[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

说明书

本发明提出了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。各个终端负责利用深度神经网络获取人脸图像，并对获取的人脸图像进行人脸特征提取，提取出128bit的特征数据，然后将特征数据利用paillier加密算法进行加密并将密文数据发送给云端。云端的服务器接收终端发来的密文数据，并在这种密文状态下通过高效隐秘海明距离计算公式计算海明距离从而得到人脸识别结果，最后将识别结果利用OT协议返回给终端，这样的模式有效的保护了隐私。在人脸特征数据加密和海明距离计算的过程中，引入了并行计算模式，可以并行加密多个人脸特征数据和并行计算对应的海明距离，大大提高了整个方案的效率，达到了高效的目的，并且该方法很容易通过软件实现。

技术领域

本发明属于密码学、计算机视觉、人脸识别、图像盲运算领域，具体地说是一种基于深度学习(DNN)和同态加密的安全高效的人脸识别方法。

背景技术

近年来随着人脸识别技术的逐渐成熟，人脸识别技术的应用越来越广泛。而随着云计算的出现，改变了传统人脸识别方案，大量的人脸图像数据开始存储在云端，并且人脸识别程序也被部署到云端。显而易见，这种方案可以支持大规模的视频监控应用，因而可以应用在实际生活中很多方面。最典型的应用就是嫌疑人搜索。可以在一些公共重要场所，例如火车站，汽车站等，安装专用摄像头，作为客户端用来获取人脸图像，而云上服务端在特定数据库中进行人脸识别。

在看到这种方案巨大的实际应用意义的同时，也应该注意到它的弊端——对人们隐私的侵犯。在嫌疑人搜索的过程中将嫌疑人的人脸信息直接发送到云上服务器进行人脸识别显然是不合适的，这样不利于隐私保护。另外，需要防止数据库中的数据被大众获取。因为这些人资料的泄露很可能给公众带来安全隐患。

为了解决这类问题，更好的保护隐私安全，早在2010年，Osadchy就提出SCiFI(Secure Computation)方案。这个方案采用安全的人脸识别，从而达到隐私保护的目的。这是安全人脸识别的开端。后来，Luong等人提出了根据重建碎片人脸攻击SCiFI方案的方法，使得SCiFI方案不再安全。而近几年，刘妍等人提出了两种新的安全人脸识别方案，一种基于高效隐秘海明距离，另外一种基于稀疏表示。她们给出了一种新型的安全的人脸识别的思想，可以使得客户端和云端服务端之间不能获取对方信息，从而保护隐私安全。

近年来，随着卷积神经网络技术的迅速发展，CNN已经应用到越来越多的领域，包括自然语言处理，图像处理，无人驾驶等等。很多实验表明CNN在人脸图像特征提取中具有很好的效果。2017年，马玉坤等人发表在IEEE上的一篇论文中提出了一种安全的人脸认证方案，这种方案是基于卷积神经网络和同态加密的，与以往方案相比，提高了人脸认证的准确率和效率。因此，将CNN引入人脸识别方法中，设计出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。该方法与之前的方法对比在保证安全人脸识别基础上提高了识别的正确率和效率。

发明内容

本发明要解决技术问题为：克服现有技术的不足，提供一种基于深度学习(DNN)和同态加密的安全高效的人脸识别方法，该方法能够在保护隐私安全的情况下，降低人脸特征数据的体积，有效提高人脸识别的效率和正确率。

本发明采用的技术方案为：一种基于深度学习(DNN)和同态加密的安全高效的人脸识别方法，实现步骤如下：

(1)一个或者多个客户端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)以及想要查询的对象索引值i发送给云端的服务器；