加密模型训练、图像加密和加密人脸图像识别方法及装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113592696A(43)申请公布日2021.11.02(21)申请号202110927877.5G06N3/04(2006.01)(22)申请日2021.08.12G06N3/08(2006.01)(71)申请人支付宝（杭州）信息技术有限公司地址310000浙江省杭州市西湖区西溪路556号8层B段801-11(72)发明人兰钧王可孟昌华王维强(74)专利代理机构北京亿腾知识产权代理事务所(普通合伙)11309代理人陈霁周良玉(51)Int.Cl.G06T1/00(2006.01)G06F21/60(2013.01)G06F21/62(2013.01)G06K9/00(2006.01)G06K9/62(2006.01)权利要求书4页说明书18页附图4页(54)发明名称加密模型训练、图像加密和加密人脸图像识别方法及装置(57)摘要本说明书实施例提供一种用于隐私保护的加密模型训练方法及装置、图像加密方法及装置和加密人脸图像识别方法及装置，该加密模型训练方法包括：利用待训练的加密模型对原始人脸图像加密，得到加密人脸图像；将加密人脸图像输入待训练的第一人脸识别模型，得到第一人脸预测结果；利用第一人脸预测结果和原始人脸图像对应的人脸标注结果，确定第一预测损失；将加密人脸图像输入判别模型，通过判别模型得到加密人脸图像为噪声图像的第一预测概率；根据与第一预测损失正相关，与第一预测概率负相关确定总预测损失；以最小化总预测损失为目标，训练加密模型以及第一人脸识别模型。CN113592696ACN113592696A权利要求书1/4页1.一种用于隐私保护的加密模型训练方法，包括：利用待训练的加密模型对原始人脸图像加密，得到对应的加密人脸图像；将所述加密人脸图像输入待训练的第一人脸识别模型，得到第一人脸预测结果；利用所述第一人脸预测结果以及所述原始人脸图像对应的人脸标注结果，确定第一预测损失；将所述加密人脸图像输入用于判别输入图像是否为噪声图像的判别模型，得到所述加密人脸图像为噪声图像的第一预测概率；确定总预测损失，所述总预测损失与所述第一预测损失正相关，与所述第一预测概率负相关；以最小化所述总预测损失为目标，训练所述加密模型以及第一人脸识别模型。2.根据权利要求1所述的方法，还包括：获得随机噪声图像；将所述随机噪声图像输入所述判别模型，得到所述随机噪声图像为噪声图像的第二预测概率；以最小化所述第一预测概率，最大化所述第二预测概率为目标，训练所述判别模型。3.根据权利要求1所述的方法，还包括:分别将所述原始人脸图像及所述加密人脸图像输入经训练的第二人脸识别模型，得到所述原始人脸图像对应的第一输出结果及所述加密人脸图像对应的第二输出结果，其中，所述第二人脸识别模型基于原始人脸图像及对应的人脸标注结果训练得到；基于所述第一输出结果及所述第二输出结果，以及所述原始人脸图像对应的人脸标注结果，确定第二预测损失；所述总预测损失还与所述第二预测损失正相关。4.根据权利要求3所述的方法，其中，所述第一人脸识别模型和所述第二人脸识别模型，具有相同的神经网络结构。5.根据权利要求3所述的方法，其中，所述第一输出结果包括：所述原始人脸图像的第一图像特征，所述第二输出结果包括：所述加密人脸图像的第二人脸预测结果以及第二图像特征；所述确定第二预测损失，包括：计算所述第一图像特征和所述第二图像特征之间的相似度；基于所述第二人脸预测结果，以及所述人脸标注结果，确定第三预测损失；确定所述第二预测损失，其与所述相似度及所述第三预测损失正相关。6.根据权利要求4所述的方法，其中，所述第一图像特征是所述第二人脸识别模型中预定的中间层，针对所述原始人脸图像输出的特征图对应的特征向量；所述第二图像特征是所述预定的中间层针对所述加密人脸图像输出的特征图对应的特征向量。7.根据权利要求1所述的方法，还包括:利用指定图像相似性评价指标对应的特征提取算法，分别提取得到所述原始人脸图像对应的第一特征图及所述加密人脸图像对应的第二特征图；确定第一特征图和第二特征图之间的差异度；2CN113592696A权利要求书2/4页所述总预测损失还与所述差异度负相关。8.根据权利要求3‑6任一项所述的方法，还包括：利用指定图像相似性评价指标对应的特征提取算法，分别提取得到所述原始人脸图像对应的第一特征图及所述加密人脸图像对应的第二特征图；确定第一特征图和第二特征图之间的差异度；所述总预测损失还与所述差异度负相关。9.根据权利要求7所述的方法，其中，所述特征提取算法包括以下之一：基于离散余弦变换DCT的特征提取算法，基于主成分分析PCA的特征提取算法；所述差异度基于图像之间的像素差异而确定。10.一种用于隐私保护的图像加密方法，包括：