买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉桂林电子科技大学申请的专利一种基于凸优化和通用对抗扰动的人脸隐私保护方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116469143B 。

龙图腾网通过国家知识产权局官网在2025-11-11发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310349117.X，技术领域涉及：G06V40/16；该发明授权一种基于凸优化和通用对抗扰动的人脸隐私保护方法是由王慧娇;王光宇;蔡鼎;熊卓;王丽设计研发完成，并于2023-04-04向国家知识产权局提交的专利申请。

本一种基于凸优化和通用对抗扰动的人脸隐私保护方法在说明书摘要公布了：本发明公开了一种基于凸优化和通用对抗扰动的人脸隐私保护方法，其特征在于，包括如下步骤：1构造身份k的专属扰动；2构造整体数据集的通用扰动；3构造专属面具。这种方法能为每个身份构造专属面具，进而对每个身份人脸隐私的保护效果更好、在黑盒测试模型上迁移性更强。

本发明授权一种基于凸优化和通用对抗扰动的人脸隐私保护方法在权利要求书中公布了：1.一种基于凸优化和通用对抗扰动的人脸隐私保护方法，其特征在于，包括如下步骤： 1构造身份k的专属扰动ΔXk：专属扰动构造过程采用ResNet50网络结构作为人脸识别模型来对输入身份k的图像进行特征提取，首先取随机噪声作为初始扰动ΔXk，将初始扰动加入特定身份k的训练集中的n张图像得到构造加噪图像Xik+ΔXk，将原始图像与加噪图像输入特征提取器f·中，输出原始图像特征与加噪图像特征,根据原始图像输出的特征向量，将原始图像输出的特征向量作为多维空间中的点集，采用凸包技术，求解出多维空间中包含所有特征向量的最小凸多面体，形成身份k的凸包，将身份k的凸包作为身份k的特征子空间采用余弦相似度方法计算加噪图像特征与特征子空间的距离，在阈值ε的约束下，经过16轮迭代，使加噪图像远离身份k的特征子空间，对身份k构造专属扰动ΔXk的优化目标函数定义为公式1： 凸包技术构建身份k的特征子空间的目标定义为公式2： 其中，代表身份k的第i张图片经过人脸识别模型输出的特征向量，是特征向量的参数，参数的和为1，将特征向量看作是二维空间中的一个点，以身份k的所有图片作为点集，采用凸包方法找到点集的边界，基于凸包方法用于构造专属扰动ΔXk作为一个有边界约束的最小二乘问题，优化的目标定义为公式3： 其中，是矩阵的列，是公式2中包含相应系数的向量，FkAk代表身份k的特征子空间，是加噪图像的特征向量，专属扰动ΔXk构造目标函数定义为公式4： 2构造整体数据集的通用扰动ΔU：通用扰动构造采用ResNet50网络结构来对整体数据集的面部图像进行特征提取，采用最后全连接层的输入作为整个模型的输出，得到更多维度的特征向量，针对整体数据集X经过10轮迭代构造通用对抗扰动ΔU，每轮迭代过程中延用上一轮对抗扰动结果，采用降低原始图像与加噪图像余弦相似度，增加通用扰动的对抗性，通用扰动的构造目标定义为公式5： 依据整体数据集X构造通用扰动，取x∈X，将原始图像和加噪图像放入ResNet50训练模型中提取特征向量，取模型最后一层的输入作为特征向量，分别提取加噪图像特征Cx+ΔU与原始图像特征Cx，采用余弦相似度方法计算原始图像和加噪图像之间的距离，在阈值δ的条件下，以整体数据集图片相似度总和最小为下降梯度，不断迭代形成通用对抗扰动ΔU； 3构造专属面具Maskk：将专属对抗扰动和通用对抗扰动相结合，通用扰动和专属扰动结合时采取clamp函数根据阈值进行调整，得到身份k新的扰动Maskk也称为个人专属面具，将Maskk应用在身份k的全部图像中，使人脸识别器无法正确识别加噪图像的身份，构造Maskk的过程定义为公式6： Maskk＝tα·ΔXk+β·ΔU,||Maskk||∞≤ε6， 其中α、β分别为专属扰动和通用扰动的权重参数，t·函数为非线性变换的clamp函数，将专属对抗扰动和通用对抗扰动结合的结果进行约束处理，将Maskk的阈值ε设定为8。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人桂林电子科技大学，其通讯地址为：541004 广西壮族自治区桂林市金鸡路1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。