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！

龙图腾网获悉南京航空航天大学;郑州信大先进技术研究院申请的专利一种基于缩略图保持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：CN116563917B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202310500003.0，技术领域涉及：G06V40/16；该发明授权一种基于缩略图保持的人脸隐私保护方法是由周文韬;张玉书;孙晓盼;姚凯强设计研发完成，并于2023-05-06向国家知识产权局提交的专利申请。

本一种基于缩略图保持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缩略图保持的人脸隐私保护方法，首先获取原始人脸图像数据集和经过缩略图保持加密的人脸图像数据集；使用上述两个数据集训练带有扰动生成模块的生成对抗网络模型；使用该网络模型生成抹去了细节信息但缩略图保持的人脸图片，同时生成的图像可以对抗人脸识别模型；设置缩略图一致性损失和特征对抗损失并迭代训练以优化网络模型。本发明生成的保护图像可以抵抗人脸识别模型的攻击，同时拥有先验知识的图像所有者可以通过生成的图像的缩略图识别出图像的内容，然而没有先验知识的敌手无法获取图像中的信息。

本发明授权一种基于缩略图保持的人脸隐私保护方法在权利要求书中公布了：1.一种基于缩略图保持的人脸隐私保护方法，其特征在于，包括以下步骤： 步骤1，从预设的人脸图像数据集CelebA中的图像随机选择若干张图像作为正常人脸训练集trainA，并对训练集trainA中的图像进行缩略图保持加密生成训练集trainB，trainA中的图像属于域A，trainB中的图像属于域B； 步骤2，建立生成模型GA、生成模型GB、鉴别模型DA、鉴别模型DB、扰动生成模型H，其中，生成模型GA用于将训练集trainA中的图像real_A转化为缩略图与原图像一致并抹去了细节信息的图像fake_B；扰动模型H用于生成微小扰动adv并将其叠加到fake_B上，以得到受保护的图像adv_fake_B；生成模型GB用于将生成的图像adv_fake_B进行还原并得到还原的原始图像rec_A；鉴别模型DA用于鉴别生成的图像是否在A域内；鉴别模型DB用于鉴别生成的图像是否在B域内； 步骤3，使用损失函数对生成模型GA、生成模型GB、鉴别模型DA、鉴别模型DB、扰动生成模型H进行训练； 所述损失函数包含对抗损失LGAN_A、身份一致性损失LIdt_A、无扰动的缩略图一致性损失LTPE、对抗损失LGAN_B、身份一致性损失LIdt_B、循环一致性损失LCycle、对抗损失LD_A、对抗损失LD_B、有扰动的缩略图一致性损失LTPE_adv、对抗性损失LAdv和扰动损失Lper，其中： 所述对抗损失LGAN_A为对生成模型GA进行约束的损失函数，使用鉴别模型DB对GA生成的图像进行判断其是否属于域B，从而约束生成模型GA生成的图像属于域B； 所述身份一致性损失LIdt_A用于将B域的图像送入GA后，约束GA输出的图像和输入图像尽可能相同； 所述无扰动的缩略图一致性损失LTPE用于约束GA生成的图像fake_B与GA接受的原始图像real_A的缩略图尽可能相同； 所述对抗损失LGAN_B为对生成模型GB进行约束的损失函数，使用鉴别模型DA对GB生成的图像进行判断其是否属于域A，从而约束生成模型GB生成的图像属于域A； 所述身份一致性损失LIdt_B用于将A域的图像real_A送入GB后，约束GB输出的图像和输入图像尽可能相同； 所述循环一致性损失LCycle同时对生成模型GA和GB进行约束，用于约束输入到GA原始图像real_A和将GA输出的图像输入到GB后由GB输出的图像rec_A尽可能相同； 所述对抗损失LD_A为对鉴别模型DA进行约束的损失函数，即鉴别器DA对trainA中的图片real_A和rec_A判断所在域的正确性对应的损失； 所述对抗损失LD_B为对鉴别模型DB进行约束的损失函数，即鉴别器DB对trainB中的图片real_B和fake_B判断所在域的正确性对应的损失； 有扰动的缩略图一致性损失LTPE_adv为对扰动生成模型H进行约束的损失函数，用于约束叠加了H生成的扰动的受保护图像adv_fake_B与原始图像real_A的缩略图尽可能相同； 所述对抗性损失LAdv即用于约束叠加了扰动的图像adv_fake_B的人脸特征与原始图像real_A的人脸特征尽可能不同； 所述扰动损失Lper用于约束H生成的扰动的大小； LGAN_A、LGAN_B、LCycle、LIdt_A、LIdt_B、LTPE的计算公式分别为： LGAN_A＝MSELossDBfake_B,true LGAN_B＝MSELossDArec_A,true LCycle＝L1Lossrec_A,real_A LIdt_A＝L1Lossreal_B,GAreal_B LIdt_B＝L1Lossreal_A,GBreal_A LTPE＝L1LossThumbnailfake_B,Thumbnailreal_A 式中，DBx为把x送入鉴别器DB后得到的结果；DAx为把x送入鉴别器DA后得到的结果；MSELossx,y指x与y的均方误差；L1Lossx,y为x与y的L1距离；GAreal_B为把real_B送入GA后得到的结果，GBreal_A为把real_A送入GB后得到的结果；Thumbnailx指x的缩略图； 针对生成模型GA、GB的损失函数LD_A、LD_B的计算公式分别为： LD_A＝MSELossDAreal_B,true+MSELossDAfake_B,falseLD_B＝MSELossDBreal_A,true+MSELossDBrec_A,false 针对生成模型DA、DB的损失函数LD＝LD_A+LD_B； LTPE_adv、LAdv、LPer的计算公式分别为： LTPE_adv＝L1LossThumbnailadv_fake_B,Thumbnailreal_A LAdv＝Cosine_distanceFRadv_fake_B,FRreal_A Lper＝L2Lossper 式中，FRx为x的人脸特征，cosine_distancex,y为x,y的余弦距离；L2Lossx为x的L2范数； 针对生成模型H的损失函数LH＝LTPE_adv+LAdv+Lper； 步骤4，使用生成模型GA和扰动生成模型H对需要保护的图像进行转化，生成缩略图保持且对人脸识别模型的攻击具有抵抗性的新图像；使用生成模型GB对新图像进行恢复，得到与原始图像基本一致恢复后的图像。

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南京航空航天大学;郑州信大先进技术研究院，其通讯地址为：210016 江苏省南京市秦淮区御道街29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。