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！

龙图腾网获悉湖南大学申请的专利一种基于单点差分隐私的人脸特征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：CN116798133B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202310825612.3，技术领域涉及：G06V40/50；该发明授权一种基于单点差分隐私的人脸特征隐私保护方法是由欧露;高诗慧;黄冠东;秦拯;唐珍名设计研发完成，并于2023-07-07向国家知识产权局提交的专利申请。

本一种基于单点差分隐私的人脸特征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单点差分隐私的人脸特征隐私保护方法，首先，提取人脸图像中人脸特征向量，运用小波变换，获得人脸图像图像像素矩阵的小波系数向量；然后，运用偏导运算，计算添加噪声后人脸特征向量和添加噪声后小波系数向量间的权重，并量化人脸特征向量中每个元素上噪声的尺度参数与小波系数向量中每个元素上噪声的尺度参数之间的关系以及人脸特征向量中每个元素的隐私预算与小波系数向量中每个元素的隐私预算间的关系；接着，结合拉格朗日乘子法、泰勒展开、链式法则等，在给定总隐私预算的情况下，优化并修正尺度参数；最后，结合修正的尺度参数、几何叠加机制和逆小波变换，获得添加噪声的人脸图像像素矩阵和人脸特征向量。本发明不仅可以有效防止敌手从人脸图像中窃取人脸特征等敏感信息，还可以在最大化隐私保护力度的同时，保留最佳的视觉效果。

本发明授权一种基于单点差分隐私的人脸特征隐私保护方法在权利要求书中公布了：1.一种基于单点差分隐私的人脸特征隐私保护方法，其特征在于，具体包括以下步骤： 步骤一：对于一个人脸图像，可获得人脸图像像素矩阵，运用主成分分析法，可得具有个元素的人脸特征向量 步骤二：将人脸图像像素矩阵经小波变换之后，得到可表示人脸特征的一维小波系数向量其中，中所包含元素个数的总数为 步骤三运用求偏导运算，计算人脸特征向量和一维小波系数向量间的权重其中，表示求偏导运算，表示添加噪声后的人脸特征向量，表示添加噪声后的一维小波系数向量，这里所添加的噪声应满足位置参数为0、尺度参数为任意值的拉普拉斯分布；i表示中第i个元素的下标，同时，i大于等于1且小于等于人脸特征向量中所包含元素个数的总数j表示中第j个元素的下标，同时，wij表示与之间的权重； 步骤四：运用方差运算，计算人脸特征向量中第i个元素上噪声的尺度参数 其中，为一维小波系数向量所对应的权重从大到小依次排序后第k个噪声ξk的尺度参数，同时，1≤k≤K，其中，K是均值为且不超过小波系数向量中元素总数的几何数，p是大于0且小于1的概率参数，wik表示与之间的权重； 步骤五：计算人脸特征向量中第i个元素的隐私预算 其中，是人脸特征向量的敏感度，且 步骤六：实现噪声的尺度参数优化；首先，构建效用函数 设定约束条件为：给定的总隐私预算ε0等于人脸特征向量中每个元素所对应的隐私预算之和，即，然后，在约束条件下，求一维小波系数向量上噪声的尺度参数的最小值，即 最后，根据拉格朗日乘子法，计算得到优化后的一维小波系数向量上噪声的尺度参数； 步骤七：实现噪声的尺度参数的修正，首先，设函数fε·为计算总隐私预算的函数，则表示根据修正后的小波系数向量上第k个噪声的尺度参数计算得到总隐私预算，的一阶泰勒展开表达式为 其中，ε0为给定的总隐私预算，δk为待计算的偏差值；然后，修正的约束条件为 修正的效用函数为 最后，噪声的尺度参数优化问题转化为：运用修正的约束条件，求修正的效用函数的最小值，即 根据拉格朗日乘子法，计算得到偏差值δk和修正的一维小波系数向量上第k个噪声的尺度参数 步骤八：由修正的噪声的尺度参数生成噪声集合，根据几何叠加机制为一维小波系数向量P得到添加噪声后的一维小波系数向量逆小波变换得到添加噪声的人脸图像像素矩阵P′，进而结合主成分分析和P′，计算得到添加噪声后的人脸特征向量

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湖南大学，其通讯地址为：410082 湖南省长沙市岳麓区麓山南路2号湖南大学；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。