[发明专利]一种人像生物特征隐私保护与解密方法

权利要求书

1.一种人像生物特征隐私保护与解密方法，其特征在于，所述的方法包括以下步骤：

S1、构建与训练人像加密与密钥生成网络模型步骤，首先利用现有的人脸数据库的标注信息，提取人像及其对应的身份信息，构建训练数据集；设计人像加密与密钥生成网络模型，该网络模型包括三个子网络，分别是用于提取身份特征的人像身份特征提取子网络、用于提取人像重点区域的注意力机制子网络，以及用于生成加密人像与密钥的人像加密与密钥生成子网络；最后，利用构建的训练数据集，对所设计的人像加密与密钥生成网络模型进行训练，通过优化网络参数，实现网络模型的收敛；

S2、实际人像加密与密匙存储步骤，针对实际采集的人像图像，利用训练完毕的人像加密与密钥生成网络模型，对人像进行加密与密钥生成，以获得的加密人像及其密钥作为存储对象，分别将加密人像上传到云端服务器，将与之对应的唯一密匙保存在本地服务器，本地服务器拥有密匙的读取权限；

S3、加密人像的解密步骤，针对用户端的加密人像的解密需求，云端服务器协同处理用户端与本地服务器之间的任务响应，实现用户对加密人像的解密，首先，用户调入加密人像，向云端服务器进行人像解密申请；接着，云端服务器核实用户申请后，协同处理任务需求，控制本地服务器调入相应的人像密钥；最后，用户获得密钥后，对加密人像进行解密。

2.根据权利要求1所述的一种人像生物特征隐私保护与解密方法，其特征在于，所述的步骤S1中构建训练数据集过程如下：

提取人像身份特征构建第一网络训练数据集，利用VGG-face数据集中的人像身份特征标注信息，构建具有同一身份信息的人像数据其中表示具有身份信息m_i的第j张人像，并以此作为人像身份特征提取子网络的输入图像，对应的身份信息m_i则作为人像身份特征提取子网络的优化目标；

通过人像数据分组与标准化构建第二网络训练数据集，将VGG-face数据集中已经构建的具有同一身份信息的人像数据分为两组，即与其中表示具有身份信息m_i的第1张人像数据，表示具有身份信息m_i的c-1张人像数据；利用人脸定位算法MTCNN对人像数据进行标准化处理，获得大小为160×160的标准人像I_st，并以此作为网络模型优化的目标，而具有相同身份信息的其他人像数据作为网络模型的输入图像。

3.根据权利要求1所述的一种人像生物特征隐私保护与解密方法，其特征在于，

所述的人像身份特征提取子网络的构建过程如下：首先，设计基于残差网络的人脸分类网络G_f，用于生成人像数据的分类归一化向量；接着，利用人像数据对人脸分类网络进行训练，直到人脸分类网络收敛；最后，在人像分类网络训练完毕后，舍去该网络的最后一层全连接层，以剩余的网络结构以及网络参数作为人像身份特征提取子网络用于提取输入人像的身份特征向量；

所述的注意力机制子网络，其输入为人像数据X，包括16个残差卷积模块，通过对输入人像进行特征编译，获得图像掩模mask，并利用组合的方式，输出重点人像区域I_x＝mask⊙X，其中⊙表示矩阵的逐元素相乘的操作；

所述的人像加密与密钥生成子网络，其输入为人像重点区域I_x以及人像身份特征该人像加密与密钥生成子网络包括编码器网络G_encode、特征融合器E、解码器网络G_decode，其中编码器网络G_encode结合重点人像区域I_x提取人像的潜在特征，特征融合器E利用向量元素串联的形式，将人像潜在特征与人像身份特征进行特征融合，获得融合特征；解码器网络G_decode利用融合特征生成加密人像及其密钥。