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！

龙图腾网获悉西安电子科技大学申请的专利基于模糊保险库的人脸加解密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：CN119416191B 。

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：202411394976.1，技术领域涉及：G06F21/32；该发明授权基于模糊保险库的人脸加解密方法是由姜奇;张士龙;杨雪;赵晓敏;吴家棋;马鑫迪;习宁;杨力;张俊伟;李兴华设计研发完成，并于2024-10-08向国家知识产权局提交的专利申请。

本基于模糊保险库的人脸加解密方法在说明书摘要公布了：本发明公开了一种基于模糊保险库的人脸加解密方法，主要解决现有人脸图像在认证过程存在人脸特征模板易遭对抗攻击及安全性和高效性低的问题。其方案是：采集两张人脸图像并进行预处理；将预处理后的图像输入到FaceNet模型中得到两个实值人脸特征向量；将每个人脸实值特征向量映射成整数值特征集，对比这两个特征集并识别它们之间共有的整数值，将其组成一个集合；用该集合生成模糊保险库参数和配置信息；将特征集输入到模糊保险库中输出一个密钥字符串，完成对人脸图像的加密；设置新的特征集合并将其输入到模糊保险库中恢复出密钥，完成对人脸图像的解密。本发明能避免对人脸特征模板的对抗攻击，提高系统的安全性和高效性，可用于可信的身份认证和密钥安全。

本发明授权基于模糊保险库的人脸加解密方法在权利要求书中公布了：1.一种基于模糊保险库的人脸加解密方法，其特征在于，包括如下步骤： 1对一张人脸图像依次进行人脸检测、人脸对齐、图像归一化的预处理，将预处理后对图像输入到现有的FaceNet模型中，输出一个1×128维的实值人脸特征向量其中vi是第i个实数值，n表示人脸特征的大小； 2对实值特征向量进行映射处理，获得注册可靠的整数值集合W： 2a将实值特征向量v映射为整数值特征向量将整数值特征向量q映射为二进制特征向量其中qi是第i个原始的整数值，bj是第j个二进制字符串，m是第j个二进制字符串的长度； 2b将二进制特征向量b中所有为1的索引组成第一个特征集：P1＝{j∣bj＝1}； 2c对另一张人脸图像进行与步骤1、2a和2b相同的处理得到第二个特征集P2，比对两张人脸图像的特征集P1和P2，找出它们共有的整数值组成注册集合其中ak是第k个整数值，z是整数值的个数； 3根据注册集合W的大小为模糊保险库选择参数，生成用于初始化模糊保险库的键值对文件，并令X为注册输入字符串，X′为认证输入字符串，ek为密钥派生因子字符串，ek′为密钥派生因子恢复字符串； 4将注册集合W与originalwords字符串进行拼接，对拼接结果进行哈希计算，将哈希结果赋值给注册输入字符串X； 5调用现有的GenSketch函数，即将注册集合W作为该函数的输入，返回一个包含模糊保险库配置信息的字符串S，并将已赋值的输入字符串X添加到该字符串S中； 7根据注册集合W中每个可靠整数值ak计算得到取模整数值集e： 其中p是一个质数，sk是从包含p个元素的有限域中均匀选择的随机整数值； 8将取模整数值集e与keys字符串进行拼接，并对拼接结果进行哈希计算，将哈希结果赋值给密钥派生因子字符串ek； 9调用现有的密钥派生函数fek，即将已赋值的密钥派生因子ek作为该函数的输入，返回一个密钥字符串sk，完成对人脸图像的加密； 10在认证时，令W′为认证集合，并将认证集合W′与originalwords字符串进行拼接，对拼接结果进行哈希计算，将哈希结果赋值给认证输入字符串X′，再判断该认证输入字符串X′与步骤4中得到的注册输入字符串X是否一致： 如果一致，则执行步骤12， 否则，执行步骤11； 11调用现有的集合恢复函数RecSet，即将步骤4中得到注册输入字符串X和认证集合W′作为该函数的输入，返回一个根值集合R，判断该根值集合R是否为空：如果为空，则中止整个认证过程，否则，将注册集合W赋值给认证集合W′； 12根据认证集合W′恢复出取模整数值集e； 13将恢复出的取模整数值集e与keys字符串进行拼接，对拼接结果进行哈希计算，并将哈希结果赋值给密钥派生因子恢复字符串ek′； 14调用现有密钥派生函数fek，即将已赋值的密钥派生因子恢复字符串ek′作为该函数的输入，返回一个密钥字符串sk，并输出，完成对人脸图像的解密。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2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。