效抵抗基于图像块恢复原始图像的攻击。
[0035] (3)人脸识别方案结构简单，易于实现。
【附图说明】
[0036] 图1是本发明应用场景图；
[0037] 图2是本发明方案流程图。
【具体实施方式】：
[0038] 下面结合附图和【具体实施方式】对本发明作进一步详细的说明。
[0039] Paillier同态的加和数乘性质由公式（1)和公式（2)描述：
[0044] 其中Iivm2表示两个明文，E( ·)同态方程，N = p *q，p和q是两个大素数N e Z， 随机数％5 % m e ZN，G为模η2的乘法群，gp ◎ = {w!w€ .?小随机选择g e G，使 得g满足gcd(L(gemod N2)，N) = 1，则该加密系统的公钥为（g，n)，私钥为e(N)。e(N)和 L( ·)定义如下：
[0050] 参阅图2方案流程图，本发明加密过程可以分为以下具体步骤：
[0051] 输入步骤：
[0052] 客户端输入一维人脸向量s = (s。，S1, ...，S1 D，在本发明中1 = 200,其他实验 当中可根据实际情况改变。客户端输入一组Q个一维人脸向量{s1，s2, ...，SQ}和随机数 (tp t2, . . .，tQ}对应每一个s1，双方都是到欧氏距离上限dmax。
[0053] 输出步骤：
[0054] 客户端知道索引i，欧氏距离ED(s，S1)彡h，而服务器端不知道更多的信息。
[0055] (1)客户端逐位加密人脸向量s = (s。，S1，…，S1 D和向量平方（S)2= ((S。)2， (S1)2,…，（Sl J2,发送给服务器，服务器端接收到加密结果（Epk (S0)，Epk (S1)，…，Epk (S1 D) 和（Epk ((s。)2)，Epk ((S1)2)，. . .，Epk ((S1 J2))，对于服务器端的一组嫌疑犯的每张人脸以下步 骤是重复的；
[0056] (2)对于服务器中的第i个人脸向量中的第j个元素，云端服务器计算Epk (V])其 中：
:(4)
[0059] (3)根据同态的性质，云端的服务器可以通过
(ED (s，S1)2, dEe [0, d_]。然后对每个人脸选择一个随机数Γι并计算 发送给客户端；
[0060] (4)客户端接收Epk ((ED (s，S1)) 2+Γι)并将其解密；
[0061] (5)双方使用
协议去判断是否（CIe)1S t i，在客户端计算结果R1
[0062]
[0063] (6)得出是否匹配，1表示匹配，0表示不匹配。
[0064] 总之，本发明中提出的隐秘的人脸稀疏表示识别方法能够在一个安全的协议下进 行，与此同时可以保护客户端和服务器端双方的数据安全性。本发明首次将稀疏表示应用 到隐秘人脸识别的安全协议中，这不仅降低了人脸表示向量的维数并且能抵抗基于图像块 恢复图像信息的攻击。除此之外，我们介绍了安全的欧氏距离算法，解决了非二进制向量不 能进行安全运算的难题。通过实验显示出本发明提出的方法能够有效的缩短向量的维数提 高加解密的效率，减少计算量，提高了识别效率缩短了识别时间。并且该加密方法很容易通 过软件实现，本发明可广泛应用推广到人脸识别安全存储和传输加密中。
[0065] 以上所述仅为本发明的一些基本说明，依据本发明的技术方案所做的任何等效变 换，均应属于本发明的保护范围。
【主权项】
1. 一种基于稀疏表示的云环境中人脸图像隐秘识别方法，其特征在于实现步骤： (1) 训练样本共100幅人脸图像训练人脸字典； (2) 客户端和服务器端分别计算其图像的稀疏表示向量； (3) 客户端将计算的人脸向量加密后发送给服务器，服务器计算接收向量与自身图库 中任意一个图像向量的欧氏距离的密文，并将密文发回给客户端，客户端解出欧氏距离明 文； (4) 客户端根据欧氏距离再利用不经意传输协议与服务器端进行交互； (5) 服务器端事先通过大量实验计算出数据库的每个人脸图像欧氏距离的阈值，在不 经意传输中可以将计算出的欧氏距离与相应的阈值进行比较来判断是否客户端与服务器 端的人脸匹配。2. 根据权利要求1所述的基于稀疏表示的云环境中人脸图像隐秘识别方法，其特征在 于：步骤（1)和（2)所述图像人脸字典和系数向量采取以下步骤： (11) 训练人脸字典的训练样本为20个人的5张不同人脸图像，共100幅训练样本； (12) 图像预先压缩处理后，会得到这样的一个矩阵：每一列表示一幅图像的所有像素 顺序排列，该所有像素压缩后为18个像素值，100幅人脸图像按照20个不同人的分类方式 再依次排列，经过标准化运算之后得到一个18X200的标准化矩阵，即得到人脸字典； (13) 将kXj大小的人脸图像看作是一个列向量VGRm(m=kj)，用矩阵(14) 最后解出最稀疏的解得到稀疏表示向量。3. 根据权利要求1所述的基于稀疏表示的云环境中人脸图像隐秘识别方法，其特征在 于：步骤（3)所述的计算欧氏距离的方法采取以下步骤： (21) 首先客户端对向量逐位进行平方运算，再将原向量和平方向量分别逐位进行加 密，加密的结果发送给服务器端； (22) 服务器端接收到加密的两个向量后，利用同态加的性质和欧氏距离公式计算双 方系数向量的欧氏距离，这是在密文条件下进行的，并对结果加上一个随机数发送给客户 端； (23) 客户端将密文状态下的欧氏距离与随机数的和进行解密，就得到明文状态下的欧 氏距离与随机数的和。4. 根据权利要求1所述的基于稀疏表示的云环境中人脸图像隐秘识别方法，其特征在 于：步骤（4)所述客户端利用不经意传输协议与服务器端进行交互过程采取以下步骤： (31) 客户端生成对称加密的私钥，服务器端生成多个非对称加密的公私钥对，客户端 选择一个公钥对其私钥进行加密发送给服务器端； (32) 服务器用其全部的私钥对密文进行解密，并用解密结果作为秘钥对匹配结果加 密，将多个加密结果返回给客户端； (33) 客户端用对称秘钥选择其可以解密的密文解密得到匹配结果的信息。
【专利摘要】本发明公开了一种基于稀疏表示的云环境中人脸图像隐秘识别方法，它能在安全的方式下进行，同时保护图片的隐私和数据库的隐秘性。云端的服务器保存着图像数据库，客户端获取人脸图像并需要服务器确认是否与嫌疑人匹配与此同时服务器不会获得双方更多的信息。本发明首次将稀疏表示应用于隐秘人脸识别安全协议，并介绍了一种安全的欧氏距离算法，然后利用Paillier同态加密与不经意传输算法，隐秘的比对终端和云端人脸的稀疏表示系数向量，其降低了人脸表示向量的维数也避免了基于图像块的攻击。并且该方法很容易通过软件实现，本发明可广泛应用推广到云计算、安全认证、嫌疑人追踪等中。
【IPC分类】G06K9/62, G06K9/00
【公开号】CN105046234
【申请号】CN201510472454
【发明人】金鑫, 刘妍, 赵耿, 李晓东, 郭魁, 陈迎亚, 田玉露, 叶超尘
【申请人】北京电子科技学院
【公开日】2015年11月11日
【申请日】2015年8月4日