[发明专利]一种面向生物特征隐私保护的人像加解密系统

权利要求书

1.一种面向生物特征隐私保护的人像加解密系统，其特征在于，包括：人像数据采集系统、人像特征提取系统、基于数据传输能力的网络传输能力判断系统、基于编码解码框架与身份特征的人像图像加解密系统、基于混沌系统的人像特征向量加解密系统，其中：

基于编码解码框架与身份特征的人像图像加解密系统包括：部署在前端一体机上的基于编码解码框架与身份特征的人像图像加密网络和部署在公共云端的对称式的人像图像解密网络及人脸识别系统；

基于混沌系统的人像特征向量加解密系统包括：部署在前端一体机上的基于混沌系统的人像特征向量加密网络和部署在本地服务器的人像特征向量解密网络及基于特征匹配的人脸识别系统；

基于数据传输能力的网络传输能力判断系统依据传输网络的宽带传输能力和前端一体机所连接的不同服务器类型，选择基于编码解码框架与身份特征的人像图像加解密系统或基于混沌系统的人像特征向量加解密系统；

前端一体机所连接服务器类型包括：本地服务器和公共云端，其中本地服务器是指具有较小存储空间以及低算力的本地服务器，公共云端是指具有大存储空间以及高算力的公共云端集群；

传输网络的宽带传输能力的判别指标包括：传输速率、数据吞吐量、网络利用率；标准传输速率为Tv₀、标准数据吞吐量为Dt₀、标准网络利用率为Nu₀，当一个传输网络的传输速率、数据吞吐量和网络利用率分别为Tv、Dt和Nu时，传输网络的传输能力按以下公式计算：

其中：λ₁、λ₂和λ₃为权重参数，取值为0到1之间；若Score的得分大于1.5，则表示网络的传输速率、数据吞吐量以及网络利用率指标较高，则选择基于编码解码框架与身份特征的人像图像加解密系统；若Score的得分小于1.5，则选择基于混沌系统的人像特征向量加解密系统。

2.根据权利要求1所述的人像加解密系统，其特征在于，基于混沌系统的人像特征向量加密系统构建过程包括：构建人像特征提取网络的训练数据集、人像身份特征提取网络的构建与训练、构建多项混沌函数组、人像特征向量的加密；其中：

构建人像特征提取网络的训练数据集是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，构建人像身份训练数据；

人像身份特征提取网络的构建与训练指设计人像身份特征提取网络，用于寻找人像的身份特征，并利用构建的人像身份训练数据集对人像身份特征提取网络进行训练，获得人像身份特征提取子网络模型与参数；

人像特征向量的加密指利用训练后的人像身份特征提取子网络获取的人像身份特征，并利用构建的多项混沌函数组生成加密的人像特征。

3.根据权利要求2所述的人像加解密系统，其特征在于，人像身份特征提取网络的构建与训练，过程包括：

首先，设计基于残差网络的人像分类网络G_f，对人脸数据进行分类；

接着，利用人像数据对人像分类网络G_f进行训练，直到人像分类网络G_f收敛；其训练优化损失函数设置如下所示：

其中：y'_i表示人像分类网络G_f对第i类人像的提取结果，y'_k表示人像分类网络G_f对第k类人像的提取结果，m_i表示第i类人像的向量表示，e表示自然常数；

最后，在人像分类网络G_f训练完毕后，舍去人像分类网络G_f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G_ff，G_ff用于提取输入人像的身份特征向量。

4.根据权利要求2所述的人像加解密系统，其特征在于，构建的多项混沌函数组包括四种函数：正弦映射函数、Baker混沌映射函数、分段线性混沌映射函数和数据标准化函数。