[發明專利]實現隱私保護的人臉識別方法及裝置

在審

• 申請號: 202110801564.5
• 申請日: 2021-07-15
• 公開（公告）號: CN113435406A
• 公開（公告）日: 2021-09-24
• 發明（設計）人: 金璐
• 申請（專利權）人: 支付寶（杭州）信息技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06F21/60;G06N3/04;G06N3/08
• 代理公司: 北京億騰知識產權代理事務所(普通合伙) 11309
• 代理人: 陳霽;周良玉

1.一種實現隱私保護的人臉識別方法，包括：

客戶端獲取待識別人臉圖像的目標特征；

所述客戶端采用同態加密算法對所述目標特征進行同態加密，得到加密人臉特征；

所述客戶端將所述加密人臉特征發送給云端服務器；其中，所述云端服務器包括GPU，所述GPU具有預先訓練的卷積神經網絡的各層網絡的網絡參數；

所述云端服務器利用所述GPU，對所述加密人臉特征和所述各層網絡的網絡參數進行目標處理，從而確定加密人臉識別結果，其中所述目標處理是所述卷積神經網絡的原始函數對應于所述同態加密算法的同態運算處理；

所述云端服務器將所述加密人臉識別結果返回給所述客戶端；

所述客戶端采用所述同態加密算法對應的解密算法，對所述加密人臉識別結果進行解密，得到最終識別結果。

2.根據權利要求1所述的方法，其中，所述GPU至少包括：多項式計算單元和縮放因子生成單元；

所述利用所述GPU，對所述加密人臉特征和所述各層網絡的網絡參數進行目標處理，包括：

利用所述縮放因子生成單元，生成用于針對所述加密人臉特征和所述各層網絡的網絡參數進行縮放處理的縮放因子；

利用所述多項式計算單元，基于所述縮放因子，對所述加密人臉特征和所述各層網絡的網絡參數進行縮放處理；以及基于縮放處理后的所述加密人臉特征和所述各層網絡的網絡參數，執行與所述各層網絡的原始函數相應的同態運算，并基于對應于最后一層網絡的運算結果確定所述加密人臉識別結果。

3.根據權利要求2所述的方法，其中，所述GPU還包括隨機數生成單元；所述方法還包括：

所述云端服務器利用所述隨機數生成單元，生成所述多項式計算單元在執行所述同態運算過程中所用到的隨機數。

4.根據權利要求1所述的方法，其中，所述預先訓練的卷積神經網絡通過以下步驟訓練得到：

所述云端服務器獲取若干樣本圖像及其對應的樣本標簽；

所述云端服務器采用所述同態加密算法，依次對所述各樣本圖像的圖像特征進行同態加密，得到對應的多個加密圖像特征；

所述云端服務器利用所述GPU，對各加密圖像特征以及卷積神經網絡的各層網絡的網絡參數進行所述目標處理，從而確定所述各樣本圖像各自的加密預測結果；

所述云端服務器根據所述加密預測結果以及所述樣本標簽，調整所述卷積神經網絡的各層網絡的網絡參數，得到所述預先訓練的卷積神經網絡。

5.根據權利要求1所述的方法，所述卷積神經網絡通過以下步驟得到：

所述云端服務器基于若干樣本圖像及其對應的樣本標簽，訓練卷積神經網絡；

所述云端服務器將訓練后的卷積神經網絡中各層網絡的原始函數，轉換為適用于所述同態加密算法的目標函數，得到轉換后的卷積神經網絡；

所述云端服務器將所述轉換后的卷積神經網絡作為所述預先訓練的卷積神經網絡。

6.根據權利要求5所述的方法，其中，所述各層網絡包括激活層；

所述云端服務器將訓練后的卷積神經網絡中各層網絡的原始函數，轉換為適用于所述同態加密算法的目標函數，包括：

將所述激活層的激活函數替換為多階泰勒公式展開。

7.根據權利要求1所述的方法，所述利用所述GPU，對所述加密人臉特征和所述各層網絡的網絡參數進行目標處理，包括：

根據所述待識別人臉圖像的圖像標識，獲取該圖像標識對應的目標圖像，并從中提取人臉特征；

采用所述同態加密算法，對提取的人臉特征進行同態加密，得到目標加密特征；

對所述加密人臉特征、所述目標加密特征以及所述各層網絡的網絡參數進行所述目標處理，從而確定加密人臉識別結果。