本技术涉及人脸识别技术领域,公开基于PRO‑FaceS的人脸图像安全加密与认证方法,包括步骤:终端设备计算原始人脸图像的感知Hash函数值,生成密钥,基于PRO‑FaceS人脸加密模型和密钥对原始人脸图像加密,生成保护人脸图像;终端设备将感知Hash函数值和保护人脸图像存储至服务器;用户将需要认证的人脸图像上传至终端设备,终端设备计算感知Hash函数值并传入服务器,服务器根据感知Hash函数值定位相应的保护人脸图像,将保护人脸图像返回给终端设备;终端设备使用密钥对保护人脸图像进行图像恢复处理,计算恢复人脸图像和原始人脸图像的欧氏距离,得出认证结果。本发明结合安全性、可逆性的方法保护面部隐私。
背景技术
随着人脸识别技术的不断进步,公众生活的便捷性得到了极大的提升。然而,这项技术的负面影响也引发了人们对面部隐私保护的日益关注。无处不在的面部数据收集,导致个人面部信息广泛传播,不仅增加了个人信息泄漏的风险,还会导致数据滥用,对个人隐私和安全构成严重威胁。
在过去数十年中,为了抵御未经授权的识别系统带来的隐私威胁,面部隐私保护技术(如人脸匿名化、去身份化或去ID技术)得到了深入研究。早期的面部隐私保护技术主要通过传统的模糊手段来模糊图像中的面部特征,通过基于滤波的混淆技术、图像遮挡方法,以及多种图像变换技术等实现人脸图像混淆。这些方法在视觉隐私保护上效果显著且操作简单,但在保持图像自然性方面存在局限,且易于遭受图像重建攻击。随着深度学习技术的不断进步,特别是生成对抗网络(GAN,Generative Adversarial Networks)等深度生成模型的兴起,研究者们开始转向探索更为自然和实用的面部隐私保护生成方法,但由于应用了粗糙的GAN机制,视觉质量也通常不能令人满意。近年来,图像加密方法已经被广泛研究,以应对需要对原始图像进行取证的场景。然而,受隐私保护的面孔的多样性限制,一次迭代或转变模型无法产生不同的独特身份。利用预处理的模板作为隐私保护过程的目标,使得受保护的图像能够紧密的反映预定义的模板。尽管该方法在图像的自然性和可逆性方面表现出色,但所使用的生成模型计算效率较低,使用较少。因此,传统的基于模糊处理的方法在保护面部隐私的场景中仍需要改进。
实现思路