[发明专利]可保护隐私的模型更新方法、对象识别方法、系统、装置、介质和设备

说明书

本发明的实施方式提供了一种可保护隐私的模型更新方法、对象识别方法、系统、装置、介质和设备。该方法包括：将待识别对象的特征数据分割为两个子特征数据；将两个子特征数据分别发送至两个不同的存储节点，两个不同的存储节点均具备安全多方计算能力；两个不同的存储节点分别设置有第一特征库和第二特征库；任一特征库中均存储有已录入对象的子特征数据，不同特征库中存储的同一对象的子特征数据不同，各个特征库中存储的同一对象的子特征数据合并时可还原出完整的特征数据；基于第一特征库、第二特征库和两个子特征数据，利用安全多方计算方式进行相似度计算，得到识别结果。本发明能保护对象的隐私，降低了对个人信息安全的威胁。

技术领域

本发明的实施方式涉及人脸识别技术领域，更具体地，本发明的实施方式涉及一种可保护隐私的模型更新方法、对象识别方法、系统、装置、介质和设备。

背景技术

本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

对象识别(尤其是生物特征识别)技术发展速度较快，在行政、金融、公共安全、交通等各个领域均有所运用，为人们的生活带来了一定的便利，例如通过人脸识别、虹膜识别、指纹识别、声纹识别或车牌识别进行活体或身份验证。然而，随着对象识别技术的应用不断深入人们的日常生活，为了进行对象识别所采集的数据不可避免的出现被滥用的情况，例如采集到的人脸数据可能被窃取或被恶意泄露，从而导致人们的个人信息的安全受到极大的威胁。

发明内容

在本上下文中，本发明的实施方式期望提供一种可保护隐私的模型更新方法、对象识别方法、系统、装置、介质和设备。

在本发明实施方式的第一方面中，提供了一种可保护隐私的对象识别方法，包括：

将待识别对象的特征数据分割为两个子特征数据；

将所述两个子特征数据分别发送至两个不同的存储节点，所述两个不同的存储节点均具备安全多方计算能力；

所述两个不同的存储节点分别设置有第一特征库和第二特征库；

任一特征库中均存储有已录入对象的子特征数据，不同特征库中存储的同一对象的子特征数据不同，各个特征库中存储的同一对象的子特征数据合并时可还原出完整的特征数据；

基于所述第一特征库、所述第二特征库和所述两个子特征数据，利用安全多方计算方式进行相似度计算，得到识别结果。

在本实施方式的一个实施例中，将所述两个子特征数据分别发送至两个不同的存储节点，所述两个不同的存储节点均具备安全多方计算能力，包括：

对所述两个子特征数据分别进行加密操作，得到两个加密子特征数据；

将所述两个加密子特征数据分别发送至两个不同的存储节点，所述两个不同的存储节点均具备安全多方计算能力。

在本实施方式的一个实施例中，对所述两个子特征数据分别进行加密操作，得到两个加密子特征数据，包括：

对所述两个子特征数据分别进行加密操作，并对加密后的两个子特征数据分别进行压缩，得到两个加密子特征数据；或者

对所述两个子特征数据分别进行压缩，并对压缩后的两个子特征数据分别进行加密操作，得到两个加密子特征数据。

在本实施方式的一个实施例中，所述两个加密子特征数据分别为第一加密子特征数据和第二加密子特征数据，将所述两个加密子特征数据分别发送至两个不同的存储节点，包括：

将所述第一加密子特征数据发送至第一存储节点，以及将所述第二加密子特征数据发送至第二存储节点。

在本实施方式的一个实施例中，基于所述第一特征库、所述第二特征库和所述两个子特征数据，利用安全多方计算方式进行相似度计算，得到识别结果，包括：