科创中国

行业领域

新一代信息技术产业,信息传输、软件和信息技术服务业

需求背景

随着人工智能在社会实践中的广泛应用，其人脸识别技术领域得以快速发展，并在行政、公共安全、交通、商业等各个领域发挥重要作用。然而，人脸识别技术的运用在减少人力物力资源消耗的同时，也产生一些不利影响，特别是技术的滥用使个人隐私安全受到威胁，其损害结果也往往是不可逆的。

主要原因：一是法律上的不健全：由于人脸识别信息的特殊性，需要法律对其严加保护。时至2021年7月，我国最高人民法院才初次针对该技术发布相关规定，随后，8月20日通过的《中华人民共和国个人信息保护法》才针对人脸识别信息安全性提出具体要求。但考虑到人脸识别信息暴露程度高、唯一且永久的特性，初步提出的法律规范很可能难以对其提供完备保护，故人脸生物特征信息保护的立法任重而道远。二是技术上的不完善：目前人脸识别技术尚不成熟，仍存在许多漏洞。其一是在人脸识别领域，研究内容主要集中于直接对人脸图像的原始明文信息进行识别；其二是国内的人脸识别存储方案仍是基于文件夹和文件管理，基本上不会太多的考虑存储泄漏风险方面的问题。因此，采用明文信息识别和存储的人脸识别系统存在严重的个人隐私泄漏隐患，人脸生物特征数据仍面临被恶意攻击、窃取或滥用的巨大风险。

因此，针对人脸识别过程中，人脸生物特征数据传输、存储和比对的安全性，引入数字水印认证技术、深度学习技术、生物特征加密认证技术，研究一项基于人脸识别的加密认证技术，以求在提高人脸识别安全性的同时保证其识别认证性能。

需解决的主要技术难题

密文域特征识别比对的性能及安全性问题

使用高效稳定人脸特征提取方法对于人脸识别准确率的提升具有重要的实际意义，而面对复杂场景干扰、异质人脸特征提取与识别困难、低分辨率人脸特征提取不易等问题，目前主要采用深度学习人脸识别算法，以卷积神经网络获得良好的几何解释，有效捕获人脸并提取特征。同时，为达到密文域识别比对的目的，要求人脸特征可在密文域进行运算，可恢复出明文的运算结果，并尽可能在保证安全性的同时减小对性能的影响。因此，如何将深度卷积特征提取模型与同态、非同态密码算法相结合，获得安全性与效率（运算速率、模板占用空间）、识别准确率三者合一的最优解是需要考虑的关键问题。

期望实现的主要技术目标

通过深入研究数字水印认证技术、深度学习人脸识别技术和生物特征加密认证技术，开发出基于人脸识别的加密认证系统，可抵抗针对人脸图像、人脸生物特征的多种恶意攻击（对人脸图像的重放攻击、剪切攻击等，对人脸特征的线性攻击、差分攻击等）及篡改，避免被盗取或泄露，有效杜绝人脸识别信息的滥用。

处理进度