[发明专利]图像加密方法、网络模型的训练方法、装置及电子设备

说明书

本申请揭示了一种图像加密方法、网络模型的训练方法、装置及电子设备，该方法包括：获取待加密的目标图像集，待加密的目标图像集包括若干待加密的目标图像；根据待加密的目标图像的图像属性随机生成密钥；根据密钥对各待加密的目标图像中的像素点进行多颜色通道的加密处理，得到加密后的目标图像集。本申请有效的保护待加密的目标图像信息，避免加密无效导致待加密图像的信息泄露问题。

技术领域

本申请涉及数据安全技术领域，具体而言，涉及一种图像加密方法、网络模型的训练方法、装置、电子设备及计算机可读存储介质。

背景技术

近来年流行在云环境进行图像存储或在云环境上实现深度神经网络的训练迭代或测试，在将图像上传给云环境时，存在向第三方泄露图像信息的风险。因此，在向云环境上传之前，对图像进行加密处理具有重要意义。

目前，通常采用像素置乱的加密算法对图像进行加密处理，但其不具备抗统计学攻击的能力，也即加密算法不可公开，只要知道加密算法，则可通过密文空间的任意一个状态的迭代即可在有限步迭代中恢复待加密的图像，导致原始图像信息泄露的问题。

发明内容

为解决上述技术问题，本申请的实施例提供了一种图像加密方法、网络模型的训练方法、装置、电子设备及计算机可读存储介质。

根据本申请实施例的一个方面，提供了一种图像加密方法，所述方法包括：获取待加密的目标图像集，所述待加密的目标图像集包括若干待加密的目标图像；根据所述待加密的目标图像的图像属性随机生成密钥；根据所述密钥对各待加密的目标图像中的像素点进行多颜色通道的加密处理，得到加密后的目标图像集。

根据本申请实施例的一个方面，提供了一种网络模型的训练方法，所述方法包括：获取用户端发送的加密后的目标图像集，并将所述加密后的目标图像集作为图像训练样本集，所述加密后的目标图像集为上述任一项所述方法所计算得到的加密后的目标图像集；将所述加密后的目标图像集输入所述网络模型中，所述网络模型输出所述加密后的目标图像集中各加密后的目标图像的预测类别；计算各加密后的目标图像的预测类别与对应的标注类别之间的损失函数的损失值；以所述损失函数的损失值变小为目标训练所述网络模型，直至根据训练后的网络模型确定出的所述损失函数的损失值小于预设损失阈值。

根据本申请实施例的一个方面，提供了一种图像加密装置，所述装置包括：待加密的目标图像集获取模块，配置为获取待加密的目标图像集，所述待加密的目标图像集包括若干待加密的目标图像；密钥生成模块，配置为根据所述待加密的目标图像的图像属性随机生成密钥；加密模块，配置为根据所述密钥对各待加密的目标图像中的像素点进行多颜色通道的加密处理，得到加密后的目标图像集。

根据本申请实施例的一个方面，提供了一种网络模型的训练装置，所述装置包括：图像训练样本集获取模块，配置为获取用户终端发送的加密后的目标图像集，并将所述加密后的目标图像集作为图像训练样本集，所述加密后的目标图像集为上述任一项所述方法所计算得到的加密后的目标图像集；输入模块，配置为将所述加密后的目标图像集输入所述网络模型中，所述网络模型输出所述加密后的目标图像集中各加密后的目标图像的预测类别；计算模块，配置为计算各加密后的目标图像的预测类别与对应的标注类别之间的损失函数的损失值；训练模块，配置为以所述损失函数的损失值变小为目标训练所述网络模型，直至根据训练后的网络模型确定出的所述损失函数的损失值小于预设损失阈值。

根据本申请实施例的一个方面，提供了一种电子设备，包括：存储器，存储有计算机可读指令；处理器，读取存储器存储的计算机可读指令，以执行上述任一项的图像加密方法和/或网络模型的训练方法。

根据本申请实施例的一个方面，提供了一种计算机可读存储介质，其上存储有计算机可读指令，当所述计算机可读指令被计算机的处理器执行时，使计算机执行如上所述的图像加密方法和/或网络模型的训练方法。