[发明专利]基于隐私保护VGG的密态图像识别方法及系统

说明书

本发明涉及一种基于隐私保护VGG的密态图像识别方法及系统，该方法首先发送方将原始图像加密成两个密态分量图像，并分别发送给第一服务器和第二服务器；而后可信服务器公开VGG网络的预训练参数、微调训练参数以及预设的超参数，生成并分发随机安全参数给第一服务器和第二服务器；然后第一服务器和第二服务器分别对两个密态分量图像执行安全卷积、激活、池化和全连接层操作；最后接收方分别接收到来自第一服务器和第二服务器的输出结果，并进行解密操作，得到密态图像的特征提取和识别结果。该方法及系统有利于提高密态图像识别的准确性和图像隐私性。

技术领域

本发明涉及深度学习技术领域，具体涉及一种基于隐私保护VGG的密态图像识别方法及系统。

背景技术

近年来，深度学习在人工智能领域取得了较大的进展，被应用于语音识别、自然语言处理、计算机视觉、图像与视频分析、多媒体等诸多领域。其中，图像识别作为人工智能的一个重要方向，在经历了文字识别、数字图像处理与识别、物体识别等三个阶段后，深度学习的发展为图像识别算法质的飞跃提供了驱动力，实现了更自然地智能交互。现有的深度学习模型属于神经网络的范畴，利用著名的反向传播算法，我们可以训练神经网络模拟大脑认知的机理解决各种目标学习任务，并不断的提高学习效率和准确率。

图像识别的关键是从图像中提取CNN特征，VGG模型是首选算法。该网络具有小卷积核、小池化核、层数更深特征图更宽以及全连接转卷积的特点，在多个迁移学习任务中的表现也要优于另一种优秀的卷积神经网络模型，GoogLeNet。随着待识别图像的特征愈加复杂，图像检测的精度愈加提高，所包含的信息隐私程度也愈高。然而，传统VGG网络的图像检测算法无法为待测图像信息提供安全保障，待检测图像信息的隐私问题亟待解决。因此，为了保证待测图像在使用VGG网络进行图像识别过程中的隐私安全性，应当设计一种隐私保护VGG方法与系统。目前，针对该网络实现待测图像隐私性的解决方案几乎没有。

发明内容

本发明的目的在于提供一种基于隐私保护VGG的密态图像识别方法及系统，该方法及系统有利于提高密态图像识别的准确性和图像隐私性。

为实现上述目的，本发明采用的技术方案是：一种基于隐私保护VGG的密态图像识别方法，首先发送方α将原始图像I加密成两个密态分量图像I₁、I₂，并分别发送给第一服务器S₁和第二服务器S₂；而后可信服务器T公开VGG网络的预训练参数、微调训练参数以及预设的超参数，生成并分发随机安全参数给第一服务器S₁和第二服务器S₂；然后第一服务器S₁和第二服务器S₂分别对两个密态分量图像I₁、I₂执行安全卷积、激活、池化和全连接层操作；最后接收方β分别接收到来自第一服务器S₁和第二服务器S₂的输出结果O₁、O₂，并进行解密操作，得到密态图像的特征提取和识别结果O＝O₁+O₂。

进一步地，发送方α采用(2,2)-秘密分割门限方案将原始图像I加密成两个密态分量图像I₁、I₂，其方法为：

对于一个原始图像I，发送方α利用随机数生成器生成一个与原图尺寸大小相同的随机像素矩阵，即密态分量图像I₁，并发送给第一服务器S₁，然后用原始图像I减去密态分量图像I₁，得到密态分量图像I₂，并发送给第二服务器S₂，其中随机数的选择域范围为[-2^n-1,2^n-1-1]，n＝8,16,32,...。