的基于混沌系統的人像特征向量加密網絡和部署在本地服務器的人像特征向量解密網絡及基于特征匹配的人臉識別系統；

基于數據傳輸能力的網絡傳輸能力判斷系統依據傳輸網絡的寬帶傳輸能力和前端一體機所連接的不同服務器類型，選擇基于編碼解碼框架與身份特征的人像圖像加解密系統或基于混沌系統的人像特征向量加解密系統；

前端一體機所連接服務器類型包括：本地服務器和公共云端，其中本地服務器是指具有較小存儲空間以及低算力的本地服務器，公共云端是指具有大存儲空間以及高算力的公共云端集群；

傳輸網絡的寬帶傳輸能力的判別指標包括：傳輸速率、數據吞吐量、網絡利用率；標準傳輸速率為Tv₀、標準數據吞吐量為Dt₀、標準網絡利用率為Nu₀，當一個傳輸網絡的傳輸速率、數據吞吐量和網絡利用率分別為Tv、Dt和Nu時，傳輸網絡的傳輸能力按以下公式計算：

其中：λ₁、λ₂和λ₃為權重參數，取值為0到1之間；若Score的得分大于1.5，則表示網絡的傳輸速率、數據吞吐量以及網絡利用率指標較高，則選擇基于編碼解碼框架與身份特征的人像圖像加解密系統；若Score的得分小于1.5，則選擇基于混沌系統的人像特征向量加解密系統。

2.根據權利要求1所述的人像加解密系統，其特征在于，基于混沌系統的人像特征向量加密系統構建過程包括：構建人像特征提取網絡的訓練數據集、人像身份特征提取網絡的構建與訓練、構建多項混沌函數組、人像特征向量的加密；其中：

構建人像特征提取網絡的訓練數據集是利用現有的人臉數據庫的標注信息，提取人像及其對應的身份信息，構建人像身份訓練數據；

人像身份特征提取網絡的構建與訓練指設計人像身份特征提取網絡，用于尋找人像的身份特征，并利用構建的人像身份訓練數據集對人像身份特征提取網絡進行訓練，獲得人像身份特征提取子網絡模型與參數；

人像特征向量的加密指利用訓練后的人像身份特征提取子網絡獲取的人像身份特征，并利用構建的多項混沌函數組生成加密的人像特征。

3.根據權利要求2所述的人像加解密系統，其特征在于，人像身份特征提取網絡的構建與訓練，過程包括：

首先，設計基于殘差網絡的人像分類網絡G_f，對人臉數據進行分類；

接著，利用人像數據對人像分類網絡G_f進行訓練，直到人像分類網絡G_f收斂；其訓練優化損失函數設置如下所示：

其中：y'_i表示人像分類網絡G_f對第i類人像的提取結果，y'_k表示人像分類網絡G_f對第k類人像的提取結果，m_i表示第i類人像的向量表示，e表示自然常數；

最后，在人像分類網絡G_f訓練完畢后，舍去人像分類網絡G_f的最后一層全連接層，以剩余的網絡結構以及網絡參數作為人像身份特征提取子網絡G_ff，G_ff用于提取輸入人像的身份特征向量。

4.根據權利要求2所述的人像加解密系統，其特征在于，構建的多項混沌函數組包括四種函數：正弦映射函數、Baker混沌映射函數、分段線性混沌映射函數和數據標準化函數。