人脸加密图像的生成方法、装置、电子设备及存储介质制造方法及图纸

本公开提供了一种人脸加密图像的生成方法、装置、电子设备及存储介质，该方法包括：将待加密的人脸图像分别输入多个人脸识别模型，获取每个人脸识别模型针对待加密的人脸图像产生的攻击梯度信息；基于多目标优化算法，计算与多个人脸识别模型产生的多个攻击梯度信息相对应的均衡梯度信息；其中，均衡梯度信息用于满足多个优化目标，多个优化目标与多个人脸识别模型一一对应，且每个优化目标用于使对应的人脸识别模型的精度损失最大；根据均衡梯度信息，生成与待加密的人脸图像相对应的扰动信息；将扰动信息叠加在待加密的人脸图像上，得到人脸加密图像。该方式能够更好的防止多个人类识别模型的恶意识别，提升人脸加密图像的安全性。安全性。安全性。

【技术实现步骤摘要】
人脸加密图像的生成方法、装置、电子设备及存储介质


[0001]本公开涉及图像处理
，特别涉及一种人脸加密图像的生成方法、装置、电子设备及存储介质。

技术介绍

[0002]社交媒体和网络的蓬勃发展，使大量的个人隐私数据(如照片)被公开分享。特别是人脸图像，被广泛地应用在各种现实生活的关键应用中，例如人脸门禁，人脸支付，人脸识别门锁等。
[0003]同时随着深度神经网络的日益普及，深度学习技术极大地提高了人脸识别系统处理个人数据的能力，进一步加大了对人脸图像的应用与关注。但是，作为人脸图像应用发展的副产品，也增加了个人隐私信息泄露的潜在风险。例如，未经授权的第三方可能会在未经许可的情况下在社交媒体(如Twitter、Facebook、LinkedIn等)上争抢和识别共享的照片。或者，通过深度人脸识别技术对互联网共享的人脸图像进行恶意非法检测。
[0004]因此，亟需为用户提供一种有效的方法，以保护其私人信息不被未授权系统进行过度的人脸信息泄露以及非法的人脸识别行为。

技术实现思路

[0005]本公开提供了一种人脸加密图像的生成方法、装置、电子设备及存储介质，用于防止未授权系统对人脸图像进行恶意识别。
[0006]第一方面，本公开提供了一种人脸加密图像的生成方法，包括以下步骤：
[0007]将待加密的人脸图像分别输入多个人脸识别模型，获取每个人脸识别模型针对所述待加密的人脸图像产生的攻击梯度信息；
[0008]基于多目标优化算法，计算与所述多个人脸识别模型产生的多个攻击梯度信息相对应的均衡梯度信息；其中，所述均衡梯度信息用于满足多个优化目标，所述多个优化目标与所述多个人脸识别模型一一对应，且每个优化目标用于使对应的人脸识别模型的精度损失最大；
[0009]根据所述均衡梯度信息，生成与所述待加密的人脸图像相对应的扰动信息；
[0010]将所述扰动信息叠加在所述待加密的人脸图像上，得到人脸加密图像。
[0011]第二方面，本公开提供了一种人脸加密图像的生成装置，包括：
[0012]输入模块，适于将待加密的人脸图像分别输入多个人脸识别模型，获取每个人脸识别模型针对所述待加密的人脸图像产生的攻击梯度信息；
[0013]计算模块，适于基于多目标优化算法，计算与所述多个人脸识别模型产生的多个攻击梯度信息相对应的均衡梯度信息；其中，所述均衡梯度信息用于满足多个优化目标，所述多个优化目标与所述多个人脸识别模型一一对应，且每个优化目标用于使对应的人脸识别模型的精度损失最大；
[0014]生成模块，适于根据所述均衡梯度信息，生成与所述待加密的人脸图像相对应的
扰动信息；
[0015]加密模块，适于将所述扰动信息叠加在所述待加密的人脸图像上，得到人脸加密图像。
[0016]第三方面，本公开提供了一种电子设备，该电子设备包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的一个或多个计算机程序，一个或多个所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述方法。
[0017]第四方面，本公开提供了一种计算机可读存储介质，其上存储有计算机程序，其中，所述计算机程序在被处理器/处理核执行时实现上述方法。
[0018]本公开所提供的实施例，能够将待加密的人脸图像分别输入多个人脸识别模型，获取每个人脸识别模型针对待加密的人脸图像产生的攻击梯度信息，并基于多目标优化算法，计算与多个人脸识别模型产生的多个攻击梯度信息相对应的均衡梯度信息，以便根据均衡梯度信息，生成用于得到人脸加密图像的扰动信息。由于本实施例中用于生成扰动信息的均衡梯度信息是根据多目标优化算法，对多个人脸识别模型针对待加密的人脸图像产生的多个攻击梯度信息进行均衡处理得到的，因而该均衡梯度信息能够更好的防止多个人脸识别模型的恶意识别，提升人脸加密图像的安全性。
[0019]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0020]附图用来提供对本公开的进一步理解，并且构成说明书的一部分，与本公开的实施例一起用于解释本公开，并不构成对本公开的限制。通过参考附图对详细示例实施例进行描述，以上和其他特征和优点对本领域技术人员将变得更加显而易见，在附图中：
[0021]图1为本公开一个实施例提供的一种人脸加密图像的生成方法的流程图；
[0022]图2为本公开另一个实施例提供的一种人脸加密图像的生成方法的流程图；
[0023]图3示出了一种相关技术中的基于迭代的人脸加密技术的流程示意图；
[0024]图4示出了一个具体示例提供的一种基于均衡意识对抗攻击的人脸加密技术的应用场景示意图；
[0025]图5为本公开实施例提供的一种人脸加密图像的生成装置的框图；
[0026]图6为本公开实施例提供的一种电子设备的框图。
具体实施方式
[0027]为使本领域的技术人员更好地理解本公开的技术方案，以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0028]在不冲突的情况下，本公开各实施例及实施例中的各特征可相互组合。
[0029]如本文所使用的，术语“和/或”包括一个或多个相关列举条目的任何和所有组合。
[0030]本文所使用的术语仅用于描述特定实施例，且不意欲限制本公开。如本文所使用的，单数形式“一个”和“该”也意欲包括复数形式，除非上下文另外清楚指出。还将理解的是，当本说明书中使用术语“包括”和/或“由
……
制成”时，指定存在所述特征、整体、步骤、操作、元件和/或组件，但不排除存在或添加一个或多个其它特征、整体、步骤、操作、元件、组件和/或其群组。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。
[0031]除非另外限定，否则本文所用的所有术语(包括技术和科学术语)的含义与本领域普通技术人员通常理解的含义相同。还将理解，诸如那些在常用字典中限定的那些术语应当被解释为具有与其在相关技术以及本公开的背景下的含义一致的含义，且将不解释为具有理想化或过度形式上的含义，除非本文明确如此限定。
[0032]根据本公开实施例的人脸加密图像的生成方法可以由终端设备或服务器等电子设备执行，终端设备可以为车载设备、用户设备(User Equipment，UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(Personal Digital Assistant，PDA)本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人脸加密图像的生成方法，其特征在于，包括：将待加密的人脸图像分别输入多个人脸识别模型，获取每个人脸识别模型针对所述待加密的人脸图像产生的攻击梯度信息；基于多目标优化算法，计算与所述多个人脸识别模型产生的多个攻击梯度信息相对应的均衡梯度信息；其中，所述均衡梯度信息用于满足多个优化目标，所述多个优化目标与所述多个人脸识别模型一一对应，且每个优化目标用于使对应的人脸识别模型的精度损失最大；根据所述均衡梯度信息，生成与所述待加密的人脸图像相对应的扰动信息；将所述扰动信息叠加在所述待加密的人脸图像上，得到人脸加密图像。2.根据权利要求1所述的方法，其特征在于，所述基于多目标优化算法，计算与所述多个人脸识别模型产生的多个攻击梯度信息相对应的均衡梯度信息，包括：基于所述多目标优化算法，分别针对每个人脸识别模型，生成与所述每个人脸识别模型相对应的精度损失函数；其中，每个人脸识别模型对应的精度损失函数用于表征对应的人脸识别模型的精度损失值与候选梯度信息以及对应的人脸识别模型产生的攻击梯度信息之间的关联关系；将使每个人脸识别模型的精度损失值一致且最大的候选梯度信息确定为所述均衡梯度信息。3.根据权利要求2所述的方法，其特征在于，所述每个人脸识别模型针对所述待加密的人脸图像产生的攻击梯度信息为攻击梯度向量，且所述候选梯度信息为用于生成所述扰动信息的候选梯度向量。4.根据权利要求3所述的方法，其特征在于，所述使每个人脸识别模型的精度损失值一致且最大的候选梯度信息满足以下条件：所述候选梯度向量与每个人脸识别模型产生的攻击梯度向量之间的向量夹角相等且所述向量夹角的角度值最小；并且，所述将使每个人脸识别模型的精度损失值一致且最大的候选梯度信息确定为所述均衡梯度信息，包括：生成候选梯度信息集合；其中，所述候选梯度信息集合中包含的各个候选梯度向量与每个人脸识别模型产生的攻击梯度向量之间的向量夹角相等；分别计算所述候选梯度信息集合中的每个候选梯度向量与每个人脸识别模型产生的攻击梯度向量之间的向量夹角的角度值；选取角度值最小的候选梯度向量作为所述均衡梯度信息。5.根据权利要求1
‑
4任一所述的方法，其特征在于，所述将待加密的人脸图像分别输入多个人脸识别模型，包括：针对所述待加密的人脸图像进行预处理，将预处理后的人脸图像分别输入多个人脸识别模型；其中，所述预处理包...

【专利技术属性】
技术研发人员：刘彦宏，夏粉，蒋宁，吴海英，
申请(专利权)人：重庆师范大学，
类型：发明
国别省市：