【技术实现步骤摘要】
本申请涉及图像安全，特别是涉及一种缩略图保持加密图像的隐私信息盲提取方法、装置及设备。
技术介绍
1、随着互联网和各种电子设备的普及，人们拍摄捕捉了大量的图像。由于电子设备存储空间的限制和云存储的便利性，越来越多的用户选择将大量的图像保存在云端服务器上，但云端图像安全成了人们担心的关键问题之一。为了提高云端图像的安全性，防止图像中隐私信息的泄露，研究者们提出了一系列的图像加密算法，如传统图像加密（密文图像为类噪声图像）、基于内容的密文图像检索、感兴趣区域图像加密等。但这些图像加密方法不能很好的平衡密文图像的隐私性与可用性，为了解决该问题，研究者们提出缩略图保持加密方案。
2、缩略图保持加密方案在抹去了图像细节信息的同时，保持密文图像缩略图和原始图像缩略图相同或者近似，具有先验知识的图像拥有者可以通过密文图像的缩略图对其内容进行辨认，因此该类方案较好的平衡了密文图像的隐私性与可用性。为保证安全性，该类方案通常需要利用图像的相关信息（如生成时间、名称等），通过动态更新机制生成密钥。而当这些信息在图像传输、存储和处理过程中出现非正常缺失或错误修改等情况时，解密方无法获得正确的密钥并对密文图像进行解密。
技术实现思路
1、基于此，有必要针对上述技术问题，为通过身份验证和合法授权的用户在异常情况下提供一种免密钥的缩略图保持加密图像的隐私信息盲提取方法、装置及设备。
2、一种缩略图保持加密图像的隐私信息盲提取方法，所述方法包括：
3、获取训练样本集，所述训练
4、将所述训练样本集中的密文图像样本以及对应的明文图像样本作为训练样本，输入至基于生成对抗网络构建的隐私信息提取网络中，对所述隐私信息提取网络中的判别器和生成器进行交替训练，得到训练好的隐私信息提取网络，在对所述隐私信息提取网络进行训练的迭代过程中，由所述生成器根据所述密文图像样本生成预测隐私信息，利用所述密文图像样本以及预测隐私信息对所述判别器中的参数进行更新，再利用更新参数后的判别器对所述生成器中的参数进行更新；
5、获取待进行隐私信息提取的密文图像，将所述密文图像输入至所述训练好的隐私信息提取网络中的生成器中，得到所述密文图像的隐私信息。
6、在其中一实施例中，所述生成器包括下采样卷积块、残差块、上采样反卷积块，其中在各所述块中还设置有相应的批量归一化操作和激活函数。
7、在其中一实施例中，所述判别器对输入数据进行下采样后，提取多尺度特征，并根据各不同尺寸的特征进行真假判别。
8、在其中一实施例中，在对所述判别器进行更新时：
9、所述判别器根据所述密文图像样本以及明文图像样本，计算判真损失；
10、所述判别器根据所述密文图像样本以及预测隐私信息，计算判假损失；
11、根据所述判真损失和所述判假损失对所述判别器的参数进行更新，得到所述更新参数后的判别器。
12、在其中一实施例中，所述判别器采用马尔科夫判别器。
13、在其中一实施例中，在所述隐私信息提取网络中还包括目标识别网络，在对所述生成器进行更新时：
14、利用所述目标识别网络分别根据所述预测隐私信息和明文图像样本进行目标识别，并根据识别结果计算目标识别损失；
15、根据所述预测隐私信息和明文图像样本计算，结构相似性损失以及l1范数损失；
16、利用更新参数后的判别器根据所述密文图像样本以及预测隐私信息，计算判真损失；
17、根据所述目标识别损失、结构相似性损失、l1范数损失以及判真损失对所述生成器的参数进行更新。
18、在其中一实施例中，所述密文图像样本中的目标为人脸。
19、本申请还提供了一种缩略图保持加密图像的隐私信息盲提取装置，所述装置包括：
20、训练样本集获取模块，用于获取训练样本集，所述训练样本集中包括与某一类型目标相关的多张密文图像样本以及对应的明文图像样本，所述密文图像样本采用缩略图保持加密方法根据明文图像样本生成；
21、隐私信息提取网络训练模块，用于将所述训练样本集中的密文图像样本以及对应的明文图像样本作为训练样本，输入至基于生成对抗网络构建的隐私信息提取网络中，对所述隐私信息提取网络中的判别器和生成器进行交替训练，得到训练好的隐私信息提取网络，在对所述隐私信息提取网络进行训练的迭代过程中，由所述生成器根据所述密文图像样本生成预测隐私信息，利用所述密文图像样本以及预测隐私信息对所述判别器中的参数进行更新，再利用更新参数后的判别器对所述生成器中的参数进行更新；
22、隐私信息盲提取模块，用于获取待进行隐私信息提取的密文图像，将所述密文图像输入至所述训练好的隐私信息提取网络中的生成器中，得到所述密文图像的隐私信息。
23、一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
24、获取训练样本集，所述训练样本集中包括与某一类型目标相关的多张密文图像样本以及对应的明文图像样本，所述密文图像样本采用缩略图保持加密方法根据明文图像样本生成；
25、将所述训练样本集中的密文图像样本以及对应的明文图像样本作为训练样本，输入至基于生成对抗网络构建的隐私信息提取网络中，对所述隐私信息提取网络中的判别器和生成器进行交替训练，得到训练好的隐私信息提取网络，在对所述隐私信息提取网络进行训练的迭代过程中，由所述生成器根据所述密文图像样本生成预测隐私信息，利用所述密文图像样本以及预测隐私信息对所述判别器中的参数进行更新，再利用更新参数后的判别器对所述生成器中的参数进行更新；
26、获取待进行隐私信息提取的密文图像，将所述密文图像输入至所述训练好的隐私信息提取网络中的生成器中，得到所述密文图像的隐私信息。
27、一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
28、获取训练样本集，所述训练样本集中包括与某一类型目标相关的多张密文图像样本以及对应的明文图像样本，所述密文图像样本采用缩略图保持加密方法根据明文图像样本生成；
29、将所述训练样本集中的密文图像样本以及对应的明文图像样本作为训练样本，输入至基于生成对抗网络构建的隐私信息提取网络中，对所述隐私信息提取网络中的判别器和生成器进行交替训练，得到训练好的隐私信息提取网络，在对所述隐私信息提取网络进行训练的迭代过程中，由所述生成器根据所述密文图像样本生成预测隐私信息，利用所述密文图像样本以及预测隐私信息对所述判别器中的参数进行更新，再利用更新参数后的判别器对所述生成器中的参数进行更新；
30、获取待进行隐私信息提取的密文图像，将所述密文图像输入至所述训练好的隐私信息提取网络中的生成器中，得本文档来自技高网...
【技术保护点】
1.一种缩略图保持加密图像的隐私信息盲提取方法，其特征在于，所述方法包括：
2.根据权利要求1所述的缩略图保持加密图像的隐私信息盲提取方法，其特征在于，所述生成器包括下采样卷积块、残差块、上采样反卷积块，其中在各所述块中还设置有相应的批量归一化操作和激活函数。
3.根据权利要求2所述的缩略图保持加密图像的隐私信息盲提取方法，其特征在于，所述判别器对输入数据进行下采样后，提取多尺度特征，并根据各不同尺寸的特征进行真假判别。
4.根据权利要求3所述的缩略图保持加密图像的隐私信息盲提取方法，其特征在于，在对所述判别器进行更新时：
5.根据权利要求4所述的缩略图保持加密图像的隐私信息盲提取方法，其特征在于，所述判别器采用马尔科夫判别器。
6.根据权利要求5所述的缩略图保持加密图像的隐私信息盲提取方法，其特征在于，在所述隐私信息提取网络中还包括目标识别网络，在对所述生成器进行更新时：
7.根据权利要求1-6任一项所述的缩略图保持加密图像的隐私信息盲提取方法，其特征在于，所述密文图像样本中的目标为人脸。
8.
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
...【技术特征摘要】
1.一种缩略图保持加密图像的隐私信息盲提取方法，其特征在于，所述方法包括：
2.根据权利要求1所述的缩略图保持加密图像的隐私信息盲提取方法，其特征在于，所述生成器包括下采样卷积块、残差块、上采样反卷积块，其中在各所述块中还设置有相应的批量归一化操作和激活函数。
3.根据权利要求2所述的缩略图保持加密图像的隐私信息盲提取方法，其特征在于，所述判别器对输入数据进行下采样后，提取多尺度特征，并根据各不同尺寸的特征进行真假判别。
4.根据权利要求3所述的缩略图保持加密图像的隐私信息盲提取方法，其特征在于，在对所述判别器进行更新时：
5.根据权利要求4所述的缩略图保持加密...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。