(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210566275.6 (22)申请日 2022.05.24 (71)申请人 贵州大学 地址 550000 贵州省贵阳市花溪区花溪大 道南段2708号 (72)发明人 田有亮　周永洁　熊金波　王朝　 杨科迪　 (74)专利代理 机构 东莞市凯粤智华专利商标代 理事务所(普通 合伙) 44698 专利代理师 罗丽 (51)Int.Cl. G06F 21/62(2013.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种轻量级隐私保护目标检测方法和系统 (57)摘要 本申请公开了一种轻量级隐私保护 目标检 测方法和系统， 将对图像目标检测过程交由两台 竞争性服务器并行交互地进行处理， 通过加法秘 密共享技术将原始 图像随机拆分为两个密态 图 像， 分别分发给两台服务器。 考虑到安全上采样 与目标安全自适应特征融合操作是线性计算， 由 两台服务器利用安全分量单独计算。 而关于图像 特征安全提取操作、 目标锚框安全聚类检测操 作、 以及目标安全分类与回归操作的运算， 则构 造安全的交互函数实现安全目标检测的功能， 相 比于直接对原始图像进行目标检测， 本申请不仅 能够实现目标检测的正确性， 而且有效保护图像 的类别和位置隐私， 同时解决密 态数据的特征提 取以及分类与检测问题。 权利要求书6页 说明书13页 附图2页 CN 115017540 A 2022.09.06 CN 115017540 A 1.一种轻量级的隐私保护目标检测方法， 其特 征在于， 包括： S1、 可信服务器将卷积神经网络的计算参数进行随机拆分， 得到第一子计算参数和第 二子计算 参数； S2、 所述可信服务器分别将所述第 一子计算参数和所述第 二子计算参数传递至第一服 务器以及第二 服务器； S3、 所述第 一服务器以及所述第 二服务器基于所述第 一子计算参数和所述第 二子计算 交互地进行图像特 征安全提取； S4、 所述第 一服务器以及所述第 二服务器基于图像特征安全提取的第 一计算结果交互 地进行目标锚框安全聚类 检测； S5、 所述第 一服务器以及所述第 二服务器基于目标锚框安全聚类检测的第 二计算结果 计算交互地进行目标安全分类与回归； S6、 所述第 一服务器以及所述第 二服务器基于目标安全分类与回归的第 三计算结果各 自进行目标安全上采样与目标安全自适应特征融合线性操作， 得到可信服务器的目标检测 结果。 2.根据权利要求1所述的轻量级的隐私保护目标检测方法， 其特征在于， 所述步骤S1具 体包括： 根据加法秘密共享技术原理， 可信服务器将卷积神经网络的计算参数进行随机拆分， 得到第一子计算参数和第二子计算参数， 所述计算参数包括输入数据参数x和模型训练阶 段参数w,w ′,b, σ, μ,as,ylout， 其中， 输入数据 参数x随机拆分为x1和x2， 模型训练阶段参数 w,w′,b, σ, μ,as,ylout,随机拆分为w1,w2,w′1,w′2,b1,b2, σ1, σ2, μ1, μ2,as1,as2,ylout1， ylout2， 且满足x ＝x1+x2， w＝w1+w2， w′＝w′1+w′2， b＝b1+b2， σ ＝σ1+σ2， μ＝ μ1+ μ2， as＝as1+as2， ylout＝ylout1+ylout2。 3.根据权利要求2所述的轻量级隐私保护目标检测方法， 其特征在于， 所述步骤S3具体 包括： 所述第一服务器以及所述第二服务器对所述第一子计算参数和所述第二子计算参数 中的输入数据参数分量x1,x2与模型训练卷积权重参数分量w1,w2交互地执行安全SConv协 议， 得到卷积结果分量v1,v2； 所述第一服务器以及所述第二服务器对所述卷积结果分量v1,v2以及模型训练计算参 数分量w′1,w′2,b1,b2, σ1, σ2, μ1, μ2交互地执行安全SBN协议， 得到批量归一化结果分量v ′1, v′2； 所述第一服务器以及所述第二服务器对所述批量归一化结果分量v ′1,v′2交互地执行 安全SLRU协议， 得到 激活结果分量G1,G2； 基于所述卷积结果分量v1,v2、 所述批量归 一化结果 分量v′1,v′2以及所述激活结果分量 G1,G2， 得到所述可信服务器的卷积结果量v＝v1+v2， 批量归一化结果量v ′1＝v′1+v′2以及激 活结果量G＝G1+G2。 4.根据权利要求3所述的轻量级隐私保护目标检测方法， 其特征在于， 所述步骤S4具体 包括： 所述第一服务器以及所述第二服务器对所述激活结果分量G1,G2交互地进行目标锚框权　利　要　求　书 1/6 页 2 CN 115017540 A 2安全聚类 检测操作， 得到聚类结果分量 基于所述聚类结果分量 得到所述可信服 务器的聚类结果 量 5.根据权利要求4所述的轻量级隐私保护目标检测方法， 其特征在于， 所述步骤S5具体 包括： 所述第一服务器以及所述第二服务器对所述聚类结果分量 以及模型训练阶段参 数as1,as2,ylout1， ylout2交互地进行目标安全分类与回归操作， 得到回归结果分量ψ ′1, ψ ′2； 基于所述回归结果分量 ψ ′1, ψ′2， 得到所述可信服 务器的回归结果 量 ψ′＝ ψ′1+ ψ′2。 6.根据权利要求5所述的轻量级隐私保护目标检测方法， 其特征在于， 所述步骤S6具体 包括： 所述第一服务器以及所述第二服务器对所述回归结果分量ψ ′1, ψ′2进行目标安全上采 样操作， 得到目标安全上采样计算结果分量up1,up2， up1＝ψ′1.repeat(2)和up2＝ψ′ 2.repeat(2)， 其中repeat 表示重复函数； 所述第一服务器以及所述第二服务器对所述目标安全上采样计算结果分量up1,up2进 行目标安全自适应特 征融合操作， 得到特 征融合或特 征拼接的结果分量Γ ′1,Γ′2； 基于所述目标安全上采样计算结果分量up1,up2以及所述特征融合或特征拼接的结果 分量Γ′1,Γ′2， 得到目标检测结果Y1＝up1+Γ′1,， Y2＝up2+Γ′2； 基于所述目标检测结果分量， 得到可信服 务器的目标检测结果 量Y＝Y1+Y2。 7.根据权利要求3所述的轻量级隐私保护目标检测方法， 其特 征在于， 所述第一服务器以及所述第二服务器对所述第一子计算参数和所述第二子计算参数 中的输入数据参数分量x1,x2与模型训练卷积权重参数分量w1,w2交互地执行安全SConv协 议， 得到卷积结果分量v1,v2具体包括： S301、 所述第一服务器与所述第二服务器对所述第 一子计算参数和所述第二子计算参 数中的输入数据参数分量x1,x2进行拓展计算， 得到 输入数据参数拓展分量 S302、 所述可信服务器将产生 的随机数 与 以及分别计算c1,c2， 发送至所述第一服务器与所述第二服务器， 且满足 c＝c1+ c2； S303、 所述第一服务器计算 所述第二服务器计算 其中w1,w2为模型训练卷积权 重参数分量； S304、 所述第一 服务器计算 所述第二 服务器计算 S305、 所述第一服务器以及所述第二服务器进行乘法计算并求和， 得到卷积结果分量 v1,v2， v1＝∑f1,v2＝∑f2； 所述第一服务器以及所述第二服务器对所述卷积结果分量v1,v2以及模型训练计算参 数分量w′1,w′2,b1,b2, σ1, σ2, μ1, μ2交互地执行安全SBN协议， 得到批量归一化结果分量v ′1, v′2具体包括： S311、 所述第一服务器与所述第二服务器对方差参数分量σ1, σ2进行拓展计算， 得到方权　利　要　求　书 2/6 页 3 CN 115017540 A 3