[发明专利]基于区块链的人脸识别方法及系统

说明书

本发明提供一种基于区块链的人脸识别方法及系统，属于区块链技术领域。该基于区块链的人脸识别方法包括：获取用户的当前面部图像数据；将当前面部图像数据输入最优人脸识别模型中，得到当前人脸识别结果；其中，创建最优人脸识别模型的步骤包括：将人脸识别模型参数上传至区块链网络以使区块链网络根据人脸识别模型参数生成全局模型参数；根据全局模型参数创建最优人脸识别模型。本发明可以在提升人脸识别准确率的同时保护用户隐私数据。

技术领域

本发明涉及区块链技术领域，具体地，涉及一种基于区块链的人脸识别方法及系统。

背景技术

深度学习属于机器学习的一个分支体系，近些年来在语音识别、自然语言处理、计算机视觉等多个应用领域中取得了突破性进展。深度学习技术在人脸识别方面的应用促进了计算机视觉领域的发展，给人们的生活带来了极大的便利。

基于深度学习技术进行人脸识别，一般是通过训练人的面部图像数据，提取个体的面部图像特征建立面部特征模型的实例。此处构建的人脸识别模型可以用来做个体的身份认证，如登陆系统使用人脸识别确认登陆的用户身份等。在使用此人脸识别模型进行认证时，对于给定的人脸图片，模型给出预测值以确定是否为用户本人登陆。使用此模型进行人脸识别时，预测效果取决于模型实例的准确性及泛化性。深度学习算法在训练过程中需要大量训练数据才能得到理想的训练效果，然而，目前单个机构之间拥有的人脸识别训练数据集相互独立无法共享，导致用户使用每一个机构的模型时都需要重新采集面部图像。另外，面部图像数据往往涉及用户隐私，未经用户授权每个机构都无法直接将其共享给其他机构，因此无法通过直接共享用户的面部图像数据集来提升人脸识别的准确性。

协作深度学习是一种分布式的深度学习方法，利用协作深度学习训练人脸面部数据进行人脸识别时，参与的机构只需要在其本地使用其拥有的用户面部图像数据进行训练并将模型参数上传至中心化参数服务器，由参数服务器进行参数聚合。这种方法实现了机构之间训练数据共享效果的同时也保护了机构本地用户面部图像数据的隐私性。然而研究表明，协作深度学习中未经认证的恶意的参与机构可以通过在本地训练对抗生成网络进而获取其他参与机构的隐私面部图像训练数据，导致用户的隐私信息泄露。

发明内容

本发明实施例的主要目的在于提供一种基于区块链的人脸识别方法及系统，以在提升人脸识别准确率的同时保护用户隐私数据。

为了实现上述目的，本发明实施例提供一种基于区块链的人脸识别方法，包括：

获取用户的当前面部图像数据；

将当前面部图像数据输入最优人脸识别模型中，得到当前人脸识别结果；其中，创建最优人脸识别模型的步骤包括：将人脸识别模型参数上传至区块链网络以使区块链网络根据人脸识别模型参数生成全局模型参数；根据全局模型参数创建最优人脸识别模型。

本发明实施例还提供一种基于区块链的人脸识别系统，包括：

获取单元，用于获取用户的当前面部图像数据；

人脸识别结果单元，用于将当前面部图像数据输入最优人脸识别模型中，得到当前人脸识别结果；其中，创建最优人脸识别模型的步骤包括：将人脸识别模型参数上传至区块链网络以使区块链网络根据人脸识别模型参数生成全局模型参数；根据全局模型参数创建最优人脸识别模型。

本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并在处理器上运行的计算机程序，处理器执行计算机程序时实现所述的基于区块链的人脸识别方法的步骤。

本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现所述的基于区块链的人脸识别方法的步骤。

本发明实施例的基于区块链的人脸识别方法及系统可以在提升人脸识别准确率的同时保护用户隐私数据。

附图说明