[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

本說明書實施例提供一種實現隱私保護的人臉識別方法及裝置，在人臉識別方法中，客戶端獲取待識別人臉圖像的目標特征?？蛻舳瞬捎猛瑧B加密算法對目標特征進行同態加密，得到加密人臉特征。客戶端將加密人臉特征發送給云端服務器。其中，云端服務器包括GPU，該GPU具有預先訓練的卷積神經網絡的各層網絡的網絡參數。云端服務器利用GPU，對加密人臉特征和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。云端服務器將加密人臉識別結果返回給客戶端?？蛻舳瞬捎猛瑧B加密算法對應的解密算法，對加密人臉識別結果進行解密，得到最終識別結果。

技術領域

本說明書一個或多個實施例涉及計算機技術領域，尤其涉及一種實現隱私保護的人臉識別方法及裝置。

背景技術

隨著深度學習的快速發展，人臉識別技術已經進入大規模應用階段，廣泛應用于金融、公安、社保、醫療、教育、交通等領域中的個人身份認證。在線下，人臉識別技術常用于智能安防、智慧醫療、智能家居等領域；在線上，人臉識別技術常用于智能手機解鎖、APP輔助登錄等。但值得注意的是，人臉識別技術是一把雙刃劍，它在不斷提升用戶體驗的同時，也帶來了嚴重的隱私安全的隱患，例如人臉識別過程中需要涉及到對用戶人臉圖像的傳輸，而用戶人臉圖像在傳輸的過程中容易造成泄露。

發明內容

本說明書一個或多個實施例描述了一種實現隱私保護的人臉識別方法及裝置，可以實現對用戶人臉圖像的隱私保護。

第一方面，提供了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。

第二方面，提供了一種實現隱私保護的人臉識別方法，包括：

接收客戶端發送的加密人臉特征；其中，所述加密人臉特征是所述客戶端采用同態加密算法對待識別人臉圖像的目標特征進行同態加密得到；

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；

將所述加密人臉識別結果返回給所述客戶端，以使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。

第三方面，提供了一種實現隱私保護的人臉識別裝置，包括：

所述客戶端，用于獲取待識別人臉圖像的目標特征；

所述客戶端，還用于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，還用于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，用于利用所述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；