基于稀疏表示的云环境中人脸图像隐秘识别方法
【技术领域】
[0001] 本发明属于密码学、计算机视觉领域，特别是隐秘人脸识别的方法，具体地说是基 于稀疏表示的云环境中人脸图像隐秘识别方法。
【背景技术】
[0002] 人脸识别在视频监控和安全中扮演着重要的角色。随着计算机技术的快速发展， 云计算已经改变了传统的人脸识别系统的方式。视频及人脸图像大数据和强大的人脸识别 系统存储在云端并在云端运行，这提供了一个广泛的应用比如人脸搜索，犯罪嫌疑人搜索。 然而，大量的检测摄像头分布在公共场所中，人们的隐私完全暴露无疑。嫌疑人搜查应用可 能会被不法分子利用去搜查他们想找到的人。一旦人脸识别系统连接到一个通用的数据库 如身份证，某些人就可以如愿以偿的去搜索民众。另一方面犯罪嫌疑人数据库也可能暴露 甚至造成更多的犯罪。
[0003] Paillier体制是一种具有语义安全的加同态公钥密码系统，所以常用于构造安全 多方计算基础协议，如点积协议、OT协议等。若把密码体制中加密操作记为E pk (·)，解密操 作记为Dpk (·)，那么语义安全性是指若对任意消息m。、Hi1，不存在任何多项式时间算法区分 EPk(m〇)和 Epk(IH1)，加同态性是指 Epk (X，r!) · Epk (y，r2) = Epk (x+y，T1 · γ2)，Γ!，r2是随机数， 根据Paillier算法的理论知识容易验证Paillier体制具有语义安全性和加同态性。
[0004] 不经意传输协议是一种可保护隐私的密码协议，亦是一种可保护隐私的双方通信 协议，能使通信双方以一种选择模糊化的方式传送消息。可以简单地理解为，不经意传输能 够使得通信双方以一种不经意的方式传送消息。在特定的场合和需要下，为保护用户的隐 私不经意传输提供了一种现实的选择。
【发明内容】
[0005] 本发明要解决技术问题为：克服现有技术的不足，提供一种基于稀疏表示的云环 境中人脸图像隐秘识别方法，该方法能够有效提高安全人脸识别的计算效率，而且可以有 效抵抗基于图像块恢复图像的攻击。
[0006] 本发明采用的技术方案为：一种基于稀疏表示的云环境中人脸图像隐秘识别方 法，实现步骤如下：
[0007] (1)训练样本共100幅人脸图像训练人脸字典；
[0008] (2)客户端和服务器端分别计算其图像的稀疏表示向量；
[0009] (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；
[0010] (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；
[0011] (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。
[0012] 其中，所述步骤（1)和（2)的图像人脸字典和系数向量采取以下步骤：
[0013] (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；
[0014] (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（压缩后为18个像素值）顺序排列，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；
[0015] (13)将kX j大小的人脸图像看作是一个列向量V e Rm(m = kj)。用矩
表不第i类中的所有训练样本，它的每一列表不 该类别中的一个训练样本，&表示该类别中的所有训练样本的个数，训练样本矩阵
测试样本y可重新表示为y = Ax e Rm;
[0016] (14)最后解出最稀疏的解得到稀疏表示向量。
[0017] 其中，步骤（3)所述的计算欧氏距离的方法采取以下步骤：
[0018] (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；
[0019] (22)服务器端接收到机密的两个向量后，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；
[0020] (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。
[0021] 其中，步骤（4)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：
[0022] (31)客户端生成对称秘钥的私钥，服务器端生成多个非对称秘钥的公私钥对，客 户端选择一个公钥对其私钥进行加密发送给服务器端；
[0023] (32)服务器用其所有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；
[0024] (33)客户端用对称秘钥选择其可以解密的密文解密得到是否匹配的信息。
[0025] 本发明的原理在于：
[0026] 根据目前隐秘人脸识别方案的缺陷和不足，可以总结出设计基于稀疏表示的隐秘 人脸识别算法一些规则，如下所述：
[0027] (1)与任何生物统计数据一样，由终端所获取的图像和存在的列表图像之间同一 个人中，不可能完全匹配。因此，必须使用一个实用性强的人脸识别算法。
[0028] (2)人脸的匹配工作必须在一个隐私保护的方式下来完成。即，云端和终端都不会 获知除了终端的输入与云端列表中人脸是否匹配之外的任何信息。实现这一目标需要寻找 一个人脸部识别算法，该算法在不同光照，表情等条件下都能表现出很好的识别鲁棒性，并 且还可以支持安全计算协议；
[0029] (3)隐秘人脸识别方案的结构安全性非常重要，一些结构的缺陷能够暴露人脸图 像的信息，公共数据库完全被暴露也是有可能的；
[0030] (4)人脸识别算法通常使用的数据表示在实数域，而安全协议工作在有限域，现有 的人脸识别方法转换到有限域可能会导致退化。现有的加密算法中能够实现的数学运算也 是很有限制的。
[0031] 根据上述规则，本发明利用稀疏表示、Paillier同态加密、欧氏距离和不经意传输 (OT)，设计了一种新的隐秘人脸识别方案。在该方案中，稀疏表示用来生成人脸图像表示 向量，然后生成向量利用同态加计算向量之间的欧氏距离，最后经过OT操作将结果返回给 客户端。为了增强识别的鲁棒性，由稀疏表示来生成人脸表示向量，然后进行相似性比较运 算，这能够有效地缩短向量的维数并且提高加密的效率。不经意传输的实现是利用对称加 密和非对称加密。实验分析表明隐秘稀疏表示人脸识别，能够适合实际的人脸识别应用。
[0032] 本发明与现有的技术相比，其优势在于：
[0033] (1)算法在不同光照，表情等条件下都能表现出很好的识别鲁棒性，并且还可以支 持安全计算协议；
[0034] (2)利用人脸稀疏表示和欧氏距离打破了只有二进制向量才能够做隐秘条件下的 人脸识别的定论，提高了算法的效率，降低了人脸表示向量的维数，并且程序缩短了测试的 时间，也可以有