申请/专利权人：西安电子科技大学广州研究院;西安电子科技大学;广州链融信息技术有限公司

申请日：2023-12-21

公开（公告）日：2024-04-16

公开（公告）号：CN117894084A

主分类号：G06V40/50

分类号：G06V40/50;G06V40/16;G06F21/62;G06F21/60;H04L9/40;H04L9/00;H04L9/08;H04L9/30

优先权：

专利状态码：在审-公开

法律状态：2024.04.16#公开

摘要：本发明公开了一种移动群体感知中数据隐私保护人脸情感识别方法，通过查询用户本地的运算能力进行特征的提取并加密，在云上通过数据外包的方式进行匹配，然后得到匹配的情况进行人脸表情数据的识别，涉及包括人脸特征向量提供商、两台提供强大计算能力并存储加密数据的云服务器CP、CSP和多个进行人脸情感特征识别的移动设备。本发明方法采用同态加密技术，允许在密文状态下进行特征向量匹配，从而提高了计算效率和数据隐私保护水平，降低个人隐私泄漏风险，并提供更高的隐私保护程度，具有较高的应用灵活性，可以适应不同应用场景的需求，包括医疗保健、社交媒体分析和个性化推荐等，值得推广。

主权项：1.一种移动群体感知中数据隐私保护人脸情感识别方法，其特征在于，包括人脸特征向量提供商、两台提供强大计算能力并存储加密数据的云服务器CP、CSP和多个进行人脸情感特征识别的移动设备；其包括以下步骤：步骤1、人脸特征向量提供商生成一组PaillierTD密钥对pk,sk，其中pk为公钥，sk为私钥；将私钥sk拆分为部分密钥1并记为sk1，部分密钥2并记为sk2，其中sk1和sk2满足以下方程要求：sk1+sk2≡0modsk，sk1+sk2≡1modN，采用中国剩余定理求解，到一组密钥pk,sk1,sk2，拆分后的部分私钥sk1、sk2均不能对采用公钥pk加密后的数据进行完全解密，分别发部分私钥sk1给CP、部分私钥sk2给CSP，公钥pk分发给进行人脸情感识别的查询用户；步骤2、将人脸特征向量提供商提供的所有含有情感标签的人脸特征向量构造KD-tree树形数据结构，构造后的树形数据结构拥有多个分层，每层的节点都存储有一部分人脸特征向量，将一个含有人脸特征向量和每个向量对应的情感标签的节点称为一个搜索空间，对每个叶子结点进行数据移除，确保KD-tree上每个搜索空间拥有相近数量的向量，对结点上数据进行按列排序，通过公钥pk加密所有数据，发送给存储数据的CP；步骤3、参与人脸情感特征识别的移动设备具有人脸特征向量提取能力，装备有摄像头及轻量模型推理能力，从而将拍照或选取的图像进行特征提取得到待人脸情感特征识别的图像的特征向量v，并通过公钥pk对特征向量v进行加密记录为查询向量Ev，将作为人脸情感特征识别请求的参数发送到CP；步骤4、CP接收到请求参数Ev后，递归计算KD-tree上当前层级所有搜索空间中存储的第一个向量与Ev的距离，选择与Ev距离最小的搜索空间，并重复上述计算和选择过程，直到当前搜索空间不可再分，此时所处的搜索空间S即为目标搜索空间，搜索空间S中含有多个人脸特征向量，按列计算每列的绝对值计算阈值，定义为一个值val满足val是当前搜索空间S中对应列的一个值，不小于当前查询请求的对应列中的最小的一个值val，该值能够依赖密文比较算法通过二分查找的方式进行比较得到，通过值val与当前列的每个值进行大小比较作差值，得到当前列对人脸特征向量的距离贡献值，将每一列的对应人脸特征向量的值进行密文求和，就能够得到查询向量Ev与搜索空间中每一个人脸特征向量的距离数组dis，提取dis中最小的k个向量，如果不足k个，则取搜索区间S中第一个人脸特征向量作为参照向量，按照最接近的k个人脸特征向量的距离作为权重，计算所有表情可能性的加权平均数，输出表情的识别结果记为ans；步骤5、由CSP生成一个随机数噪声r，发送给CP，CP将表情的识别结果加上噪声r得到由CP和CSP同时对值ans+r进行解密，由CP向查询用户返回ans+r的解密结果，由CSP返回噪声r，查询用户去除噪声则得到了最终的表情识别结果。

全文数据：

权利要求：

百度查询： 西安电子科技大学广州研究院;西安电子科技大学;广州链融信息技术有限公司 一种移动群体感知中数据隐私保护人脸情感识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD