[发明专利]一种基于深度学习和同态加密的安全高效的人脸识别方法

权利要求书

1.一种基于深度学习和同态加密的安全高效的人脸识别方法，其特征在于，实现步骤：

(1)获取人脸图像然后对获取的人脸图像提取特征数据w；

(2)客户端将提取出的特征数据进行加密，得到加密的特征数据E_pk(w)后，客户端将加密后的特征数据E_pk(w)以及需要查询的对象索引值i发送给云端服务器；

(3)对应的云端服务器收到客户端发送来的加密的特征数据后，无需解密这些特征数据，在密文状态下利用高效隐秘海明距离计算公式与云端数据库中的存储好的人脸特征数据计算密文海明距离E_pk(d_H)，给密文的海明距离加上对应的随机数得到数据E_pk(d_H+r)，再发送给客户端，其中d_H表示客服端特征数据在未加密状态下与云端数据库中的人脸特征数据的海明距离，r表示对应随机数；

(4)客户端接收到已经加上随机数的密文海明距离后进行解密，然后将解密结果d_H+r发送给云端服务器；

云端服务器收到E_pk(d_H+r)解密得出的海明距离d_H与随机数r的和d_H+r以后利用OT协议将这个数据映射成一组0,1向量的输出值X₀···X₁₂₈，然后将这组输出发送给客户端；

(5)客户端接收数据，得到最后与终端云上数据库中对应人脸的识别结果。

2.根据权利要求1所述的一种基于深度学习和同态加密的安全高效的人脸识别方法，其特征在于：所述步骤(1)中，对获取的人脸图像提取特征数据w采取以下步骤：

(11)客户端对获取的人脸图像采用Inception-ResNet-v2网络来进行人脸特征提取，并在后面接一个特征归一化层；

(12)然后将人脸图像中头像的特征都映射到一个球面上，即将人脸特征都嵌入到128维超球面上，来降低由于人脸的图像环境差异带来的一些问题；

(13)最后采用triplet_loss作为损失函数，加上随机梯(SDG,Stochastic GradientDescent)进行反向传播，得到128维的特征数据；

(14)对128维的特征数据做二值化操作，即将大于0的数据置为1，其余数据置为0，最后得到128bit的特征数据。

3.根据权利要求1所述的一种基于深度学习和同态加密的安全高效的人脸识别方法，其特征在于：所述步骤(2)中，加密特征数据采取以下步骤：

(21)利用paillier加密算法加密特征数据，首先需要生成密钥，随机选择两个大素数p和q，计算n＝pq，e(n)＝lcm(p-1,q-1)，G为模n²的乘法群，即随机选择g∈G，使得g满足gcd(L(g^emod n²),n)＝1，则加密的公钥为(g,n)，私钥为e(n)，明文取值域为Z_n，即范围为m<n；

(22)然后对特征数据进行加密，设被加密的数据为m∈Z_n随机选择数则m加密后的密文为：c＝g^mrⁿmod n²，其中c为最后加密得到的密文，(g,n)为公钥，m为需要加密的特征数据，r为随机数。