训练人脸识别模型、图像注册、人脸识别方法和装置.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CN111680676A(43)申请公布日2020.09.18(21)申请号202010820143.2(22)申请日2020.08.14(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)发明人郑龙飞陈超超周俊王力(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代理人孙欣欣周良玉(51)Int.Cl.G06K9/00(2006.01)G06F21/60(2013.01)G06K9/62(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书7页说明书17页附图6页(54)发明名称训练人脸识别模型、图像注册、人脸识别方法和装置(57)摘要本说明书实施例提供一种训练人脸识别模型、图像注册、人脸识别方法和装置，用于防止隐私泄露。方法包括：终端设备将人脸训练图像输入第一子模型，得到初始隐层特征；利用第一公钥对初始隐层特征进行同态加密得到加密隐层特征；向服务器发送加密隐层特征和第一公钥；服务器基于加密隐层特征和第二子模型，得到第一加密输出特征；从服务器接收第一加密输出特征；利用第一私钥对第一加密输出特征解密，得到第一解密输出特征；向服务器发送第一解密输出特征，服务器根据第一解密输出特征和人脸训练图像的标签，更新第二子模型，确定反向传播到第一子模型的梯度；从服务器接收梯度，根据梯度更新第一子模型。能够提高人脸识别的安全性。CN111680676ACN111680676A权利要求书1/7页1.一种训练人脸识别模型的方法，所述人脸识别模型包括第一子模型和第二子模型，所述第一子模型部署于多个终端设备，所述第二子模型部署于服务器，所述方法由所述多个终端设备中的任一终端设备执行，所述方法包括：将人脸训练图像输入所述第一子模型，得到初始隐层特征；利用第一公钥对所述初始隐层特征进行同态加密得到加密隐层特征；向所述服务器发送所述加密隐层特征和所述第一公钥；以使所述服务器基于所述加密隐层特征和所述第二子模型，得到第一加密输出特征；从所述服务器接收所述第一加密输出特征；利用与所述第一公钥对应的第一私钥对所述第一加密输出特征进行解密，得到第一解密输出特征；向所述服务器发送所述第一解密输出特征，以使所述服务器根据所述第一解密输出特征和所述人脸训练图像对应的标签，更新所述第二子模型，并确定反向传播到所述第一子模型的梯度；从所述服务器接收所述梯度，并根据所述梯度更新所述第一子模型。2.如权利要求1所述的方法，其中，所述根据所述梯度更新所述第一子模型之后，所述方法还包括：基于联邦学习的方式，对于所述任一终端设备与其他终端设备中的各第一子模型的模型参数进行聚合，以更新所述任一终端设备中的所述第一子模型的模型参数。3.一种训练人脸识别模型的方法，所述人脸识别模型包括第一子模型和第二子模型，所述第一子模型部署于多个终端设备，所述第二子模型部署于服务器，所述方法由所述服务器执行，所述方法包括：从所述多个终端设备中的任一终端设备接收加密隐层特征和第一公钥；所述加密隐层特征为所述任一终端设备利用所述第一公钥对初始隐层特征进行同态加密得到的，所述初始隐层特征为将人脸训练图像输入所述第一子模型得到的；基于所述加密隐层特征和所述第二子模型，得到第一加密输出特征；向所述任一终端设备发送所述第一加密输出特征；以使所述任一终端设备利用与所述第一公钥对应的第一私钥对所述第一加密输出特征进行解密，得到第一解密输出特征；从所述任一终端设备接收所述第一解密输出特征；根据所述第一解密输出特征和所述人脸训练图像对应的标签，更新所述第二子模型，并确定反向传播到所述第一子模型的梯度；向所述任一终端设备发送所述梯度，以使所述任一终端设备根据所述梯度更新所述第一子模型。4.如权利要求3所述的方法，其中，所述基于所述加密隐层特征和所述第二子模型，得到第一加密输出特征，包括：将所述加密隐层特征输入所述第二子模型，得到第二加密输出特征；在所述第二加密输出特征上添加加密随机特征，得到所述第一加密输出特征；所述加密随机特征为初始随机特征经过所述第一公钥进行同态加密后得到的。5.如权利要求4所述的方法，其中，所述根据所述第一解密输出特征和所述人脸训练图像对应的标签，更新所述第二子模型，包括：2CN111680676A权利要求书2/7页在所述第一解密输出特征上减去所述初始随机特征，得到第二解密输出特征；根据所述第二解密输出特征和所述人脸训练图像对应的标签，更新所述第二子模型。6.如权利要求3所述的方法，其中，所述第二子模型包括池化层，所述池化层采用平均池化。7.如权利要求3所述的方法，其中，所述第二子模型包括激活层，所述激活