[发明专利]基于分裂学习的图像数据保护方法、系统及电子设备

权利要求书

1.一种基于分裂学习的图像数据保护方法，其特征在于，所述方法包括：

获取原始图像数据，并确定所述原始图像数据对应的初始嵌入特征；

将所述原始图像数据与预设的噪声数据进行叠加得到扰动图像，并确定所述扰动图像对应的扰动嵌入特征；其中，所述预设的噪声数据通过已训练完成的生成器所生成的；

将所述初始嵌入特征和所述扰动嵌入特征输入至已训练完成的鉴别器中得到特征相似性结果，并将满足预设阈值的所述特征相似结果对应的所述扰动嵌入特征进行聚合。

2.根据权利要求1所述的基于分裂学习的图像数据保护方法，其特征在于，所述生成器的训练过程，包括：

在先验分布P_prior(x)中选取噪声{z¹,z²,…z^m}作为所述生成器G(ω)的噪声向量；

将所述噪声向量输入至已初始化的所述生成器中，所述生成器将所述噪声向量前向传播输出噪声数据P_c，并将所述生成器进行重构；

将所述原始图像数据I_c与所述噪声数据P_c进行叠加得到扰动图像I_p，并利用扰动图像I_p与目标扰动图像I_t构建损失函数；所述损失函数为：

其中，loss为所述生成器的损失函数；M为客户端子模型；D为鉴别器模型；m为样本数量；

利用所述损失函数计算所述生成器的损失值，当所述损失值满足预设阈值时停止训练。

3.根据权利要求1所述的基于分裂学习的图像数据保护方法，其特征在于，将所述原始图像数据与预设的噪声数据进行叠加得到扰动图像之后，所述方法还包括：对所述扰动图像进行预处理操作；其中，对所述扰动图像进行预处理操作，包括：

获取所述扰动图像I_p；

利用线性归一化算式对所述扰动图像进行归一化操作，将所述扰动图像I_p的像素值进行约束；其中，所述线性归一化算式为：

4.根据权利要求1所述的基于分裂学习的图像数据保护方法，其特征在于，所述鉴别器的训练过程，包括：

利用子模型M(θ)分别在所述原始图像数据I_C以及所述扰动图像I_p进行提取特征，获得初始嵌入特征F_C以及扰动嵌入特征F_p；

将所述初始嵌入特征F_C以及所述扰动嵌入特征F_p输入至已初始化的鉴别器D(ψ)中；并将所述扰动嵌入特征F_p对应的标签设置为0，所述初始嵌入特征F_C对应的标签设置为1；

利用预设的损失函数计算所述鉴别器的损失值，当所述损失值满足预设阈值时停止训练；其中，所述损失函数为：

其中，loss为所述鉴别器的损失函数。

5.根据权利要求1所述的基于分裂学习的图像数据保护方法，其特征在于，将所述初始嵌入特征和所述扰动嵌入特征输入至已训练完成的鉴别器中得到特征相似性结果，包括：

获取所述初始嵌入特征F_C以及所述扰动嵌入特征F_p；

利用数据拼接和/或数据平均的方式来对服务端中各个客户端上传的所述初始嵌入特征F_C以及所述扰动嵌入特征F_p进行聚合；

将已完成聚合的所述扰动嵌入特征F_p进行前向传播得到所述特征相似性结果，并实时更新所述服务端以及所述客户端的参数。

6.根据权利要求1所述的基于分裂学习的图像数据保护方法，其特征在于，将所述原始图像数据与预设的噪声数据进行叠加得到扰动图像之后，还包括：

对所述扰动图像进行降噪处理，生成所述扰动图像的降噪图像；

将所述降噪图像进行归一化计算，得到归一化计算结果；所述归一化计算结果用于确定所述扰动图像对应的所述扰动嵌入特征。