[发明专利]基于图像对抗的图像隐私保护方法、系统及计算机设备

权利要求书

1.一种基于图像对抗的图像隐私保护方法，其特征在于，包括：

S1、对原始图像进行标准化，得到标准化图像数据X；

S2、根据选定的图像分类器D，训练图像对抗模型F的参数；

S3、采用图像对抗模型F对标准化图像数据进行对抗处理，得到标准化对抗图像数据f(X)；

S4、对标准化对抗图像数据进行逆标准化，得到对抗图像。

2.根据权利要求1所述的基于图像对抗的图像隐私保护方法，其特征在于，所述图像对抗模型F为基于i-Revnet的可逆网络；

还包括：

S5、在对抗图像文件后增加标准化对抗图像数据；

S6、图像还原时，读取对抗图像文件中的标准化对抗图像数据，采用对抗处理f的反向处理g从标准化对抗图像数据中还原标准化图像数据；

S7、对还原的标准化图像数据进行逆标准化，得到还原的原始图像。

3.根据权利要求1所述的基于图像对抗的图像隐私保护方法，其特征在于，所述步骤S2中对图像对抗模型F的训练步骤为：

A2.1、设定约束条件：

如果是无目标对抗，约束条件为：

如果是指定目标对抗，约束条件为：

其中，X为标准化图像数据，由图像每个像素的标准化数据组成，像素(j,k)处第i个色彩通道的标准化数据为x(i,j,k)，i＝1,…,C，j＝1,2,…,W，k＝1,2,…,H，C为图像色彩空间的通道数，W为图像像素宽度，H为图像像素高度；

f(X)为对抗处理后的标准化对抗图像数据，由对抗图像中每个像素的标准化数据组成；d(X,f(X))为X与f(X)的差异，定义为：

y(i,j,k)为对抗图像数据中像素(j,k)处第i个色彩通道的标准化数据；

ε为预设的差异阈值；t为指定的目标类别；D(X)为X作为输入时分类器D的输出；

A2.2、在约束条件下通过最小化目标函数对图像对抗模型F的参数进行优化，所述目标函数L_A为：

其中为交叉熵损伤函数，为对抗损失函数；的定义为：

如果是无目标对抗，为：

如果是指定目标对抗，为：

其中，x_n为第n个训练样本标准化处理后的图像数据，N为训练样本的总数；m为常数，设置为(W*H)/50。

4.根据权利要求2所述的基于图像对抗的图像隐私保护方法，其特征在于，所述步骤S2中对图像对抗模型F的训练步骤为：

B2.1、设定约束条件：

如果是无目标对抗，约束条件为：

如果是指定目标对抗，约束条件为：

其中，X为标准化图像数据，由图像每个像素的标准化数据组成，像素(j,k)处第i个色彩通道的标准化数据为x(i,j,k)，i＝1,…,C，j＝1,2,…,W，k＝1,2,…,H，C为图像色彩空间的通道数，W为图像像素宽度，H为图像像素高度；

f(X)为对抗处理后的对抗图像数据，由对抗图像中每个像素的标准化数据组成；d(X,f(X))为X与f(X)的差异，定义为：

y(i,j,k)为对抗图像数据中像素(j,k)处第i个色彩通道的标准化数据；

ε为预设的差异阈值；t为指定的目标类别；

B2.2、在约束条件下通过最小化目标函数对图像对抗模型F的参数进行优化，所述目标函数L_B为：

其中为交叉熵损伤函数，为对抗损失函数；的定义为：

如果是无目标对抗，为：

如果是指定目标对抗，为：

其中，x_n为第n个训练样本标准化处理后的图像数据，N为训练样本的总数；m为常数，设置为(W*H)/50。

5.根据权利要求3或4中任一项所述的基于图像对抗的图像隐私保护方法，其特征在于，采用SGD作为优化器来最小化目标函数。