【隐私计算篇】利用多方安全计算MPC实现VGG16人脸识别隐私计算模型

1. 背景介绍

本文主要介绍一种利用多方安全计算MPC技术,实现VGG16的人脸识别模型,侧重于模型推理阶段,此工作是多年前完成的,目前已经公开专利,其中涉及到最小化多方安全计算(MPC)以及明密文混合计算的思想,仅供参考。

人脸识别是一种基于生物特征识别技术的身份验证和识别方法,在多种场景中广泛应用,比如安防、银行、终端设备等,更贴近生活的还有支付宝的扫脸支付。人脸识别在各领域的广泛应用带来了便利,但也引发了隐私和数据安全方面的讨论以及担忧,传统的人脸识别系统在数据采集、存储和处理过程中很可能会存在隐私泄露的风险。

比如传统人脸识别系统通常需要将用户的面部数据上传到中央服务器进行处理,如果这些数据被黑客入侵、内部人员滥用或系统漏洞利用,可能会导致用户敏感信息泄露。此外,某些公司或机构可能会将收集到的人脸数据用于未经用户同意的商业或其他用途,侵犯个人隐私。

鉴于上述原因,很有必要采用隐私保护技术。隐私计算技术(如联邦学习、差分隐私、多方安全计算等)允许在不直接共享原始数据的前提下进行人脸识别模型的训练和推理,从而防止数据滥用和泄露。实现隐私计算的人脸识别是为了在保证人脸识别技术有效性的同时,最大程度地保护用户的个人隐私。

2. 算法介绍

本文主要介绍利用安全多方计算(MPC)实现VGG16人脸识别模型的推理预测。在介绍具体算法之前,需要对MPC有一定的了解,有助于理解后续的深度学习算法隐私计算化改造。安全多方计算(MPC)是一种密码学技术,它允许多个参与方在不泄露各自私有数据的前提下,协同计算一个共同的函数结果。关于MPC的介绍,这里不做详细展开,有兴趣的话可以看下冯登国院士关于MPC的基础知识分享,包括 基于秘密分享方法的MPC以及基于混淆电路方法的MPC,另外关于混淆电路的知识也可以参考我们之前的文章《混淆电路深入浅出》,涉及的密码原语不经意传输可以参考我们的系列文章《OT&OT扩展(不经意传输扩展)深入浅出》、《不经意传输协议(OT/OTE)的进一步补充》。

2.1 具体算法介绍

2.1.1 人脸分布式存储

由于时间关系,后续内容将在明天补充。。。

相关推荐
计算机徐师兄2 天前
Python Django基于人脸识别的票务管理系统(附源码,文档说明)
python·django·人脸识别·票务系统·票务管理系统·票务管理·人脸识别票务系统
小白教程8 天前
python人脸检测、人脸识别、活体检测入门学习教程
开发语言·python·人脸识别·人脸检测·活体检测·活体认证·python人脸识别
uncle_ll11 天前
深度学习与传统算法在人脸识别领域的演进:从Eigenfaces到ArcFace
深度学习·人脸识别·人脸
青云交13 天前
Java 大视界 -- 基于 Java 的大数据分布式存储系统的数据备份与恢复策略(139)
java·大数据·分布式·数据恢复·数据备份·分布式存储·并行处理
FaceAISDK22 天前
Android 实现人脸识别 活体检测以及人脸搜索
人脸识别·双目活体
~啥也不会~1 个月前
【附源码】基于opencv+pyqt5搭建的人脸识别系统
人工智能·opencv·计算机视觉·人脸识别·pyqt
钱彬 (Qian Bin)1 个月前
基于Django+Bootstrap+深度学习 构建商业级人脸识别系统(代码开源)
python·深度学习·django·开源·bootstrap·人脸识别·教程
goomind2 个月前
卷积神经网络实战人脸检测与识别
人工智能·深度学习·神经网络·cnn·人脸识别·人脸检测
杉岩数据2 个月前
数智百问 | 制造企业如何降低产线检测数据的存储和管理成本?
大数据·视觉检测·制造·分布式存储·检测数据管理·质检图片存储
佟晖2 个月前
ceph 16.2.15(Pacific)编译
linux·ceph·分布式存储