CN117201698B - 一种安全高效的图像识别方法 - Google Patents
一种安全高效的图像识别方法 Download PDFInfo
- Publication number
- CN117201698B CN117201698B CN202311465812.9A CN202311465812A CN117201698B CN 117201698 B CN117201698 B CN 117201698B CN 202311465812 A CN202311465812 A CN 202311465812A CN 117201698 B CN117201698 B CN 117201698B
- Authority
- CN
- China
- Prior art keywords
- image
- data
- identified
- feature vector
- input
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 239000013598 vector Substances 0.000 claims description 46
- 238000001454 recorded image Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Landscapes
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种安全高效的图像识别方法，本发明采用同态加密算法对图像进行加密，可以防止图像隐私信息被泄露，提高了图像识别的安全性；本发明在计算加密欧式距离之前，在明文下比较第二数据，初步筛选出用于计算加密欧式距离的录入图像，可以显著缩减计算加密欧式距离的数量；本发明提前在客户端计算各录入图像的第三数据，可以节省服务器端计算各录入图像的第三数据的开销，从而进一步提高了待识别图像的识别效率。
Description
技术领域
本发明涉及图像识别技术领域，更具体的说是涉及一种安全高效的图像识别方法。
背景技术
一般情况下，完整的图像识别过程由图像录入和图像比对两个过程组成，在图像录入阶段，通过录入机提取图像的特征向量并保存在服务器内；在图像比对阶段，将待识别图像和服务器中存储的图像做比对，判断待识别图像是否是服务器中存储的图像。这个场景可以应用到人脸识别、物体识别、快递分拣等各种需要图像识别的场景。
随着图像识别技术的发展，图像信息泄露的事件时有发生，因此隐私保护的图像识别技术变得越来越受重视。同态加密作为隐私计算领域中的重要技术，其突破了传统加密算法不能在密文下计算的限制，使得同态加密算法应用到图像识别领域成为可能。但是现有的同态加密算法运算速度较慢，从而导致图像识别效率较低。
因此，如何提供一种安全高效的图像识别方法是本领域技术人员亟需解决的问题。
发明内容
有鉴于此，本发明的目的是提供一种安全高效的图像识别方法，其可以安全高效的判断出待识别图像是否包含在录入图像内。
为了实现上述目的，本发明采用如下技术方案：
一种安全高效的图像识别方法，包括以下步骤：
S1：获取录入图像的特征向量；
对所述特征向量的各分量进行同态加密，获得录入图像的第一数据；
对所述特征向量的各分量进行累加求和，获得录入图像的第二数据；
对所述特征向量与所述特征向量的点积运算结果进行同态加密，获得录入图像的第三数据；
所述录入图像包括N个，所述N个录入图像均进行上述操作，其中N大于等于2；
S2：获取待识别图像的特征向量；
对所述特征向量的各分量进行同态加密，获得待识别图像的第一数据；
对所述特征向量的各分量进行累加求和，获得待识别图像的第二数据；
对所述特征向量与所述特征向量的点积运算结果进行同态加密，获得待识别图像的第三数据；
S3：基于所述N个录入图像的第二数据和所述待识别图像的第二数据，筛选出T个录入图像，其中T<N；
S4：基于所述T个录入图像的第三数据、所述T个录入图像的第一数据、所述待识别图像的第三数据以及所述待识别图像的第一数据计算获得T个加密欧式距离；
S5：对所述T个加密欧式距离进行解密获得T个欧氏距离；
基于所述T个欧氏距离与预设阈值判断待识别图像是否识别成功。
优选的，加密欧式距离的计算公式为:
；
其中，E表示同态加密算法；表示录入图像i与待识别图像之间的欧氏距离，所述录入图像i为所述T个录入图像中的某一图像；/>表示待识别图像的特征向量；/>表示录入图像i的特征向量；/>表示特征向量维度；/>表示待识别图像的第三数据；/>表示录入图像i的第三数据；，/>表示录入图像i的第一数据；，/>表示待识别图像的第一数据。
优选的，S3进一步包括：计算所述N个录入图像的第二数据分别与所述待识别图像的第二数据之间的差值绝对值，筛选出T个差值绝对值最小的录入图像。
优选的，S5进一步包括：若T个欧式距离中的某一欧氏距离小于预设阈值，则待识别图像识别成功。
优选的，S1中录入图像的特征向量基于图像识别算法获得。
优选的，S2中待识别图像的特征向量基于图像识别算法获得。
优选的，S1还包括以下步骤：将客户端计算出的录入图像的第一数据、录入图像的第二数据以及录入图像的第三数据发送至服务器端进行保存。
优选的，S2还包括以下步骤：将客户端计算出的待识别图像的第一数据、待识别图像的第二数据以及待识别图像的第三数据发送至服务器端进行保存。
优选的，S3和S4均在服务器端实现。
优选的，S5进一步包括：服务器端将T个加密欧式距离发送给客户端，客户端对T个加密欧式距离解密获得T个欧式距离，若T个欧式距离中的某一欧氏距离小于预设阈值，则待识别图像识别成功。
经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种安全高效的图像识别方法，其可以获得以下有益技术效果；
1、本发明使用同态加密算法对图像进行加密，可以防止图像隐私信息被泄露，提高了图像识别的安全性。
2、本发明在明文下比较第二数据，初步筛选出用于计算加密欧式距离的录入图像，可以显著缩减计算加密欧式距离的数量，进而提高了待识别图像的识别效率。
3、本发明在客户端提前计算各录入图像的第三数据，可以节省服务器端计算各录入图像的第三数据的开销，进而进一步提高了待识别图像的识别效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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，还可以根据提供的附图获得其他的附图。
图1为本发明提供的图像识别方法流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例公开了一种安全高效的图像识别方法，包括以下步骤：
客户端基于图像识别算法获取录入图像的特征向量；
客户端对所述特征向量的各分量进行同态加密，获得录入图像的第一数据/>；
客户端对所述特征向量的各分量进行累加求和，获得录入图像的第二数据；
客户端对所述特征向量与所述特征向量/>的点积运算结果进行同态加密，获得录入图像的第三数据；
需要说明的是：所述特征向量与所述特征向量的点积运算结果/>；
所述录入图像包括N个，所述N个录入图像均进行上述操作，其中N大于等于2；
客户端将录入图像的第一数据、录入图像的第二数据以及录入图像的第三数据发送至服务器端进行保存。
客户端基于图像识别算法获取待识别图像的特征向量；
客户端对所述特征向量的各分量进行同态加密，获得待识别图像的第一数据/>；
客户端对所述特征向量的各分量进行累加求和，获得待识别图像的第二数据/>；
客户端对所述特征向量与所述特征向量/>的点积运算结果进行同态加密，获得待识别图像的第三数据；
需要说明的是：所述特征向量与所述特征向量的点积运算结果/>；
客户端将待识别图像的第一数据、待识别图像的第二数据以及待识别图像的第三数据发送至服务器端进行保存。
服务器端基于所述N个录入图像的第二数据和所述待识别图像的第二数据，筛选出T个录入图像，其中T<N；
在某一实施例中，服务器端计算所述N个录入图像的第二数据分别与所述待识别图像的第二数据之间的差值绝对值，筛选出T个差值绝对值最小的录入图像。
其中，计算某一录入图像i（N个录入图像中的某一个）的第二数据与所述待识别图像的第二数据的差值绝对值公式为：。
服务器端基于所述T个录入图像的第三数据、所述T个录入图像的第一数据、所述待识别图像的第三数据以及所述待识别图像的第一数据计算获得T个加密欧式距离；
在某一实施例中，服务器端计算某一录入图像i（T个录入图像中的某一个）与所述待识别图像之间的加密欧式距离的公式为:
其中，E表示同态加密算法；表示录入图像i与待识别图像之间的欧氏距离，所述录入图像i为所述T个录入图像中的某一图像；/>表示待识别图像的特征向量；/>表示录入图像i的特征向量；/>表示特征向量维度；/>表示待识别图像的第三数据；/>表示录入图像i的第三数据；，/>表示录入图像i的第一数据；，/>表示待识别图像的第一数据。
服务器端将T个加密欧式距离发送给客户端；
客户端对所述T个加密欧式距离进行解密获得T个欧氏距离；
客户端基于所述T个欧氏距离与预设阈值判断待识别图像是否识别成功。
在某一实施例中，若T个欧式距离中的某一欧氏距离小于所述预设阈值（图像识别算法中设定的阈值），则待识别图像识别成功。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种安全高效的图像识别方法，其特征在于，包括以下步骤：
S1：获取录入图像的特征向量；
对所述特征向量的各分量进行同态加密，获得录入图像的第一数据；
对所述特征向量的各分量进行累加求和，获得录入图像的第二数据；
对所述特征向量与所述特征向量的点积运算结果进行同态加密，获得录入图像的第三数据；
所述录入图像包括N个，所述N个录入图像均进行上述操作，其中N大于等于2；
S2：获取待识别图像的特征向量；
对所述特征向量的各分量进行同态加密，获得待识别图像的第一数据；
对所述特征向量的各分量进行累加求和，获得待识别图像的第二数据；
对所述特征向量与所述特征向量的点积运算结果进行同态加密，获得待识别图像的第三数据；
S3：基于所述N个录入图像的第二数据和所述待识别图像的第二数据，筛选出T个录入图像，其中T<N；
S4：基于所述T个录入图像的第三数据、所述T个录入图像的第一数据、所述待识别图像的第三数据以及所述待识别图像的第一数据计算获得T个加密欧式距离；
S5：对所述T个加密欧式距离进行解密获得T个欧氏距离；
基于所述T个欧氏距离与预设阈值判断待识别图像是否识别成功。
2.根据权利要求1所述的安全高效的图像识别方法，其特征在于，加密欧式距离的计算公式为:
；
其中，E表示同态加密算法；表示录入图像i与待识别图像之间的欧氏距离，所述录入图像i为所述T个录入图像中的某一图像；/>表示待识别图像的特征向量；表示录入图像i的特征向量；/>表示特征向量维度；/>表示待识别图像的第三数据；/>表示录入图像i的第三数据；，/>表示录入图像i的第一数据；，/>表示待识别图像的第一数据。
3.根据权利要求1所述的安全高效的图像识别方法，其特征在于，S3进一步包括：计算所述N个录入图像的第二数据分别与所述待识别图像的第二数据之间的差值绝对值，筛选出T个差值绝对值最小的录入图像。
4.根据权利要求1所述的安全高效的图像识别方法，其特征在于，S5进一步包括：若T个欧式距离中的某一欧氏距离小于预设阈值，则待识别图像识别成功。
5.根据权利要求1所述的安全高效的图像识别方法，其特征在于，S1中录入图像的特征向量基于图像识别算法获得。
6.根据权利要求1所述的安全高效的图像识别方法，其特征在于，S2中待识别图像的特征向量基于图像识别算法获得。
7.根据权利要求1所述的安全高效的图像识别方法，其特征在于，S1还包括以下步骤：将客户端计算出的录入图像的第一数据、录入图像的第二数据以及录入图像的第三数据发送至服务器端进行保存。
8.根据权利要求7所述的安全高效的图像识别方法，其特征在于，S2还包括以下步骤：将客户端计算出的待识别图像的第一数据、待识别图像的第二数据以及待识别图像的第三数据发送至服务器端进行保存。
9.根据权利要求8所述的安全高效的图像识别方法，其特征在于，S3和S4均在服务器端实现。
10.根据权利要求7-9任意一项所述的安全高效的图像识别方法，其特征在于，S5进一步包括：服务器端将T个加密欧式距离发送给客户端，客户端对T个加密欧式距离解密获得T个欧式距离，若T个欧式距离中的某一欧氏距离小于预设阈值，则待识别图像识别成功。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311465812.9A CN117201698B (zh) | 2023-11-07 | 2023-11-07 | 一种安全高效的图像识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311465812.9A CN117201698B (zh) | 2023-11-07 | 2023-11-07 | 一种安全高效的图像识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117201698A CN117201698A (zh) | 2023-12-08 |
| CN117201698B true CN117201698B (zh) | 2024-01-12 |
Family
ID=88996485
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311465812.9A Active CN117201698B (zh) | 2023-11-07 | 2023-11-07 | 一种安全高效的图像识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117201698B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017012175A1 (zh) * | 2015-07-23 | 2017-01-26 | 宇龙计算机通信科技(深圳)有限公司 | 身份认证方法、身份认证系统、终端和服务器 |
| CN108830284A (zh) * | 2018-06-27 | 2018-11-16 | 电子科技大学 | 基于密文图像灰度直方图向量的图像识别方法 |
| CN111241514A (zh) * | 2020-01-14 | 2020-06-05 | 浙江理工大学 | 一种基于人脸验证系统的安全人脸验证方法 |
| CN112215158A (zh) * | 2020-10-13 | 2021-01-12 | 中山大学 | 云环境下融合全同态加密和离散小波变换的人脸识别方法 |
| CN112215165A (zh) * | 2020-10-13 | 2021-01-12 | 中山大学 | 一种同态加密下基于小波降维的人脸识别方法 |
| CN114978623A (zh) * | 2022-05-06 | 2022-08-30 | 支付宝(杭州)信息技术有限公司 | 一种基于隐私保护的人脸比对方法及装置 |
| CN115733615A (zh) * | 2022-10-28 | 2023-03-03 | 支付宝(杭州)信息技术有限公司 | 一种生物特征识别方法及系统 |
| WO2023128345A1 (ko) * | 2021-12-30 | 2023-07-06 | 주식회사 디사일로 | 동형 암호화된 이미지를 이용한 개인 식별 방법 및 시스템 |
-
2023
- 2023-11-07 CN CN202311465812.9A patent/CN117201698B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017012175A1 (zh) * | 2015-07-23 | 2017-01-26 | 宇龙计算机通信科技(深圳)有限公司 | 身份认证方法、身份认证系统、终端和服务器 |
| CN108830284A (zh) * | 2018-06-27 | 2018-11-16 | 电子科技大学 | 基于密文图像灰度直方图向量的图像识别方法 |
| CN111241514A (zh) * | 2020-01-14 | 2020-06-05 | 浙江理工大学 | 一种基于人脸验证系统的安全人脸验证方法 |
| CN112215158A (zh) * | 2020-10-13 | 2021-01-12 | 中山大学 | 云环境下融合全同态加密和离散小波变换的人脸识别方法 |
| CN112215165A (zh) * | 2020-10-13 | 2021-01-12 | 中山大学 | 一种同态加密下基于小波降维的人脸识别方法 |
| WO2023128345A1 (ko) * | 2021-12-30 | 2023-07-06 | 주식회사 디사일로 | 동형 암호화된 이미지를 이용한 개인 식별 방법 및 시스템 |
| CN114978623A (zh) * | 2022-05-06 | 2022-08-30 | 支付宝(杭州)信息技术有限公司 | 一种基于隐私保护的人脸比对方法及装置 |
| CN115733615A (zh) * | 2022-10-28 | 2023-03-03 | 支付宝(杭州)信息技术有限公司 | 一种生物特征识别方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117201698A (zh) | 2023-12-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10374789B2 (en) | Encrypting and decrypting information | |
| US8837769B2 (en) | Video signature based on image hashing and shot detection | |
| EP3046286B1 (en) | Information processing method, program, and information processing apparatus | |
| Lacharme et al. | Preimage attack on biohashing | |
| US20130212645A1 (en) | Information authentication method and information authentication system | |
| CN108846816B (zh) | 一种密文域图像修复方法 | |
| CN114553499B (zh) | 一种图像加密、图像处理方法、装置、设备及介质 | |
| CN108038488B (zh) | 基于sift和lbp混合的鲁棒性图像哈希方法 | |
| CN111931145A (zh) | 人脸加密方法、识别方法、装置、电子设备及存储介质 | |
| CN113824900A (zh) | 一种云端视频剪辑系统 | |
| CN111291781B (zh) | 基于支持向量机的加密图像分类方法 | |
| CN115761840A (zh) | 基于大数据平台下的人脸识别保护系统 | |
| CN117201698B (zh) | 一种安全高效的图像识别方法 | |
| Xue et al. | SSL: A novel image hashing technique using SIFT keypoints with saliency detection and LBP feature extraction against combinatorial manipulations | |
| CN117131520A (zh) | 基于动态掩膜和生成恢复的两阶段图像隐私保护方法与系统 | |
| CN114978623B (zh) | 一种基于隐私保护的人脸比对方法及装置 | |
| Yachongka et al. | Reliability function and strong converse of biometrical identification systems | |
| Shin et al. | Content based image authentication using HOG feature descriptor | |
| CN113761570B (zh) | 一种面向隐私求交的数据交互方法 | |
| CN115733615A (zh) | 一种生物特征识别方法及系统 | |
| CN112669068B (zh) | 基于大数据的市场调研数据传输方法及系统 | |
| Shen et al. | A novel approach by applying image authentication technique on a digital document | |
| CN113705537A (zh) | 用户身份认证方法及装置 | |
| Kauba et al. | Image segmentation based visual security evaluation | |
| Lou et al. | Digital signature-based image authentication |
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 |