[发明专利]保护隐私的网络训练方法、身份识别方法及装置

说明书

本说明书实施例提供一种保护隐私的身份识别方法、生成对抗网络的训练方法及装置，获取目标对象的真实人脸图像；将真实人脸图像输入到已训练的生成对抗网络，通过已训练的生成对抗网络生成与真实人脸图像容貌不同的虚构人脸图像，将虚构人脸图像发送给服务端，使得服务端基于从虚构人脸图像提取的身份特征对目标对象进行身份识别，避免将包含用户真实容貌的人脸图像传递至服务端进行身份识别，达到保护用户隐私的用途。

技术领域

本说明书实施例涉及计算机技术领域，尤其涉及一种保护隐私的网络训练方法、身份识别方法及装置。

背景技术

继指纹识别技术之后，身份识别技术也逐渐成为新的验证方式，“人脸解锁”“刷脸支付”“刷脸进出”等技术不经意间就充斥了当代人的生活。“非接触”式操作具有便利性和自然性。然而，身份识别技术的安全性需要利用其他技术来保证，如若不慎，会造成大众数据的大规模泄露，其造成的危害不可估量。比如基于人脸图像的年龄估计、性别识别、血缘关系判别等。通常情况下我们的照片在未经允许下就会被用于训练身份识别的系统，很多用户在不知情的情况下就被侵犯了知情权和隐私权。

发明内容

本说明书实施例提供一种保护隐私的网络训练方法、身份识别方法及装置。

第一方面，本说明书实施例提供一种保护隐私的生成对抗网络的训练方法所述生成对抗网络包含生成网络和判别网络，所述方法包括：迭代训练所述生成网络至满足第一收敛条件，以及迭代训练所述判别网络至满足第二收敛条件；其中，对所述生成网络的一次迭代训练包括：获取当前批真实人脸图像集，所述当前批真实人脸图像集中包含一个以上真实人脸图像样本；针对所述当前批真实人脸图像集中每个真实人脸图像样本，将所述真实人脸图像样本与随机噪声输入至所述生成网络，生成与所述当前批真实人脸图像样本对应的当前批生成图像集；将所述当前批生成图像集输入至所述判别网络，根据所述判别网络对所述当前批生成图像集中每个生成图像样本的前向预测结果计算第一目标损失，并基于所述第一目标损失对所述生成网络的网络参数进行优化，所述第一目标损失包含第一身份识别损失。

第二方面，本说明书实施例提供一种保护隐私的身份识别方法，包括：获取目标对象的真实人脸图像；将所述真实人脸图像输入到已训练的生成对抗网络，通过所述已训练的生成对抗网络生成与所述真实人脸图像容貌不同的虚构人脸图像，其中，所述虚构人脸图像与所述真实人脸图像包含大于预设相似度阈值的身份特征；将所述虚构人脸图像发送给服务端，使得所述服务端提取出所述虚构人脸图像的身份特征，并基于所述身份特征对所述目标对象进行身份识别。

第三方面，本说明书实施例提供一种身份识别系统，包括：客户端和服务端，所述客户端上存储有已训练的生成对抗网络，所述服务端上存储有身份特征提取模型；所述客户端，用于采集目标对象的真实人脸图像，并通过所述已训练的生成对抗网络生成与所述真实人脸图像容貌不同的虚构人脸图像，其中，所述虚构人脸图像与所述真实人脸图像包含大于预设相似度阈值的身份特征；所述客户端将所述虚构人脸图像发送至服务端；所述服务端，用于接收所述虚构人脸图像，并通过所述身份特征提取模型提取所述虚构人脸图像的身份特征，所述服务端还用于基于所述身份特征对所述目标对象进行身份识别。

第四方面，本说明书实施例提供一种保护隐私的生成对抗网络的训练装置，所述生成对抗网络包含生成网络和判别网络，所述装置包括：生成网络训练模块，用于迭代训练所述生成网络至满足第一收敛条件；判别网络训练模块，用于迭代训练所述判别网络至满足第二收敛条件，其中，所述生成网络训练模块，包括：真实人脸图像获取单元，用于获取当前批真实人脸图像集，所述当前批真实人脸图像集中包含一个以上真实人脸图像样本；图像生成单元，用于针对所述当前批真实人脸图像集中每个真实人脸图像样本，将所述真实人脸图像样本与随机噪声输入至所述生成网络，生成与所述当前批真实人脸图像样本对应的当前批生成图像集；第一参数优化单元，用于将所述当前批生成图像集输入至所述判别网络，根据所述判别网络对所述当前批生成图像集中每个生成图像样本的前向预测结果计算第一目标损失，并基于所述第一目标损失对所述生成网络的网络参数进行优化，所述第一目标损失包含第一身份识别损失。