基于稀疏表示的云環(huán)境中人臉圖像隱秘識別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于密碼學(xué)、計算機視覺領(lǐng)域，特別是隱秘人臉識別的方法，具體地說是基 于稀疏表示的云環(huán)境中人臉圖像隱秘識別方法。
【背景技術(shù)】
[0002] 人臉識別在視頻監(jiān)控和安全中扮演著重要的角色。隨著計算機技術(shù)的快速發(fā)展， 云計算已經(jīng)改變了傳統(tǒng)的人臉識別系統(tǒng)的方式。視頻及人臉圖像大數(shù)據(jù)和強大的人臉識別 系統(tǒng)存儲在云端并在云端運行，這提供了一個廣泛的應(yīng)用比如人臉?biāo)阉?，犯罪嫌疑人搜索?然而，大量的檢測攝像頭分布在公共場所中，人們的隱私完全暴露無疑。嫌疑人搜查應(yīng)用可 能會被不法分子利用去搜查他們想找到的人。一旦人臉識別系統(tǒng)連接到一個通用的數(shù)據(jù)庫 如身份證，某些人就可以如愿以償?shù)娜ニ阉髅癖?。另一方面犯罪嫌疑人?shù)據(jù)庫也可能暴露 甚至造成更多的犯罪。
[0003] Paillier體制是一種具有語義安全的加同態(tài)公鑰密碼系統(tǒng)，所以常用于構(gòu)造安全 多方計算基礎(chǔ)協(xié)議，如點積協(xié)議、OT協(xié)議等。若把密碼體制中加密操作記為E pk (·)，解密操 作記為Dpk (·)，那么語義安全性是指若對任意消息m。、Hi1，不存在任何多項式時間算法區(qū)分 EPk(m〇)和 Epk(IH1)，加同態(tài)性是指 Epk (X，r!) · Epk (y，r2) = Epk (x+y，T1 · γ2)，Γ!，r2是隨機數(shù)， 根據(jù)Paillier算法的理論知識容易驗證Paillier體制具有語義安全性和加同態(tài)性。
[0004] 不經(jīng)意傳輸協(xié)議是一種可保護隱私的密碼協(xié)議，亦是一種可保護隱私的雙方通信 協(xié)議，能使通信雙方以一種選擇模糊化的方式傳送消息。可以簡單地理解為，不經(jīng)意傳輸能 夠使得通信雙方以一種不經(jīng)意的方式傳送消息。在特定的場合和需要下，為保護用戶的隱 私不經(jīng)意傳輸提供了一種現(xiàn)實的選擇。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明要解決技術(shù)問題為：克服現(xiàn)有技術(shù)的不足，提供一種基于稀疏表示的云環(huán) 境中人臉圖像隱秘識別方法，該方法能夠有效提高安全人臉識別的計算效率，而且可以有 效抵抗基于圖像塊恢復(fù)圖像的攻擊。
[0006] 本發(fā)明采用的技術(shù)方案為：一種基于稀疏表示的云環(huán)境中人臉圖像隱秘識別方 法，實現(xiàn)步驟如下：
[0007] (1)訓(xùn)練樣本共100幅人臉圖像訓(xùn)練人臉字典；
[0008] (2)客戶端和服務(wù)器端分別計算其圖像的稀疏表示向量；
[0009] (3)客戶端將計算的人臉向量加密后發(fā)送給服務(wù)器，服務(wù)器計算接收向量與自身 圖庫中任意一個圖像向量的歐氏距離的密文，并將密文發(fā)回給客戶端，客戶端解出歐氏距 離明文；
[0010] (4)客戶端根據(jù)歐氏距離再利用不經(jīng)意傳輸協(xié)議與服務(wù)器端進行交互；
[0011] (5)服務(wù)器端事先通過大量實驗計算出數(shù)據(jù)庫的每個人臉圖像歐氏距離的閾值， 在不經(jīng)意傳輸中可以將計算出的歐氏距離與相應(yīng)的閾值進行比較來判斷是否客戶端與服 務(wù)器端的人臉匹配。
[0012] 其中，所述步驟（1)和（2)的圖像人臉字典和系數(shù)向量采取以下步驟：
[0013] (11)訓(xùn)練人臉字典的訓(xùn)練樣本為20個人的5張不同人臉圖像，共100幅訓(xùn)練樣 本；
[0014] (12)圖像預(yù)先壓縮處理后，會得到這樣的一個矩陣：每一列表示一幅圖像的所有 像素（壓縮后為18個像素值）順序排列，100幅人臉圖像按照20個不同人的分類方式再依 次排列，經(jīng)過標(biāo)準(zhǔn)化運算之后得到一個18X200的標(biāo)準(zhǔn)化矩陣，即得到人臉字典；
[0015] (13)將kX j大小的人臉圖像看作是一個列向量V e Rm(m = kj)。用矩
表不第i類中的所有訓(xùn)練樣本，它的每一列表不 該類別中的一個訓(xùn)練樣本，&表示該類別中的所有訓(xùn)練樣本的個數(shù)，訓(xùn)練樣本矩陣
測試樣本y可重新表示為y = Ax e Rm;
[0016] (14)最后解出最稀疏的解得到稀疏表示向量。
[0017] 其中，步驟（3)所述的計算歐氏距離的方法采取以下步驟：
[0018] (21)首先客戶端對向量逐位進行平方運算，再將原向量和平方向量分別逐位進行 加密，加密的結(jié)果發(fā)送給服務(wù)器端；
[0019] (22)服務(wù)器端接收到機密的兩個向量后，利用同態(tài)加的性質(zhì)和歐氏距離公式計算 雙方系數(shù)向量的歐氏距離，這是在密文條件下進行的，并對結(jié)果加上一個隨機數(shù)發(fā)送給客 戶端；
[0020] (23)客戶端將密文狀態(tài)下的歐氏距離與隨機數(shù)的和進行解密，就得到明文狀態(tài)下 的歐氏距離與隨機數(shù)的和。
[0021] 其中，步驟（4)客戶端利用不經(jīng)意傳輸協(xié)議與服務(wù)器端進行交互過程采取以下步 驟：
[0022] (31)客戶端生成對稱秘鑰的私鑰，服務(wù)器端生成多個非對稱秘鑰的公私鑰對，客 戶端選擇一個公鑰對其私鑰進行加密發(fā)送給服務(wù)器端；
[0023] (32)服務(wù)器用其所有的私鑰對密文進行解密，并用解密結(jié)果作為秘鑰對匹配結(jié)果 加密，將多個加密結(jié)果返回給客戶端；
[0024] (33)客戶端用對稱秘鑰選擇其可以解密的密文解密得到是否匹配的信息。
[0025] 本發(fā)明的原理在于：
[0026] 根據(jù)目前隱秘人臉識別方案的缺陷和不足，可以總結(jié)出設(shè)計基于稀疏表示的隱秘 人臉識別算法一些規(guī)則，如下所述：
[0027] (1)與任何生物統(tǒng)計數(shù)據(jù)一樣，由終端所獲取的圖像和存在的列表圖像之間同一 個人中，不可能完全匹配。因此，必須使用一個實用性強的人臉識別算法。
[0028] (2)人臉的匹配工作必須在一個隱私保護的方式下來完成。即，云端和終端都不會 獲知除了終端的輸入與云端列表中人臉是否匹配之外的任何信息。實現(xiàn)這一目標(biāo)需要尋找 一個人臉部識別算法，該算法在不同光照，表情等條件下都能表現(xiàn)出很好的識別魯棒性，并 且還可以支持安全計算協(xié)議；
[0029] (3)隱秘人臉識別方案的結(jié)構(gòu)安全性非常重要，一些結(jié)構(gòu)的缺陷能夠暴露人臉圖 像的信息，公共數(shù)據(jù)庫完全被暴露也是有可能的；
[0030] (4)人臉識別算法通常使用的數(shù)據(jù)表示在實數(shù)域，而安全協(xié)議工作在有限域，現(xiàn)有 的人臉識別方法轉(zhuǎn)換到有限域可能會導(dǎo)致退化?，F(xiàn)有的加密算法中能夠?qū)崿F(xiàn)的數(shù)學(xué)運算也 是很有限制的。
[0031] 根據(jù)上述規(guī)則，本發(fā)明利用稀疏表示、Paillier同態(tài)加密、歐氏距離和不經(jīng)意傳輸 (OT)，設(shè)計了一種新的隱秘人臉識別方案。在該方案中，稀疏表示用來生成人臉圖像表示 向量，然后生成向量利用同態(tài)加計算向量之間的歐氏距離，最后經(jīng)過OT操作將結(jié)果返回給 客戶端。為了增強識別的魯棒性，由稀疏表示來生成人臉表示向量，然后進行相似性比較運 算，這能夠有效地縮短向量的維數(shù)并且提高加密的效率。不經(jīng)意傳輸?shù)膶崿F(xiàn)是利用對稱加 密和非對稱加密。實驗分析表明隱秘稀疏表示人臉識別，能夠適合實際的人臉識別應(yīng)用。
[0032] 本發(fā)明與現(xiàn)有的技術(shù)相比，其優(yōu)勢在于：
[0033] (1)算法在不同光照，表情等條件下都能表現(xiàn)出很好的識別魯棒性，并且還可以支 持安全計算協(xié)議；
[0034] (2)利用人臉稀疏表示和歐氏距離打破了只有二進制向量才能夠做隱秘條件下的 人臉識別的定論，提高了算法的效率，降低了人臉表示向量的維數(shù)，并且程序縮短了測試的 時間，也可以有