CN111738238B - 人脸识别方法和装置 - Google Patents

人脸识别方法和装置 Download PDF

Info

Publication number
CN111738238B
CN111738238B CN202010820141.3A CN202010820141A CN111738238B CN 111738238 B CN111738238 B CN 111738238B CN 202010820141 A CN202010820141 A CN 202010820141A CN 111738238 B CN111738238 B CN 111738238B
Authority
CN
China
Prior art keywords
encrypted
face
public key
feature
confusion
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010820141.3A
Other languages
English (en)
Other versions
CN111738238A (zh
Inventor
郑龙飞
陈超超
王力
周俊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Alipay Hangzhou Information Technology Co Ltd
Original Assignee
Alipay Hangzhou Information Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Alipay Hangzhou Information Technology Co Ltd filed Critical Alipay Hangzhou Information Technology Co Ltd
Priority to CN202010820141.3A priority Critical patent/CN111738238B/zh
Publication of CN111738238A publication Critical patent/CN111738238A/zh
Application granted granted Critical
Publication of CN111738238B publication Critical patent/CN111738238B/zh
Priority to US17/360,462 priority patent/US11256900B1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/32—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials
    • H04L9/3226—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials using a predetermined code, e.g. password, passphrase or PIN
    • H04L9/3231—Biological data, e.g. fingerprint, voice or retina
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/602—Providing cryptographic facilities or services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/008—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols involving homomorphic encryption
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/08—Key distribution or management, e.g. generation, sharing or updating, of cryptographic keys or passwords
    • H04L9/0816—Key establishment, i.e. cryptographic processes or cryptographic protocols whereby a shared secret becomes available to two or more parties, for subsequent use
    • H04L9/0819—Key transport or distribution, i.e. key establishment techniques where one party creates or otherwise obtains a secret value, and securely transfers it to the other(s)
    • H04L9/0825—Key transport or distribution, i.e. key establishment techniques where one party creates or otherwise obtains a secret value, and securely transfers it to the other(s) using asymmetric-key encryption or public key infrastructure [PKI], e.g. key signature or public key certificates
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Computer Security & Cryptography (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Biomedical Technology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Bioethics (AREA)
  • Computer Hardware Design (AREA)
  • Collating Specific Patterns (AREA)
  • Image Analysis (AREA)

Abstract

本说明书实施例提供一种人脸识别方法和装置，方法包括：终端设备利用第二公钥对待识别人脸图像进行同态加密得到加密人脸图像；向服务器发送识别请求，包括加密人脸图像和第二公钥；服务器对加密人脸图像进行同态特征处理并同态添加第一混淆；对预先存储的密态人脸特征同态添加第二混淆；从服务器接收混淆加密输出特征和混淆加密人脸特征；利用与第一公钥对应的第一私钥对混淆加密人脸特征进行解密，得到第一中间值；利用与第二公钥对应的第二私钥对混淆加密输出特征进行解密，得到第二中间值；计算第二中间值与第一中间值的差值；向服务器发送差值，服务器确定待识别人脸图像与目标用户是否匹配。能够提高人脸识别的安全性和响应速度。

Description

人脸识别方法和装置
技术领域
本说明书一个或多个实施例涉及计算机领域，尤其涉及人脸识别方法和装置。
背景技术
随着人工智能和计算机视觉技术的发展，人脸识别技术作为一种快捷方便的新型认证方式，在各个领域得到了广泛的应用，例如金融场景中的刷脸支付、民航场景中的刷脸认证、办公场景下的刷脸门禁，酒店住宿场景下的刷脸认证等。相比于传统的基于刷卡或密码的身份认证方式，人脸识别具有无接触、快捷有效、难以伪造等优点，因此逐渐成为身份认证的主流方式。
基于服务器或者云计算的人脸识别技术需要用户将本地人脸数据上传至远程计算平台，这些人脸数据不可避免地泄漏给了服务器提供商。此外，人脸的生物特征具有唯一性，一旦泄漏很难更改，因此保护数据隐私，对数据进行加密处理就显得尤为重要。目前的人脸识别方法，被攻击导致数据泄漏的风险仍然较高，安全性较低，并且响应速度慢。
因此，希望能有改进的方案，能够提高人脸识别的安全性和响应速度。
发明内容
本说明书一个或多个实施例描述了一种人脸识别方法和装置，能够提高人脸识别的安全性和响应速度。
第一方面，提供了一种人脸识别方法，该方法由终端设备执行，所述终端设备预先针对目标用户向服务器进行了身份注册，使得所述服务器中存储有所述目标用户的密态人脸特征，所述密态人脸特征采用第一公钥加密，方法包括：
获取所述目标用户的待识别人脸图像；
利用第二公钥对所述待识别人脸图像进行同态加密得到加密人脸图像；
向所述服务器发送识别请求，其中包括所述加密人脸图像和所述第二公钥；以使所述服务器对所述加密人脸图像进行同态特征处理并同态添加第一混淆，得到混淆加密输出特征；对所述密态人脸特征同态添加第二混淆得到混淆加密人脸特征；
从所述服务器接收所述混淆加密输出特征和所述混淆加密人脸特征；
利用与所述第一公钥对应的第一私钥对所述混淆加密人脸特征进行解密，得到第一中间值；利用与所述第二公钥对应的第二私钥对所述混淆加密输出特征进行解密，得到第二中间值；计算所述第二中间值与所述第一中间值的差值；
向所述服务器发送所述差值，以使所述服务器在所述差值上消除所述第一混淆和所述第二混淆的影响，从而确定所述待识别人脸图像与所述目标用户是否匹配。
在一种可能的实施方式中，所述身份注册通过以下方式执行：
采集至少一张注册人脸图像，并使用所述第一公钥进行同态加密，得到加密注册人脸图像；
向所述服务器发送所述加密注册人脸图像和所述第一公钥；以使所述服务器对所述加密注册人脸图像进行同态特征处理，得到所述目标用户的密态人脸特征；
存储所述第一公钥对应的第一私钥。
在一种可能的实施方式中，所述识别请求还包括所述目标用户的用户标识，以使得所述服务器根据所述目标用户的用户标识，从预先存储的多个用户的密态人脸特征中获取所述目标用户的密态人脸特征。
第二方面，提供了一种人脸识别方法，该方法由服务器执行，所述服务器接受了终端设备预先针对目标用户进行的身份注册，所述服务器中存储有所述目标用户的密态人脸特征，所述密态人脸特征采用第一公钥加密，方法包括：
从所述终端设备接收识别请求，其中包括加密人脸图像和第二公钥；所述加密人脸图像为所述终端设备利用所述第二公钥对所述目标用户的待识别人脸图像进行同态加密得到的；
对所述加密人脸图像进行同态特征处理并同态添加第一混淆，得到混淆加密输出特征；对所述密态人脸特征同态添加第二混淆得到混淆加密人脸特征；
向所述终端设备发送所述混淆加密输出特征和所述混淆加密人脸特征；以使所述终端设备利用与所述第一公钥对应的第一私钥对所述混淆加密人脸特征进行解密，得到第一中间值；利用与所述第二公钥对应的第二私钥对所述混淆加密输出特征进行解密，得到第二中间值；计算所述第二中间值与所述第一中间值的差值；
从所述终端设备接收所述差值；
在所述差值上消除所述第一混淆和所述第二混淆的影响，从而确定所述待识别人脸图像与所述目标用户是否匹配。
在一种可能的实施方式中，所述身份注册通过以下方式执行：
从所述终端设备接收加密注册人脸图像和第一公钥；其中，所述加密注册人脸图像为所述终端设备采集至少一张注册人脸图像，并使用所述第一公钥进行同态加密得到的；
对所述加密注册人脸图像进行同态特征处理，得到所述目标用户的密态人脸特征。
在一种可能的实施方式中，所述识别请求还包括所述目标用户的用户标识；所述方法还包括：
根据所述目标用户的用户标识，从预先存储的多个用户的密态人脸特征中获取所述目标用户的密态人脸特征。
在一种可能的实施方式中，所述同态特征处理包括：
使用适于同态运算的人脸识别模型进行特征处理。
在一种可能的实施方式中，所述对所述加密人脸图像进行同态特征处理并同态添加第一混淆，得到混淆加密输出特征，包括：
对所述加密人脸图像进行同态特征处理，得到加密输出特征；
在所述加密输出特征上添加第一加密随机特征，得到混淆加密输出特征；所述第一加密随机特征为第一初始随机特征经过所述第二公钥进行同态加密后得到的。
进一步地，所述在所述差值上消除所述第一混淆和所述第二混淆的影响，包括：
在所述差值上添加所述第一初始随机特征，以消除所述第一混淆的影响。
在一种可能的实施方式中，所述对所述密态人脸特征同态添加第二混淆得到混淆加密人脸特征，包括：
在所述密态人脸特征上添加第二加密随机特征，得到混淆加密人脸特征；所述第二加密随机特征为第二初始随机特征经过所述第一公钥进行同态加密后得到的。
进一步地，所述在所述差值上消除所述第一混淆和所述第二混淆的影响，包括：
在所述差值上减去所述第二初始随机特征，以消除所述第二混淆的影响。
第三方面，提供了一种人脸识别装置，该装置设置于终端设备，所述终端设备预先针对目标用户向服务器进行了身份注册，使得所述服务器中存储有所述目标用户的密态人脸特征，所述密态人脸特征采用第一公钥加密，装置包括：
获取单元，用于获取所述目标用户的待识别人脸图像；
加密单元，用于利用第二公钥对所述获取单元获取的待识别人脸图像进行同态加密得到加密人脸图像；
发送单元，用于向所述服务器发送识别请求，其中包括所述加密单元得到的加密人脸图像和所述第二公钥；以使所述服务器对所述加密人脸图像进行同态特征处理并同态添加第一混淆，得到混淆加密输出特征；对所述密态人脸特征同态添加第二混淆得到混淆加密人脸特征；
接收单元，用于从所述服务器接收所述混淆加密输出特征和所述混淆加密人脸特征；
解密计算单元，用于利用与所述第一公钥对应的第一私钥对所述接收单元接收的混淆加密人脸特征进行解密，得到第一中间值；利用与所述第二公钥对应的第二私钥对所述接收单元接收的混淆加密输出特征进行解密，得到第二中间值；计算所述第二中间值与所述第一中间值的差值；
所述发送单元，还用于向所述服务器发送所述解密计算单元得到的差值，以使所述服务器在所述差值上消除所述第一混淆和所述第二混淆的影响，从而确定所述待识别人脸图像与所述目标用户是否匹配。
第四方面，提供了一种人脸识别装置，该装置设置于服务器，所述服务器接受了终端设备预先针对目标用户进行的身份注册，所述服务器中存储有所述目标用户的密态人脸特征，所述密态人脸特征采用第一公钥加密，装置包括：
接收单元，用于从所述终端设备接收识别请求，其中包括加密人脸图像和第二公钥；所述加密人脸图像为所述终端设备利用所述第二公钥对所述目标用户的待识别人脸图像进行同态加密得到的；
混淆处理单元，用于对所述接收单元接收的加密人脸图像进行同态特征处理并同态添加第一混淆，得到混淆加密输出特征；对所述密态人脸特征同态添加第二混淆得到混淆加密人脸特征；
发送单元，用于向所述终端设备发送所述混淆处理单元得到的所述混淆加密输出特征和所述混淆加密人脸特征；以使所述终端设备利用与所述第一公钥对应的第一私钥对所述混淆加密人脸特征进行解密，得到第一中间值；利用与所述第二公钥对应的第二私钥对所述混淆加密输出特征进行解密，得到第二中间值；计算所述第二中间值与所述第一中间值的差值；
所述接收单元，还用于从所述终端设备接收所述差值；
识别单元，用于在所述接收单元接收的差值上消除所述第一混淆和所述第二混淆的影响，从而确定所述待识别人脸图像与所述目标用户是否匹配。
第五方面，提供了一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行第一方面或第二方面的方法。
第六方面，提供了一种计算设备，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现第一方面或第二方面的方法。
通过本说明书实施例提供的方法和装置，终端设备预先针对目标用户向服务器进行了身份注册，使得服务器中存储有所述目标用户的密态人脸特征，密态人脸特征采用第一公钥加密，后续在人脸识别时，终端设备首先获取目标用户的待识别人脸图像；然后利用第二公钥对待识别人脸图像进行同态加密得到加密人脸图像；其中，第二公钥与第一公钥不同，提高了隐私保护的能力；接着向服务器发送识别请求，其中包括加密人脸图像和第二公钥；以使服务器对加密人脸图像进行同态特征处理并同态添加第一混淆，得到混淆加密输出特征；对密态人脸特征同态添加第二混淆得到混淆加密人脸特征；再从服务器接收混淆加密输出特征和混淆加密人脸特征；由于终端设备无法获得明文的人脸特征模板，防止了终端设备的虚假认证，提高了认证的安全性；接着利用与第一公钥对应的第一私钥对混淆加密人脸特征进行解密，得到第一中间值；利用与第二公钥对应的第二私钥对混淆加密输出特征进行解密，得到第二中间值；计算第二中间值与第一中间值的差值；最后向服务器发送所述差值，以使服务器在所述差值上消除所述第一混淆和所述第二混淆的影响，从而确定所述待识别人脸图像与所述目标用户是否匹配。由于无需计算密文距离，提高了人脸识别的响应速度。综上，能够提高人脸识别的安全性和响应速度。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1为本说明书披露的一个实施例的实施场景示意图；
图2示出根据一个实施例的人脸识别方法流程图；
图3示出根据一个实施例的人脸识别装置的示意性框图；
图4示出根据另一个实施例的人脸识别装置的示意性框图。
具体实施方式
下面结合附图，对本说明书提供的方案进行描述。
图1为本说明书披露的一个实施例的实施场景示意图。该实施场景涉及人脸识别。参照图1，在人脸识别时，将待识别人脸图像输入人脸识别模型得到目标输出特征，将目标输出特征与人脸特征模板进行匹配，也就是确定二者之间的相似度分数，该分数给出了两者属于同一个主体的可能性，进而判断该待识别人脸图像所对应的用户身份。可以理解的是，在人脸识别之前，还包括人脸图像注册的过程。人脸图像注册，就是将已知用户身份的人脸图像经过人脸识别模型，转换成紧凑且可判别的特征向量，这也被称为人脸特征模板。
通常地，人脸识别和人脸图像注册过程中，均涉及终端设备与服务器的交互。以人脸识别过程为例，终端设备通过摄像头采集人脸图像，然后将采集的人脸图像传输给服务器，由服务器利用具有的人脸识别模型得到目标输出特征，再基于该目标输出特征确定该人脸图像的用户身份。
其中，人脸图像属于用户隐私，要保护人脸图像不会泄露，提高人脸识别的安全性和响应速度。
在一个示例中，人脸识别模型为卷积神经网络（convolutional neuralnetworks，CNN），为了处理二维输入数据而特殊设计的多层人工神经网络，网络中的每层都由多个二维平面组成，每个平面由多个独立的神经元组成，相邻两层的神经元之间互相连接，同一层的神经元之间没有连接。CNN的基本结构由输入层、卷积层、池化层、全连接层及输出层构成。卷积层和池化层一般会取若干个，采用交替设置的形式，即一个卷积层连接一个池化层，池化层后再连接一个卷积层，依此类推。
需要说明的是，本说明书实施例，对于人脸识别模型的具体网络结构不做限定，上述示例仅为了便于理解。
图2示出根据一个实施例的人脸识别方法流程图，该方法由终端设备和服务器交互执行，所述终端设备预先针对目标用户向服务器进行了身份注册，使得所述服务器中存储有所述目标用户的密态人脸特征，所述密态人脸特征采用第一公钥加密，该方法可以基于图1所示的实施场景。如图2所示，该实施例中人脸识别方法包括以下步骤：
首先在步骤21，终端设备获取所述目标用户的待识别人脸图像。可以理解的是，目标用户的用户身份为待识别的，服务器中存储有目标用户的人脸特征模板，前述密态人脸特征即密文的人脸特征模板。
本说明书实施例中，用户可以通过终端设备进行人脸图像注册，再通过该终端设备进行人脸识别。
在一个示例中，终端设备利用摄像头采集人脸信息，获得人脸图像，并对人脸图像进行检测和对齐，进行数据预处理，获取待识别人脸图像。
然后在步骤22，终端设备利用第二公钥对所述待识别人脸图像进行同态加密得到加密人脸图像。可以理解的是，终端设备还具有第二公钥对应的第二私钥，第二公钥和第二私钥构成一组秘钥对。
在一个示例中，在步骤22之前，终端设备可以生成第二公钥和第二私钥构成的一组秘钥对。
其中，第二公钥与第一公钥不同，提高了隐私保护的能力。
接着在步骤23，终端设备向所述服务器发送识别请求，其中包括所述加密人脸图像和所述第二公钥。可以理解的是，终端设备保留与第二公钥对应的第二私钥。
相应地，服务器从所述终端设备接收识别请求，其中包括加密人脸图像和第二公钥。
在一个示例中，所述识别请求还包括所述目标用户的用户标识；所述方法还包括：服务器根据所述目标用户的用户标识，从预先存储的多个用户的密态人脸特征中获取所述目标用户的密态人脸特征。
再在步骤24，服务器对所述加密人脸图像进行同态特征处理并同态添加第一混淆，得到混淆加密输出特征；对所述密态人脸特征同态添加第二混淆得到混淆加密人脸特征。可以理解的是，所述密态人脸特征在人脸图像注册时已经进行了同态特征处理。
在一个示例中，所述同态特征处理包括：
使用适于同态运算的人脸识别模型进行特征处理。
在一个示例中，所述对所述加密人脸图像进行同态特征处理并同态添加第一混淆，得到混淆加密输出特征，包括：
对所述加密人脸图像进行同态特征处理，得到加密输出特征；
在所述加密输出特征上添加第一加密随机特征，得到混淆加密输出特征；所述第一加密随机特征为第一初始随机特征经过所述第二公钥进行同态加密后得到的。
在一个示例中，所述对所述密态人脸特征同态添加第二混淆得到混淆加密人脸特征，包括：
在所述密态人脸特征上添加第二加密随机特征，得到混淆加密人脸特征；所述第二加密随机特征为第二初始随机特征经过所述第一公钥进行同态加密后得到的。
接着在步骤25，服务器向所述终端设备发送所述混淆加密输出特征和所述混淆加密人脸特征。可以理解的是，由于终端设备无法获得明文的人脸特征模板，防止了终端设备的虚假认证，提高了认证的安全性。
相应地，终端设备从所述服务器接收所述混淆加密输出特征和所述混淆加密人脸特征。
再在步骤26，终端设备利用与所述第一公钥对应的第一私钥对所述混淆加密人脸特征进行解密，得到第一中间值；利用与所述第二公钥对应的第二私钥对所述混淆加密输出特征进行解密，得到第二中间值；计算所述第二中间值与所述第一中间值的差值。可以理解的是，由于无需计算密文距离，提高了人脸识别的响应速度。
再在步骤27，终端设备向所述服务器发送所述差值。相应地，服务器从所述终端设备接收所述差值。
最后在步骤28，服务器在所述差值上消除所述第一混淆和所述第二混淆的影响，从而确定所述待识别人脸图像与所述目标用户是否匹配。可以理解的是，服务器在所述差值上消除所述第一混淆和所述第二混淆的影响后，可以得到待识别人脸图像与目标用户之间的距离或相似度分数，从而确定所述待识别人脸图像与所述目标用户是否匹配。
在一个示例中，所述在所述差值上消除所述第一混淆和所述第二混淆的影响，包括：
在所述差值上添加所述第一初始随机特征，以消除所述第一混淆的影响。
在一个示例中，所述在所述差值上消除所述第一混淆和所述第二混淆的影响，包括：
在所述差值上减去所述第二初始随机特征，以消除所述第二混淆的影响。
在一个示例中，所述身份注册通过以下方式执行：终端设备采集至少一张注册人脸图像，并使用所述第一公钥进行同态加密，得到加密注册人脸图像；终端设备向所述服务器发送所述加密注册人脸图像和所述第一公钥；以使所述服务器对所述加密注册人脸图像进行同态特征处理，得到所述目标用户的密态人脸特征；终端设备存储所述第一公钥对应的第一私钥。
举例来说，先进行人脸图像注册，再进行人脸识别，具体过程包括：
人脸图像注册：终端设备本地进行注册时，采集多张不同角度的人脸照片I1，利用第一公钥pk1同态加密之后得到<I1>1，上传到服务器中，并保存第一公钥和对应的第一私钥（pk1和sk1）。服务器利用单个用户多张同态加密后的照片<I1>1和服务器端的人脸识别模型，得到密态人脸特征<X1>1。
人脸识别：在进行人脸识别时，手机端生成新的同态密钥，包括第二公钥pk2和第二私钥sk2，待识别人脸图像I2经过第二公钥pk2加密得到<I2>2，将<I2>2和用户标识（identity，ID）一同上传到服务器，将<I2>2输入人脸识别模型，得到<X2>2。服务器根据用户ID得到对应的密态人脸特征<X1>1，根据密态人脸特征的向量维度生成随机矩阵mask1和mask2，利用上述随机矩阵进行混淆处理，得到<X1+mask1>1和<X2+mask2>2，其中，<X1+mask1>1经过第一公钥加密，<X2+mask2>2经过第二公钥加密，服务器将<X1+mask1>1和<X2+mask2>2返回终端设备，终端设备解密得到X1+mask1和X2+mask2，计算得到差值Dmask=X1+mask1-（X2+mask2），将差值Dmask返回给服务器。服务器解除混淆后得到D=X1-X2，进而得到待识别人脸图像与目标用户之间的相似度分数||D||2。
通过本说明书实施例提供的方法，终端设备预先针对目标用户向服务器进行了身份注册，使得服务器中存储有所述目标用户的密态人脸特征，密态人脸特征采用第一公钥加密，后续在人脸识别时，终端设备首先获取目标用户的待识别人脸图像；然后利用第二公钥对待识别人脸图像进行同态加密得到加密人脸图像；其中，第二公钥与第一公钥不同，提高了隐私保护的能力；接着向服务器发送识别请求，其中包括加密人脸图像和第二公钥；以使服务器对加密人脸图像进行同态特征处理并同态添加第一混淆，得到混淆加密输出特征；对密态人脸特征同态添加第二混淆得到混淆加密人脸特征；再从服务器接收混淆加密输出特征和混淆加密人脸特征；由于终端设备无法获得明文的人脸特征模板，防止了终端设备的虚假认证，提高了认证的安全性；接着利用与第一公钥对应的第一私钥对混淆加密人脸特征进行解密，得到第一中间值；利用与第二公钥对应的第二私钥对混淆加密输出特征进行解密，得到第二中间值；计算第二中间值与第一中间值的差值；最后向服务器发送所述差值，以使服务器在所述差值上消除所述第一混淆和所述第二混淆的影响，从而确定所述待识别人脸图像与所述目标用户是否匹配。由于无需计算密文距离，提高了人脸识别的响应速度。综上，能够提高人脸识别的安全性和响应速度。
根据另一方面的实施例，还提供一种人脸识别装置，所述装置设置于终端设备，所述终端设备预先针对目标用户向服务器进行了身份注册，使得所述服务器中存储有所述目标用户的密态人脸特征，所述密态人脸特征采用第一公钥加密，该装置用于执行本说明书实施例提供的人脸识别方法中终端设备执行的动作。图3示出根据一个实施例的人脸识别装置的示意性框图。如图3所示，该装置300包括：
获取单元31，用于获取所述目标用户的待识别人脸图像；
加密单元32，用于利用第二公钥对所述获取单元31获取的待识别人脸图像进行同态加密得到加密人脸图像；
发送单元33，用于向所述服务器发送识别请求，其中包括所述加密单元32得到的加密人脸图像和所述第二公钥；以使所述服务器对所述加密人脸图像进行同态特征处理并同态添加第一混淆，得到混淆加密输出特征；对所述密态人脸特征同态添加第二混淆得到混淆加密人脸特征；
接收单元34，用于从所述服务器接收所述混淆加密输出特征和所述混淆加密人脸特征；
解密计算单元35，用于利用与所述第一公钥对应的第一私钥对所述接收单元34接收的混淆加密人脸特征进行解密，得到第一中间值；利用与所述第二公钥对应的第二私钥对所述接收单元34接收的混淆加密输出特征进行解密，得到第二中间值；计算所述第二中间值与所述第一中间值的差值；
所述发送单元33，还用于向所述服务器发送所述解密计算单元35得到的差值，以使所述服务器在所述差值上消除所述第一混淆和所述第二混淆的影响，从而确定所述待识别人脸图像与所述目标用户是否匹配。
可选地，作为一个实施例，所述身份注册通过以下方式执行：
采集至少一张注册人脸图像，并使用所述第一公钥进行同态加密，得到加密注册人脸图像；
向所述服务器发送所述加密注册人脸图像和所述第一公钥；以使所述服务器对所述加密注册人脸图像进行同态特征处理，得到所述目标用户的密态人脸特征；
存储所述第一公钥对应的第一私钥。
可选地，作为一个实施例，所述识别请求还包括所述目标用户的用户标识，以使得所述服务器根据所述目标用户的用户标识，从预先存储的多个用户的密态人脸特征中获取所述目标用户的密态人脸特征。
根据另一方面的实施例，还提供一种人脸识别装置，所述装置设置于服务器，所述服务器接受了终端设备预先针对目标用户进行的身份注册，所述服务器中存储有所述目标用户的密态人脸特征，所述密态人脸特征采用第一公钥加密，该装置用于执行本说明书实施例提供的人脸识别方法中服务器执行的动作。图4示出根据另一个实施例的人脸识别装置的示意性框图。如图4所示，该装置400包括：
接收单元41，用于从所述终端设备接收识别请求，其中包括加密人脸图像和第二公钥；所述加密人脸图像为所述终端设备利用所述第二公钥对所述目标用户的待识别人脸图像进行同态加密得到的；
混淆处理单元42，用于对所述接收单元41接收的加密人脸图像进行同态特征处理并同态添加第一混淆，得到混淆加密输出特征；对所述密态人脸特征同态添加第二混淆得到混淆加密人脸特征；
发送单元43，用于向所述终端设备发送所述混淆处理单元42得到的所述混淆加密输出特征和所述混淆加密人脸特征；以使所述终端设备利用与所述第一公钥对应的第一私钥对所述混淆加密人脸特征进行解密，得到第一中间值；利用与所述第二公钥对应的第二私钥对所述混淆加密输出特征进行解密，得到第二中间值；计算所述第二中间值与所述第一中间值的差值；
所述接收单元41，还用于从所述终端设备接收所述差值；
识别单元44，用于在所述接收单元41接收的差值上消除所述第一混淆和所述第二混淆的影响，从而确定所述待识别人脸图像与所述目标用户是否匹配。
可选地，作为一个实施例，所述身份注册通过以下方式执行：
从所述终端设备接收加密注册人脸图像和第一公钥；其中，所述加密注册人脸图像为所述终端设备采集至少一张注册人脸图像，并使用所述第一公钥进行同态加密得到的；
对所述加密注册人脸图像进行同态特征处理，得到所述目标用户的密态人脸特征。
可选地，作为一个实施例，所述识别请求还包括所述目标用户的用户标识；所述装置还包括：
查找单元，用于根据所述目标用户的用户标识，从预先存储的多个用户的密态人脸特征中获取所述目标用户的密态人脸特征。
可选地，作为一个实施例，所述同态特征处理包括：
使用适于同态运算的人脸识别模型进行特征处理。
可选地，作为一个实施例，所述混淆处理单元42包括：
特征提取子单元，用于对所述加密人脸图像进行同态特征处理，得到加密输出特征；
第一混淆子单元，用于在所述特征提取子单元得到的加密输出特征上添加第一加密随机特征，得到混淆加密输出特征；所述第一加密随机特征为第一初始随机特征经过所述第二公钥进行同态加密后得到的。
进一步地，所述识别单元44，具体用于在所述差值上添加所述第一初始随机特征，以消除所述第一混淆的影响。
可选地，作为一个实施例，所述混淆处理单元42包括：
第二混淆子单元，用于在所述密态人脸特征上添加第二加密随机特征，得到混淆加密人脸特征；所述第二加密随机特征为第二初始随机特征经过所述第一公钥进行同态加密后得到的。
进一步地，所述识别单元44，具体用于在所述差值上减去所述第二初始随机特征，以消除所述第二混淆的影响。
通过本说明书实施例提供的装置，终端设备预先针对目标用户向服务器进行了身份注册，使得服务器中存储有所述目标用户的密态人脸特征，密态人脸特征采用第一公钥加密，后续在人脸识别时，终端设备首先通过获取单元31获取目标用户的待识别人脸图像；然后由加密单元32利用第二公钥对待识别人脸图像进行同态加密得到加密人脸图像；其中，第二公钥与第一公钥不同，提高了隐私保护的能力；接着由发送单元33向服务器发送识别请求，其中包括加密人脸图像和第二公钥；以使服务器的混淆处理单元42对加密人脸图像进行同态特征处理并同态添加第一混淆，得到混淆加密输出特征；对密态人脸特征同态添加第二混淆得到混淆加密人脸特征；再由接收单元34从服务器接收混淆加密输出特征和混淆加密人脸特征；由于终端设备无法获得明文的人脸特征模板，防止了终端设备的虚假认证，提高了认证的安全性；接着解密计算单元35利用与第一公钥对应的第一私钥对混淆加密人脸特征进行解密，得到第一中间值；利用与第二公钥对应的第二私钥对混淆加密输出特征进行解密，得到第二中间值；计算第二中间值与第一中间值的差值；最后发送单元33向服务器发送所述差值，以使服务器的识别单元44在所述差值上消除所述第一混淆和所述第二混淆的影响，从而确定所述待识别人脸图像与所述目标用户是否匹配。由于无需计算密文距离，提高了人脸识别的响应速度。综上，能够提高人脸识别的安全性和响应速度。
根据另一方面的实施例，还提供一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行结合图2所描述的方法。
根据再一方面的实施例，还提供一种计算设备，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现结合图2所描述的方法。
本领域技术人员应该可以意识到，在上述一个或多个示例中，本发明所描述的功能可以用硬件、软件、固件或它们的任意组合来实现。当使用软件实现时，可以将这些功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的技术方案的基础之上，所做的任何修改、等同替换、改进等，均应包括在本发明的保护范围之内。

Claims (24)

1.一种人脸识别方法，所述方法由终端设备执行，所述终端设备预先针对目标用户向服务器进行了身份注册，使得所述服务器中存储有所述目标用户的密态人脸特征，所述密态人脸特征采用第一公钥加密，所述方法包括：
获取所述目标用户的待识别人脸图像；
利用第二公钥对所述待识别人脸图像进行同态加密得到加密人脸图像；
向所述服务器发送识别请求，其中包括所述加密人脸图像和所述第二公钥；以使所述服务器对所述加密人脸图像进行同态特征处理，并添加经过所述第二公钥进行同态加密后的第一混淆，得到混淆加密输出特征；对所述密态人脸特征添加经过所述第一公钥进行同态加密后的第二混淆，得到混淆加密人脸特征；
从所述服务器接收所述混淆加密输出特征和所述混淆加密人脸特征；
利用与所述第一公钥对应的第一私钥对所述混淆加密人脸特征进行解密，得到第一中间值；利用与所述第二公钥对应的第二私钥对所述混淆加密输出特征进行解密，得到第二中间值；计算所述第二中间值与所述第一中间值的差值；
向所述服务器发送所述差值，以使所述服务器在所述差值上消除所述第一混淆和所述第二混淆的影响，从而确定所述待识别人脸图像与所述目标用户是否匹配。
2.如权利要求1所述的方法，其中，所述身份注册通过以下方式执行：
采集至少一张注册人脸图像，并使用所述第一公钥进行同态加密，得到加密注册人脸图像；
向所述服务器发送所述加密注册人脸图像和所述第一公钥；以使所述服务器对所述加密注册人脸图像进行同态特征处理，得到所述目标用户的密态人脸特征；
存储所述第一公钥对应的第一私钥。
3.如权利要求1所述的方法，其中，所述识别请求还包括所述目标用户的用户标识，以使得所述服务器根据所述目标用户的用户标识，从预先存储的多个用户的密态人脸特征中获取所述目标用户的密态人脸特征。
4.一种人脸识别方法，所述方法由服务器执行，所述服务器接受了终端设备预先针对目标用户进行的身份注册，所述服务器中存储有所述目标用户的密态人脸特征，所述密态人脸特征采用第一公钥加密，所述方法包括：
从所述终端设备接收识别请求，其中包括加密人脸图像和第二公钥；所述加密人脸图像为所述终端设备利用所述第二公钥对所述目标用户的待识别人脸图像进行同态加密得到的；
对所述加密人脸图像进行同态特征处理，并添加经过所述第二公钥进行同态加密后的第一混淆，得到混淆加密输出特征；对所述密态人脸特征添加经过所述第一公钥进行同态加密后的第二混淆，得到混淆加密人脸特征；
向所述终端设备发送所述混淆加密输出特征和所述混淆加密人脸特征；以使所述终端设备利用与所述第一公钥对应的第一私钥对所述混淆加密人脸特征进行解密，得到第一中间值；利用与所述第二公钥对应的第二私钥对所述混淆加密输出特征进行解密，得到第二中间值；计算所述第二中间值与所述第一中间值的差值；
从所述终端设备接收所述差值；
在所述差值上消除所述第一混淆和所述第二混淆的影响，从而确定所述待识别人脸图像与所述目标用户是否匹配。
5.如权利要求4所述的方法，其中，所述身份注册通过以下方式执行：
从所述终端设备接收加密注册人脸图像和第一公钥；其中，所述加密注册人脸图像为所述终端设备采集至少一张注册人脸图像，并使用所述第一公钥进行同态加密得到的；
对所述加密注册人脸图像进行同态特征处理，得到所述目标用户的密态人脸特征。
6.如权利要求4所述的方法，其中，所述识别请求还包括所述目标用户的用户标识；所述方法还包括：
根据所述目标用户的用户标识，从预先存储的多个用户的密态人脸特征中获取所述目标用户的密态人脸特征。
7.如权利要求4所述的方法，其中，所述同态特征处理包括：
使用适于同态运算的人脸识别模型进行特征处理。
8.如权利要求4所述的方法，其中，所述对所述加密人脸图像进行同态特征处理，并添加经过所述第二公钥进行同态加密后的第一混淆，得到混淆加密输出特征，包括：
对所述加密人脸图像进行同态特征处理，得到加密输出特征；
在所述加密输出特征上添加第一加密随机特征，得到混淆加密输出特征；所述第一加密随机特征为第一初始随机特征经过所述第二公钥进行同态加密后得到的。
9.如权利要求8所述的方法，其中，所述在所述差值上消除所述第一混淆和所述第二混淆的影响，包括：
在所述差值上添加所述第一初始随机特征，以消除所述第一混淆的影响。
10.如权利要求4所述的方法，其中，所述对所述密态人脸特征添加经过所述第一公钥进行同态加密后的第二混淆，得到混淆加密人脸特征，包括：
在所述密态人脸特征上添加第二加密随机特征，得到混淆加密人脸特征；所述第二加密随机特征为第二初始随机特征经过所述第一公钥进行同态加密后得到的。
11.如权利要求10所述的方法，其中，所述在所述差值上消除所述第一混淆和所述第二混淆的影响，包括：
在所述差值上减去所述第二初始随机特征，以消除所述第二混淆的影响。
12.一种人脸识别装置，所述装置设置于终端设备，所述终端设备预先针对目标用户向服务器进行了身份注册，使得所述服务器中存储有所述目标用户的密态人脸特征，所述密态人脸特征采用第一公钥加密，所述装置包括：
获取单元，用于获取所述目标用户的待识别人脸图像；
加密单元，用于利用第二公钥对所述获取单元获取的待识别人脸图像进行同态加密得到加密人脸图像；
发送单元，用于向所述服务器发送识别请求，其中包括所述加密单元得到的加密人脸图像和所述第二公钥；以使所述服务器对所述加密人脸图像进行同态特征处理，并添加经过所述第二公钥进行同态加密后的第一混淆，得到混淆加密输出特征；对所述密态人脸特征添加经过所述第一公钥进行同态加密后的第二混淆，得到混淆加密人脸特征；
接收单元，用于从所述服务器接收所述混淆加密输出特征和所述混淆加密人脸特征；
解密计算单元，用于利用与所述第一公钥对应的第一私钥对所述接收单元接收的混淆加密人脸特征进行解密，得到第一中间值；利用与所述第二公钥对应的第二私钥对所述接收单元接收的混淆加密输出特征进行解密，得到第二中间值；计算所述第二中间值与所述第一中间值的差值；
所述发送单元，还用于向所述服务器发送所述解密计算单元得到的差值，以使所述服务器在所述差值上消除所述第一混淆和所述第二混淆的影响，从而确定所述待识别人脸图像与所述目标用户是否匹配。
13.如权利要求12所述的装置，其中，所述身份注册通过以下方式执行：
采集至少一张注册人脸图像，并使用所述第一公钥进行同态加密，得到加密注册人脸图像；
向所述服务器发送所述加密注册人脸图像和所述第一公钥；以使所述服务器对所述加密注册人脸图像进行同态特征处理，得到所述目标用户的密态人脸特征；
存储所述第一公钥对应的第一私钥。
14.如权利要求12所述的装置，其中，所述识别请求还包括所述目标用户的用户标识，以使得所述服务器根据所述目标用户的用户标识，从预先存储的多个用户的密态人脸特征中获取所述目标用户的密态人脸特征。
15.一种人脸识别装置，所述装置设置于服务器，所述服务器接受了终端设备预先针对目标用户进行的身份注册，所述服务器中存储有所述目标用户的密态人脸特征，所述密态人脸特征采用第一公钥加密，所述装置包括：
接收单元，用于从所述终端设备接收识别请求，其中包括加密人脸图像和第二公钥；所述加密人脸图像为所述终端设备利用所述第二公钥对所述目标用户的待识别人脸图像进行同态加密得到的；
混淆处理单元，用于对所述接收单元接收的加密人脸图像进行同态特征处理，并添加经过所述第二公钥进行同态加密后的第一混淆，得到混淆加密输出特征；对所述密态人脸特征添加经过所述第一公钥进行同态加密后的第二混淆，得到混淆加密人脸特征；
发送单元，用于向所述终端设备发送所述混淆处理单元得到的所述混淆加密输出特征和所述混淆加密人脸特征；以使所述终端设备利用与所述第一公钥对应的第一私钥对所述混淆加密人脸特征进行解密，得到第一中间值；利用与所述第二公钥对应的第二私钥对所述混淆加密输出特征进行解密，得到第二中间值；计算所述第二中间值与所述第一中间值的差值；
所述接收单元，还用于从所述终端设备接收所述差值；
识别单元，用于在所述接收单元接收的差值上消除所述第一混淆和所述第二混淆的影响，从而确定所述待识别人脸图像与所述目标用户是否匹配。
16.如权利要求15所述的装置，其中，所述身份注册通过以下方式执行：
从所述终端设备接收加密注册人脸图像和第一公钥；其中，所述加密注册人脸图像为所述终端设备采集至少一张注册人脸图像，并使用所述第一公钥进行同态加密得到的；
对所述加密注册人脸图像进行同态特征处理，得到所述目标用户的密态人脸特征。
17.如权利要求15所述的装置，其中，所述识别请求还包括所述目标用户的用户标识；所述装置还包括：
查找单元，用于根据所述目标用户的用户标识，从预先存储的多个用户的密态人脸特征中获取所述目标用户的密态人脸特征。
18.如权利要求15所述的装置，其中，所述同态特征处理包括：
使用适于同态运算的人脸识别模型进行特征处理。
19.如权利要求15所述的装置，其中，所述混淆处理单元包括：
特征提取子单元，用于对所述加密人脸图像进行同态特征处理，得到加密输出特征；
第一混淆子单元，用于在所述特征提取子单元得到的加密输出特征上添加第一加密随机特征，得到混淆加密输出特征；所述第一加密随机特征为第一初始随机特征经过所述第二公钥进行同态加密后得到的。
20.如权利要求19所述的装置，其中，所述识别单元，具体用于在所述差值上添加所述第一初始随机特征，以消除所述第一混淆的影响。
21.如权利要求15所述的装置，其中，所述混淆处理单元包括：
第二混淆子单元，用于在所述密态人脸特征上添加第二加密随机特征，得到混淆加密人脸特征；所述第二加密随机特征为第二初始随机特征经过所述第一公钥进行同态加密后得到的。
22.如权利要求21所述的装置，其中，所述识别单元，具体用于在所述差值上减去所述第二初始随机特征，以消除所述第二混淆的影响。
23.一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行权利要求1-11中任一项的所述的方法。
24.一种计算设备，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现权利要求1-11中任一项的所述的方法。
CN202010820141.3A 2020-08-14 2020-08-14 人脸识别方法和装置 Active CN111738238B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010820141.3A CN111738238B (zh) 2020-08-14 2020-08-14 人脸识别方法和装置
US17/360,462 US11256900B1 (en) 2020-08-14 2021-06-28 Facial recognition methods and apparatuses

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010820141.3A CN111738238B (zh) 2020-08-14 2020-08-14 人脸识别方法和装置

Publications (2)

Publication Number Publication Date
CN111738238A CN111738238A (zh) 2020-10-02
CN111738238B true CN111738238B (zh) 2020-11-13

Family

ID=72658501

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010820141.3A Active CN111738238B (zh) 2020-08-14 2020-08-14 人脸识别方法和装置

Country Status (2)

Country Link
US (1) US11256900B1 (zh)
CN (1) CN111738238B (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11444774B2 (en) * 2020-01-08 2022-09-13 Tata Consultancy Services Limited Method and system for biometric verification
CN112200133B (zh) * 2020-10-28 2022-05-17 支付宝(杭州)信息技术有限公司 保护隐私的人脸识别方法及装置
CN112288523B (zh) 2020-10-29 2023-09-05 中国银联股份有限公司 一种基于区块链的数值排名方法及装置
CN113554543B (zh) * 2020-12-07 2024-03-12 浙江宇视科技有限公司 基于加扰图像的识别方法、装置、电子设备及介质
CN113657322B (zh) * 2021-08-23 2022-06-17 广东君略科技咨询有限公司 一种基于公钥可密文比对的人脸识别方法和系统
CN114117386A (zh) * 2021-11-26 2022-03-01 京东方科技集团股份有限公司 会议管理方法及装置、计算机可读存储介质、电子设备
CN114758388A (zh) * 2022-03-31 2022-07-15 北京瑞莱智慧科技有限公司 一种人脸识别方法、相关装置及存储介质
CN114973351B (zh) * 2022-03-31 2023-07-25 北京瑞莱智慧科技有限公司 人脸识别方法、装置、设备及存储介质
CN114596639B (zh) * 2022-05-10 2022-08-26 富算科技(上海)有限公司 一种生物特征识别方法、装置、电子设备及存储介质
CN114821751B (zh) * 2022-06-27 2022-09-27 北京瑞莱智慧科技有限公司 图像识别方法、装置、系统及存储介质
CN115880789B (zh) * 2023-02-08 2023-06-30 中昊芯英(杭州)科技有限公司 基于加密的人脸识别方法、相关装置和存储介质
CN116582281B (zh) * 2023-07-10 2023-09-22 中国人民解放军国防科技大学 一种基于密码技术的安全人脸识别方法、系统及设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101808089A (zh) * 2010-03-05 2010-08-18 中国人民解放军国防科学技术大学 基于非对称加密算法同态性的秘密数据传输保护方法
CN104821942A (zh) * 2015-04-22 2015-08-05 广州大学 人脸识别方法和系统
CN110392027A (zh) * 2018-04-20 2019-10-29 武汉真元生物数据有限公司 基于生物特征的身份认证、业务处理方法及系统

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3665862A4 (en) * 2017-08-10 2020-06-17 Visa International Service Association USE OF BIOMETRICS AND PRIVACY PROCESSES TO AUTHENTICATE ACCOUNT HOLDERS ONLINE
US10740595B2 (en) * 2017-09-28 2020-08-11 Nec Corporation Long-tail large scale face recognition by non-linear feature level domain adaption
EP3506547A1 (en) * 2017-12-28 2019-07-03 Flytxt B.V. Providing security against user collusion in data analytics using random group selection
CN109145829A (zh) * 2018-08-24 2019-01-04 中共中央办公厅电子科技学院 一种基于深度学习和同态加密的安全高效的人脸识别方法
KR102041906B1 (ko) * 2019-03-06 2019-11-07 주식회사 에프앤디파트너스 안면피부촬영장치를 통해 촬영된 영상 이미지를 활용하여 피부질환을 판별하는 인공지능 기반의 안면 피부질환 판별용 api 엔진
WO2020227320A1 (en) * 2019-05-06 2020-11-12 Inferati Inc. Accurate, real-time and secure privacy-preserving verification of biometrics or other sensitive information
CN111125735B (zh) * 2019-12-20 2021-11-02 支付宝(杭州)信息技术有限公司 一种基于隐私数据进行模型训练的方法及系统
CN111431713B (zh) * 2020-03-27 2023-03-28 财付通支付科技有限公司 一种私钥存储方法、装置和相关设备
CN111444545B (zh) * 2020-06-12 2020-09-04 支付宝(杭州)信息技术有限公司 针对多方的隐私数据进行聚类的方法和装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101808089A (zh) * 2010-03-05 2010-08-18 中国人民解放军国防科学技术大学 基于非对称加密算法同态性的秘密数据传输保护方法
CN104821942A (zh) * 2015-04-22 2015-08-05 广州大学 人脸识别方法和系统
CN110392027A (zh) * 2018-04-20 2019-10-29 武汉真元生物数据有限公司 基于生物特征的身份认证、业务处理方法及系统

Also Published As

Publication number Publication date
US20220050999A1 (en) 2022-02-17
CN111738238A (zh) 2020-10-02
US11256900B1 (en) 2022-02-22

Similar Documents

Publication Publication Date Title
CN111738238B (zh) 人脸识别方法和装置
US10681025B2 (en) Systems and methods for securely managing biometric data
Barman et al. Fingerprint-based crypto-biometric system for network security
US20190116180A1 (en) Authentication system, authentication method, and program
CN111680676B (zh) 训练人脸识别模型、图像注册、人脸识别方法和装置
CN115336223A (zh) 经优化私人生物特征匹配
TW201929483A (zh) 驗證生物特徵圖像的可用性的方法和裝置
US9910478B2 (en) Collation system, node, collation method, and computer readable medium
CN113691502A (zh) 通信方法、装置、网关服务器、客户端及存储介质
EP3655874B1 (en) Method and electronic device for authenticating a user
JP7323004B2 (ja) データ抽出システム、データ抽出方法、登録装置及びプログラム
CN114547589A (zh) 保护隐私的用户注册、用户认证方法及装置
CN112380404B (zh) 数据过滤方法、装置及系统
CN111475690B (zh) 字符串的匹配方法和装置、数据检测方法、服务器
Sarkar et al. A multi-instance cancelable fingerprint biometric based secure session key agreement protocol employing elliptic curve cryptography and a double hash function
CN112052458A (zh) 信息处理方法、装置、设备及介质
Selimović et al. Authentication based on the image encryption using delaunay triangulation and catalan objects
CN104954127A (zh) 一种授权方法、生物特征信息发送方法及装置
CN114401514B (zh) 面向无线体域网的多因素身份认证方法以及相关设备
JP2007188194A (ja) 認証システム、変換関数生成装置、変換関数生成方法、この変換関数生成方法をコンピュータに実行させることが可能なプログラム、及び、このプログラムをコンピュータが実行することが可能にて記録した記録媒体
CN104113414B (zh) 一种不可追踪的rfid标签认证方法
CN116049792A (zh) 人脸注册、识别方法以及人脸数据保护系统
Sarkar et al. A cancelable biometric based secure session key agreement protocol employing elliptic curve cryptography
CN113052044A (zh) 识别虹膜图像的方法、装置、计算设备和介质
JP7259979B2 (ja) 情報照合システム及び情報照合方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40039034

Country of ref document: HK