(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210865227.7 (22)申请日 2022.07.22 (65)同一申请的已公布的文献号 申请公布号 CN 114943090 A (43)申请公布日 2022.08.26 (73)专利权人 图灵人工智能研究院 （南京） 有限 公司 地址 210046 江苏省南京市栖霞区马群街 道紫东路2号紫东国际创意园C21栋六 楼 (72)发明人 龙利民　李强　丁阳　 (74)专利代理 机构 南京禾易知识产权代理有限 公司 32320 专利代理师 张松云(51)Int.Cl. G06F 21/60(2013.01) G06F 21/62(2013.01) G06V 10/82(2022.01) G06V 40/16(2022.01) H04L 9/00(2022.01) 审查员 李佳曦 (54)发明名称 一种基于同态加密大规模人脸库隐匿查询 的方法 (57)摘要 本发明提供一种基于同态加密大规模人脸 库隐匿查询的方法， 包括根据获取的人脸图片在 设备端生成用于表征人脸图片的高维人脸特征； 采用局部敏感哈希算法基于设备端对高维人脸 特征进行哈希数据集合计算； 设备端计算得到当 前高维人脸特征临近哈希值的过滤ID的数据集 合； 设备端使用同态加密的公钥对包含低维人脸 特征的低维映射内容进行计算得到低维人脸特 征的密文特征。 本发明通过将人脸特征进行局部 敏感哈希值的存储， 并通过低维数值的运算计算 得到汉明距离的方式， 使 得只要比较前两个数据 的相似性， 就可以通过哈希值就反向计算出原始 数据， 充分利用局部敏感哈希的特性， 达到缩短 服务器进行密文计算的耗时以及减少 网络传输 内容的优点。 权利要求书2页 说明书7页 附图3页 CN 114943090 B 2022.11.22 CN 114943090 B 1.一种基于同态加密大规模人脸库隐匿查询的方法， 其特 征在于： 包括以下步骤： 第一步， 根据获取的人脸图片在设备端生成用于表征 人脸图片的高维人脸特 征； 第二步， 采用局部敏感哈希算法基于设备端对高维人脸特征进行哈希数据集合计算， 在获得更新后的高维人脸特征局部敏感哈希库， 并发送至云端服务器进行存储后， 返回设 备端； 其中， 采用局部敏感哈希算法， 实现更新后的高维人脸特征局部敏感哈希库在云端服 务器存储的具体步骤为： S2‑1， 在云端服 务器随机分配N组M个数的位置点 集合P， 并将点 集合P的数据落盘存 储； S2‑2， 设备端将基于第一步获取的高维人脸特征转换为密文数据后， 进行特征提取， 提 取出长度为M一维数组F， 并发送至云端服 务器； S2‑3， 云端服务器基于接收到的高维人脸特征数据， 位置点集合P与人脸特征数组F进 行向量内积计算， 得到N个哈希值 集合H； S2‑4， 根据获取的N个哈希值 集合H与云端服 务器端历史数据集 合进行数据预处 理： 依次判断新增的N个哈希值集合H是否分别存在： 若存在， 则， 云端服务器进行高维人脸 特征数据更新操作； 反 之， 对高维人脸特征数据进行插入操作： 云端服务器将所述密文数据插入到人脸密文特征 表中， 并向设备端返回人脸密文特 征表的自增ID数据集 合； S2‑5， 返回设备端完成状态： S2‑51， 设备端更新高维人脸特征局部敏感哈希库， 并同步得到高维人脸特征的低维映 射内容， 其中， 所述低维映射内容包 含{哈希值 （人脸特 征， 自增ID数据集 合） }； S2‑52， 云端服务器接收所述低维映射内容， 并将其存储为哈希数据集合{哈希值： （min， max， ID集合） }， 其中， min表示为哈希值集合H最小数值， max表示为哈希值集合H最大 数值， ID集 合表示为自增ID数据集 合； 设备端计算得到当前高维人脸特征局部敏感哈希值的过滤ID的数据集合， 以限定云端 服务器的ID查询范围， 缩短云端服务器进 行密文计算的耗时， 其中， 所述哈希 值为在设备端 更新后的局部敏感哈希库中的高维人脸特 征的低维映射内容； 第三步， 设备端使用同态加密的公钥对包含低维人脸特征的低维映射内容进行计算得 到低维人脸特 征的密文特 征； 第四步， 云端服务器根据获取的过滤ID的数据集合和低维人脸特征的密文特征逐个计 算其密文， 得到每 个低维人脸特 征密文的汉明距离后， 形成密文结果返回设备端； 第五步， 设备端使用同态加密的私钥解密密文结果后， 遍历所述密文结果， 判断是否存 在所述汉明距离范围内的密文结果： 若存在， 则基于设备端输出说明人脸比对成功， 反之， 失败， 结束。 2.根据权利要求1所述的一种基于同态加密大规模人脸库隐匿查询的方法， 其特征在 于： 第一步中， 获取高维人脸特 征的具体步骤为： S1‑1， 设备端搭 载图像采集设备， 上电后获取 人脸图片； S1‑2， 基于神经网络算法从人脸图片中提取得到表征人脸图片的高维人脸特征， 用于 减小外部因素对人脸图片的影响， 以促使人脸图片进行精准配准。 3.根据权利要求1所述的一种基于同态加密大规模人脸库隐匿查询的方法， 其特征在权　利　要　求　书 1/2 页 2 CN 114943090 B 2于： 在云端服务器完成哈希数据集合存储之后， 且在得到当前高维人脸特征局部敏感哈希 值的过滤ID的数据集合之前， 还需要重新在设备端生成用于表征人脸图片的高维人脸特 征； 当设备端生成高维人脸特 征后， 设备端才可以计算当前高维人脸特征局部敏感哈希数据集合中哈希值的过滤ID的数 据集合， 以限定云端服务器向设备端交互获取密文数据的查询范围， 减少云端服务器在进 行密文数据比较时的数据量， 降低计算功耗以及数据传输时延。 4.根据权利要求1所述的一种基于同态加密大规模人脸库隐匿查询的方法， 其特征在 于： 第五步中， 基于 设备端使用同态加密的私钥解密密 文结果， 判断人脸是否比对成功的方 式为： S5‑1， 云端服 务器将位置点 集合P下发至设备端； S5‑2， 设备端基于位置点集合P生成全同态使用的公钥、 私钥信息后， 在设备端输入人 脸图片提取其人脸特 征， 并使用同态加密算法加密； S5‑3， 设备端使用云端服务器下发的位置点集合P计算其位置敏感哈希值， 并将人脸特 征的密文数据和哈希值数据发送至云端服 务器； S5‑4， 云端服 务器基于接收到的哈希值数据和人脸特 征的密文数据进行 预处理： 首先， 进行哈希值数据的查找； 其次， 判断设备端的哈希值数据在云端服务器的数据库中是否存在： 若， 不存在， 则输 出人脸识别失败； 反之， 云端服务器依据查找到的哈希值数据所对应的人脸特征和设备端 上报的人脸密文特 征， 进行明密文混合的全同态汉明计算， 获取密文结果， 最后， 返回设备端； S5‑5， 设备端对返回的密文结果进行结果， 遍历密文结果判断是否符合 阈值要求， 如不 满足， 输出 人脸识别失败； 如满足， 输出 人脸识别成功。权　利　要　求　书 2/2 页 3 CN 114943090 B 3