【技術實現步驟摘要】
本專利技術涉及人臉認證，具體涉及一種基于sm4算法的隱私保護輕量化人臉認證方法。
技術介紹
1、人臉識別技術具有非常重大的理論意義和應用價值。人臉識別的研究對于圖像處理、模式識別、計算機視覺、計算機圖形學等領域的發展具有重大的推動作用，同時在生物特征認證、視頻監控、安全等各個領域也有著廣泛的應用。為人們的生活帶來了極大的便利，展現出可觀的商業價值和巨大的發展潛力。
2、然而，隨著大數據技術的不斷發展，數據以指數級上升的趨勢爆炸式增長。隨著不斷出現的隱私泄露等問題，人們對于個體隱私越來越重視，隱私保護的相關問題越來越迫切需要解決。
3、目前，人臉識別系統依舊面臨以下重要問題：數據在傳輸過程中存在被篡改或泄露風險，難以保證隱私。
4、基于此，本專利技術設計了一種基于sm4算法的隱私保護輕量化人臉認證方法以解決上述問題。
技術實現思路
1、針對現有技術所存在的上述缺點，本專利技術提供了一種基于sm4算法的隱私保護輕量化人臉認證方法。
2、為實現以上目的，本專利技術通過以下技術方案予以實現：
3、一種基于sm4算法的隱私保護輕量化人臉認證方法，包括以下步驟：
4、在初始化階段中，服務器選擇facenet模型和p-stable?lsh函數，并將其部署在每個客戶端，每個客戶端生成長期私鑰mk與時間戳、使用期限信息的合并，并將其存儲于秘密存儲區；
5、在用戶注冊階段中，用戶通過傳感器設備將人臉圖像上傳至客戶端，客
6、在身份認證過程中，客戶端得到用戶人臉圖像的哈希值和人臉特征密文后，發送至服務器；服務器根據哈希值，快速匹配到該人臉所在的分類集合，在集合中對該密文和集合中的密文逐一進行密文計算，得到相似度的密文集合，并將該集合返回給客戶端，客戶端解密后得到該人臉特征與分類集合中的元素的相似度，判斷該相似度集合中是否存在小于閾值的元素，若存在，則認證通過，協議終止；否則，客戶端將驗證不通過的結果發給服務器認證失敗。
7、更進一步的，步驟s1中，客戶端生成長期私鑰mk與時間戳、使用期限信息的合并：
8、k＝h(mk||t||pt)
9、其中，t為當前時間戳，pt為使用期限。
10、更進一步的，選擇一個隨機數r，然后選擇哈希函數h:{0,1}*→{0,1}l來生成認證信息；設ek(m)表示使用對稱加密算法ms4的密鑰k加密的m的密文，dk(m)表示使用相應對稱加密算法ms4的密鑰k解密的明文；將對稱加密算法ms4的塊大小和p-stable?lsh函數h(·)設置為20字節長，秘鑰為16字節。
11、更進一步的，步驟s2具體步驟為：
12、步驟2.1、用戶通過一個專用通道，即客戶端的攝像設備，將面部圖像和注冊請求發送給客戶端；
13、步驟2.2、客戶端從接收到面部圖像后，首先通過訓練的facenet模型提取人臉特征向量；客戶端使用p-stable?slh函數算法來得到哈希值hi；
14、然后，客戶端計算哈希值h(hi||r)，防止服務器端偽造攻擊；
15、接下來，客戶端通過對稱加密算法ms4計算用于注冊的密文數據，即ek(h(hi||r))；
16、最后，客戶端將人臉特征的密文和對應哈希值<hi,ek(h(hi||r))>發送給服務器；
17、步驟2.3、服務器在接收到<hi,ek(h(hi||r))>后，服務器根據哈希值找到數據庫db中對應的分類集合，將人臉特征的密文存入該集合中。
18、更進一步的，步驟s3具體步驟為：
19、步驟3.1、用戶向客戶端發起認證請求，客戶端收到并響應請求；
20、步驟3.2、客戶端通過攝像設備采集用戶u的多張人臉圖像
21、步驟3.3、首先載入預訓練的facenet模型，將圖片格式調整為rgb圖像，然后提取用戶的人臉圖像的人臉多維特征向量a＝{v1,v2,v3,…vn}，對a進行facenet人臉特征提取，得到生物特征向量；
22、步驟3.4、將所得到的生物特征向量通過p-stable?lsh函數得到哈希值hi；
23、步驟3.5、客戶端通過對稱加密算法ms4計算出哈希值h(hi||r)和密文數據ek(h(hi||r))；最后，客戶端向服務器發送<hi,ek(h(hi||r))>和身份驗證請求；
24、步驟3.6、服務器從客戶端接收到<hi,ek(h(hi||r))>后，服務器遍歷數據庫db中每個人臉圖像數據的哈希值，并找到最接近hi的哈希值，匹配到人臉所在的分類集合；
25、然后進行密文計算，通過歐式距離計算相似度的密文m；
26、將相似度的密文集合<hj,m||ek(h(hj||r))>發送給客戶端；
27、步驟3.7、客戶端從服務器接收到遍歷結果<hj,m||ek(h(hj||r))>后，對接收的結果進行解密，判斷返回的相似度是否在規定閾值內，如果不在規定閾值內，則用戶認證失敗；反之，則用戶認證通過。
28、更進一步的，步驟3.3中，將圖片格式調整224×224×3png格式的rgb圖像，然后提取用戶的人臉圖像的人臉多維特征向量a＝{v1,v2,v3,…vn}，對a進行facenet人臉特征提取，得到單個128維生物特征向量。
29、更進一步的，對單個128維生物特征向量進行l2norm處理。
30、更進一步的，步驟3.4中，基于p穩定分布的lsh函數族中的每個哈希函數表示為：
31、
32、更進一步的，步驟3.6中，服務器遍歷數據庫db中的每個數據項<hx,ek(h(hx||r))>(1≤x≤|db|)；計算hj＝{hx|min<hx；ek(h(hx||r)∈db|hx-hi|，得到最接近的哈希值和對應的密文，即<hj,ek(h(hj||r))>；其中，|hx-hj|表示hx與hj之間的絕對值，|db|表示數據庫db中的項數。
33、更進一步的，步驟3.6中，歐式距離公式如下：
34、
35、其中，a，b均為向量。
36、本專利技術相較于現有技術，其有益效果為：人臉特征隱私性：本專利技術使用安全加密算法sm4對數據進行加密處理，確保數據在傳輸過程中得到保護，不被篡改或泄露，從而維護數據的完整性和隱私性。在認證階段，服務器在密文狀態下進行人臉相似度計算，以確保人臉數據和相似度未被本文檔來自技高網...
【技術保護點】
1.一種基于SM4算法的隱私保護輕量化人臉認證方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于SM4算法的隱私保護輕量化人臉認證方法，其特征在于，步驟S1中，客戶端生成長期私鑰MK與時間戳、使用期限信息的合并：
3.根據權利要求2所述的基于SM4算法的隱私保護輕量化人臉認證方法，其特征在于，選擇一個隨機數r，然后選擇哈希函數H:{0,1}*→{0,1}l來生成認證信息；設Ek(m)表示使用對稱加密算法MS4的密鑰k加密的m的密文，Dk(m)表示使用相應對稱加密算法MS4的密鑰k解密的明文；將對稱加密算法MS4的塊大小和p-stable?LSH函數h(·)設置為20字節長，秘鑰為16字節。
4.根據權利要求3所述的基于SM4算法的隱私保護輕量化人臉認證方法，其特征在于，步驟S2具體步驟為：
5.根據權利要求4所述的基于SM4算法的隱私保護輕量化人臉認證方法，其特征在于，步驟S3具體步驟為：
6.根據權利要求5所述的基于SM4算法的隱私保護輕量化人臉認證方法，其特征在于，步驟3.3中，將圖片格式調整224×22
7.根據權利要求6所述的基于SM4算法的隱私保護輕量化人臉認證方法，其特征在于，對單個128維生物特征向量進行L2norm處理。
8.根據權利要求7所述的基于SM4算法的隱私保護輕量化人臉認證方法，其特征在于，步驟3.4中，基于p穩定分布的LSH函數族中的每個哈希函數表示為：
9.根據權利要求8所述的基于SM4算法的隱私保護輕量化人臉認證方法，其特征在于，步驟3.6中，服務器遍歷數據庫DB中的每個數據項<hx,Ek(H(hx||r))>(1≤x≤|DB|)；計算hj＝{hx|min<hx；Ek(H(hx||r)∈DB|hx-hi|，得到最接近的哈希值和對應的密文，即<hj,Ek(H(hj||r))>；其中，|hx-hj|表示hx與hj之間的絕對值，|DB|表示數據庫DB中的項數。
10.根據權利要求9所述的基于SM4算法的隱私保護輕量化人臉認證方法，其特征在于，步驟3.6中，歐式距離公式如下：
...【技術特征摘要】
1.一種基于sm4算法的隱私保護輕量化人臉認證方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于sm4算法的隱私保護輕量化人臉認證方法，其特征在于，步驟s1中，客戶端生成長期私鑰mk與時間戳、使用期限信息的合并：
3.根據權利要求2所述的基于sm4算法的隱私保護輕量化人臉認證方法，其特征在于，選擇一個隨機數r，然后選擇哈希函數h:{0,1}*→{0,1}l來生成認證信息；設ek(m)表示使用對稱加密算法ms4的密鑰k加密的m的密文，dk(m)表示使用相應對稱加密算法ms4的密鑰k解密的明文；將對稱加密算法ms4的塊大小和p-stable?lsh函數h(·)設置為20字節長，秘鑰為16字節。
4.根據權利要求3所述的基于sm4算法的隱私保護輕量化人臉認證方法，其特征在于，步驟s2具體步驟為：
5.根據權利要求4所述的基于sm4算法的隱私保護輕量化人臉認證方法，其特征在于，步驟s3具體步驟為：
6.根據權利要求5所述的基于sm4算法的隱私保護輕量化人臉認證方法，其特征在于，步驟3.3中，將圖片格式調整224×224×3png格式的rgb圖像，...
【專利技術屬性】
技術研發人員：劉志才，張旭誠，熊玲，何王俊辰，史滄紅，何忠秀，
申請(專利權)人：西華大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。