(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210605831.6 (22)申请日 2022.05.30 (71)申请人 杭州电子科技大 学上虞科学与工程 研究院有限公司 地址 312399 浙江省绍兴 市上虞区曹娥街 道五星西路外五甲村上虞产教融合创 新园1期复兴西路7 7号 (72)发明人 许舒颖　张靖群　张真诚　许益综　 (74)专利代理 机构 杭州求是专利事务所有限公 司 33200 专利代理师 傅朝栋　张法高 (51)Int.Cl. H04L 9/32(2006.01) H04L 9/40(2022.01) (54)发明名称 一种基于循环学习的人脸匿名方法 (57)摘要 本发明提出了一种基于循环学习的人脸匿 名方法。 本发 明提出了一个基于循环学习的面部 生物特征可逆匿名化方案来保护公共网络空间 中传输的面部特征， 它由去识别系统(De ‑ID系 统)和重新识别系统(Re ‑ID系统)组成。 De ‑ID系 统对敏感的面部特征进行去识别， 使其以与现实 世界完全不同的形式存在于公共网络空间中， 从 而有效地防止因真实的脸部特征的暴露而产生 的威胁。 基于循环学习的可逆性， Re ‑ID系统几乎 无损地恢复了去识别的面部特征， 确保了人脸图 像的认证效用。 此外， 该模型还提供了全局和局 部匿名化策略， 以应对不同用户的需求。 实验结 果显示， 与其他现有技术比较， 本发明提出的方 案不仅能够在公开网络中有效匿名脸部特征， 而 且不影响脸部图像的实际使用。 权利要求书2页 说明书6页 附图4页 CN 115021933 A 2022.09.06 CN 115021933 A 1.一种基于循环学习的人脸匿名方法， 其特 征在于， 具体步骤如下： S1： 图像拥有者 根据敏感的面部特 征， 选择对应的匿名标签； S2： 图像拥有者将匿名标签和待去辨识的原始图像送入去辨识化系统， 去辨识化系统 返回去辨识图像和认证秘钥； S3： 图像拥有者传输去辨识图像至公开网络， 并将认证秘钥和匿名标签交给第三方认 证者； S4： 第三方认证者接收图像拥有者传送的认证秘钥和匿名标签， 并从公开网络中接收 去辨识图像； S5： 第三方认证者将匿名标签、 认证秘钥和去辨识图像送入恢 复辨识化系统， 恢复辨识 化系统返回恢复辨识图像。 2.根据权利要求1所述的一种基于循环学习的人脸匿名方法， 其特征在于， 所述S1中， 图像拥有者 根据敏感的面部特 征， 选择对应的匿名标签的方法如下： 假设人脸图像中包含N个面部特征， 匿名标签为{l,l∈[0,N]}， 其中l＝0和l∈[1,N]分 别表示全局匿名模式和局部 匿名模式； 图像拥有者依据全局匿名或者局部 匿名的实际需求 选择相应的匿名标签l。 3.根据权利要求2所述的一种基于循环学习的人脸匿名方法， 其特征在于， 所述全局匿 名模式通过像素级别的置乱使得脸部特征以覆盖的方式被有效保护， 优选为采用全脸马赛 克； 而局部 匿名模式通过在同一特征内进 行特征域转换使得脸部图像以误导的方式被有效 保护， 优选为对性别特 征、 年龄特 征、 肤色特 征进行转变。 4.根据权利要求2所述的一种基于循环学习的人脸匿名方法， 其特征在于， 所述S2中， 图像拥有者将匿名标签和待去辨识的原始图像送入去辨识化系统， 去辨识 化系统返回去辨 识图像和认证秘钥的方法如下： 图像拥有者将待去辨识的原始图像X和匿名标签l同时送入去辨识化系 统De‑ID中， 获 得去辨识图像Y＝De ‑ID(X|l)和认证秘钥Kp； 其中， 当l＝0的时候,原始人脸图像被全局马 赛克， 去辨识图像Y＝De ‑ID(X|l)必须满足X≠Y； 当l∈[1,N]的时候,原始人脸中第l个面部 特征被置乱， 去辨识图像Y＝De ‑ID(X|l)必须满足 表示从指定图像中取 出指定特征的操作； 所述认证秘钥Kp为去辨识化系统和恢复辨识化系统生成的内部认证编 码， 用于权限认证。 5.根据权利要求3所述的一种基于循环学习的人脸匿名方法， 其特征在于， 所述认证秘 钥为随机 长度的二进制编码。 6.根据权利要求4所述的一种基于循环学习的人脸匿名方法， 其特征在于， 所述S3中， 图像拥有者传输去辨识图像至公开网络， 并将认证秘钥和匿名标签交给第三方认证者的方 法如下： 图像拥有者将获得的去辨识图像Y＝De ‑ID(X|l)上传到公开网络， 使得去辨识图像以 不同于原始形态的方式存在于公开网络 当中， 非法脸部特征获取软件无法通过去辨识图像 获取得到面部的信息； 同时， 图像拥有者将认证秘钥Kp和匿名标签l交第三方认证者， 用于 供第三方认证者对去辨识图像进行恢复辨识。 7.根据权利要求6所述的一种基于循环学习的人脸匿名方法， 其特征在于， 所述第 三方 认证者为银行或其他需要进行人脸认证的机构。权　利　要　求　书 1/2 页 2 CN 115021933 A 28.根据权利要求6所述的一种基于循环学习的人脸匿名方法， 其特征在于， 所述S4中， 第三方认证者接收图像拥有者传送的认证秘钥和匿名标签， 并从公开网络中接收去辨识图 像的方法如下： 第三方认证者接收图像拥有者传送的认证秘钥Kp和匿名标签{l,l∈[0,N]}， 之后从公 开网络中接收去辨识图像Y＝De ‑ID(X|l)。 9.根据权利要求8所述的一种基于循环学习的人脸匿名方法， 其特征在于， 所述S5中， 第三方认证者将匿名标签、 认证秘钥和去辨识图像送入恢复辨识化系统， 恢复辨识化系统 返回恢复辨识图像的方法如下： 第三方认证者将接受到的认证秘钥Kp、 匿名标签{l,l∈[0,N]}和去辨识化图像Y＝De ‑ ID(X|l)一同送入恢复辨识化系统Re ‑ID， 恢复辨识化系统传回恢复辨识图像 其中， 当l＝0的时候,被全局马赛克的人脸图像被恢复， 去辨识图像 必须满足 当l∈[1,N]的时候,原始人脸中被置乱的第l个面部特征 被恢复， 恢复辨识图像 必须满足 其中“≈”代表两个图像 应当无限接 近。 10.根据权利要求1～9任一所述的基于循环学习的人脸匿名方法， 其特征在于， 所述去 辨识化系统De ‑ID和恢复辨识化系统Re ‑ID分别采用经过训练后的CycleGAN网络中的两个 辨识器。权　利　要　求　书 2/2 页 3 CN 115021933 A 3