一种AI样本识别方法、装置、电子设备及存储介质

技术领域

本发明涉及AI识别技术领域，尤其涉及一种AI样本识别方法、装置、电子设备及存储介质。

背景技术

随着AI及云计算计算的不断发展，客户广泛使用第三方服务商进行AI样本识别服务。

AI样本识别，即用户向服务商提供识别样本，服务商通过AI算法模型，判断图像采集设备所采集的场景数据是否包含用户样本。主要用于人脸、物品等样本在摄像头采集数据中的识别。服务商向用户提供AI样本识别服务时，用户通常需要上传样本信息(被识别人脸或被识别物品样本图片)。在这个过程中，用户识别样本、摄像机图像采集信息等相关数据在传输、保存、识别等方面存在隐私泄露的可能。包括：a、用户向服务商请求AI样本识别服务时需提交未加密的样本图片数据，涉及隐私泄露风险问题。b、服务商提供AI样本识别服务时，需接触用户未加密样本图片数据，以及图像采集设备(摄像机)采集的未加密场景图片数据，涉及隐私泄露风险。

发明内容

本发明提供了一种AI样本识别方法、装置、电子设备及存储介质，用于解决现有的AI样本识别方法安全性较低，存在隐私泄露风险的技术问题。

本发明提供一种AI样本识别方法，应用于服务商端；所述方法包括：

接收客户端发送的公钥以及经由所述公钥加密生成的AI客户样本；

采用所述公钥和所述AI客户样本训练AI样本识别模型；

接收视频采集设备发送的经由所述公钥加密生成的采集场景图片；

通过所述AI样本识别模型从所述采集场景图片中获取样本图片；

根据所述样本图片在所述AI客户样本中识别目标AI客户样本；

生成所述目标AI客户样本的签名信息，并向所述客户端返回所述签名信息；所述签名信息用于获取所述采集场景图片对应的目标AI样本。

可选地，所述采用所述公钥和所述AI客户样本训练AI样本识别模型的步骤，包括：

采用所述AI客户样本生成用户加密图片数据集；

从公共图片样本库中获取公共图片；

采用所述公钥对所述公共图片进行加密，得到公共加密图片数据集；

合并所述用户加密图片数据集和所述公共加密图片数据集，生成加密数据集；

采用深度学习算法对所述加密数据集进行建模，生成AI样本识别模型。

可选地，所述根据所述样本图片在所述AI客户样本中识别目标AI客户样本的步骤，包括：

在所述AI客户样本中匹配所述样本图片，得到所述样本图片对应的若干个相似样本图片；

计算所述样本图片与各所述相似样本图片的相似度；

将相似度最高的相似样本图片作为目标AI客户样本。

可选地，所述生成所述目标AI客户样本的签名信息，并向所述客户端返回所述签名信息的步骤，包括：

对所述目标AI客户样本进行MD5运算，生成签名信息；

向所述客户端返回所述签名信息。

本发明还提供了一种AI样本识别装置，应用于服务商端；所述装置包括：

AI客户样本接收模块，用于接收客户端发送的公钥以及经由所述公钥加密生成的AI客户样本；

AI样本识别模型训练模块，用于采用所述公钥和所述AI客户样本训练AI样本识别模型；

采集场景图片接收模块，用于接收视频采集设备发送的经由所述公钥加密生成的采集场景图片；

样本图片获取模块，用于通过所述AI样本识别模型从所述采集场景图片中获取样本图片；

目标AI客户样本识别模块，用于根据所述样本图片在所述AI客户样本中识别目标AI客户样本；

签名信息返回模块，用于生成所述目标AI客户样本的签名信息，并向所述客户端返回所述签名信息；所述签名信息用于获取所述采集场景图片对应的目标AI样本。

可选地，所述AI样本识别模型训练模块，包括：

用户加密图片数据集生成子模块，用于采用所述AI客户样本生成用户加密图片数据集；

公共图片获取子模块，用于从公共图片样本库中获取公共图片；

公共加密图片数据集生成子模块，用于采用所述公钥对所述公共图片进行加密，得到公共加密图片数据集；

合并子模块，用于合并所述用户加密图片数据集和所述公共加密图片数据集，生成加密数据集；

AI样本识别模型生成子模块，用于采用深度学习算法对所述加密数据集进行建模，生成AI样本识别模型。

可选地，所述目标AI客户样本识别模块，包括：

相似样本图片获取子模块，用于在所述AI客户样本中匹配所述样本图片，得到所述样本图片对应的若干个相似样本图片；

相似度计算子模块，用于计算所述样本图片与各所述相似样本图片的相似度；

目标AI客户样本确定子模块，用于将相似度最高的相似样本图片作为目标AI客户样本。

可选地，所述签名信息返回模块，包括：

签名信息生成子模块，用于对所述目标AI客户样本进行MD5运算，生成签名信息；

签名信息返回子模块，用于向所述客户端返回所述签名信息。

本发明还提供了一种电子设备，所述设备包括处理器以及存储器：

所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；

所述处理器用于根据所述程序代码中的指令执行如上任一项所述的AI样本识别方法。

本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行如上任一项所述的AI样本识别方法。

从以上技术方案可以看出，本发明具有以下优点：本发明提供了一种AI样本识别方法，包括：接收客户端发送的公钥以及经由公钥加密生成的AI客户样本；采用公钥和AI客户样本训练AI样本识别模型；接收视频采集设备发送的经由公钥加密生成的采集场景图片；通过AI样本识别模型从采集场景图片中获取样本图片；根据样本图片在AI客户样本中识别目标AI客户样本；生成目标AI客户样本的签名信息，并向客户端返回签名信息；签名信息用于获取采集场景图片对应的目标AI样本。本发明通过对客户端发送的AI客户样本以及视频采集设备采集的采集场景图片进行加密，并训练基于公钥的AI样本识别模型对加密的采集场景图片进行分析，以完成对采集场景中的样本图片的识别。由于在整个识别过程中，涉及到的数据都是经由公钥加密的数据，因此降低了用户隐私泄露的风险。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。

图1为本发明实施例提供的一种AI样本识别方法的步骤流程图；

图2为本发明实施例提供的一种密钥生成和分发过程示意图；

图3为本发明另一实施例提供的一种AI样本识别方法的步骤流程图；

图4为本发明实施例提供的一种AI样本识别装置的结构框图。

具体实施方式

本发明实施例提供了一种AI样本识别方法、装置、电子设备及存储介质，用于解决现有的AI样本识别方法安全性较低，存在隐私泄露风险的技术问题。

为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1，图1为本发明实施例提供的一种AI样本识别方法的步骤流程图。

本发明提供的一种AI样本识别方法，具体可以包括以下步骤：

步骤101，接收客户端发送的公钥以及经由公钥加密生成的AI客户样本；

AI(Artificial Intelligence，人工智能)，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术学科。

AI样本识别，即用户向服务商提供识别样本，服务商通过AI算法模型，判断图像采集设备所采集的场景数据是否包含用户样本。主要用于人脸、物品等样本在摄像头采集数据中的识别。

公钥是与私钥算法一起使用的密钥对的非秘密一半。公钥通常用于加密会话密钥、验证数字签名，或加密可以用相应的私钥解密的数据。公钥和私钥是通过一种算法得到的一个密钥对(即一个公钥和一个私钥)，其中的一个向外界公开，称为公钥；另个自己保留，称为私钥。通过这种算法得到的密钥对能保证在世界范围内是唯一的。使用这个密钥对的时候,如果用其中一个密钥加密一段数据，必须用另一个密钥解密。如用公钥加密数据就必须用私钥解密，如果用私钥加密也必须用公钥解密，否则解密将不会成功。

在本发明实施例中，为避免AI客户样本泄露，客户端可以在现有的AI样本识别架构中增加客户密钥生成模块来生成公钥和私钥，并采用公钥对AI客户样本进行加密，生成加密后的AI客户样本。然后将公钥和AI客户样本一并发送至服务商端进行后续的样本识别操作。

在一个示例中，密钥需要分发至AI样本识别的各个对象上，以保证在整个AI样本识别过程中的数据安全。如图2所示，图2示出了本发明实施例的密钥生成和分发过程。

步骤102，采用公钥和AI客户样本训练AI样本识别模型；

服务商端在获取到公钥和AI客户样本后，可以采用公钥对训练数据进行加密，然后结合AI客户样本(同样通过该公钥完成加密)作为模型训练数据，采用深度学习算法训练得到AI样本识别模型。该AI样本识别模型的输入是待识别的图片，输出是AI样本。

步骤103，接收视频采集设备发送的经由公钥加密生成的采集场景图片；

在完成AI样本识别模型的训练后，可以接收视频采集设备发送的经由公钥加密生成的采集场景图片。由于采集场景图片在传输过程中通过公钥进行了加密处理，因此减少了采集场景图片泄露的风险。

步骤104，通过AI样本识别模型从采集场景图片中获取样本图片；

在本发明实施例中，采集场景图片即为待进行AI样本识别的对象，将采集场景图片输入到AI样本识别模型中，可以识别出相应的样本图片。

步骤105，根据样本图片在AI客户样本中识别目标AI客户样本；

在本发明实施例中，通过AI客户样本模型，可以识别出采集场景图片中的样本图片，然而该样本图片仅为通过AI客户样本模型识别出来的预测图片，因此需要通过与AI客户样本进行匹配来确定实际的目标AI客户样本。

步骤106，生成目标AI客户样本的签名信息，并向客户端返回签名信息；签名信息用于获取采集场景图片对应的目标AI样本。

在确定了目标AI客户样本后，可以生成该目标AI客户样本的签名信息，并将该签名信息返回给客户端，客户端可以基于签名信息确定采集场景图片中的样本信息。

本发明通过对客户端发送的AI客户样本以及视频采集设备采集的采集场景图片进行加密，并训练基于公钥的AI样本识别模型对加密的采集场景图片进行分析，以完成对采集场景中的样本图片的识别。由于在整个识别过程中，涉及到的数据都是经由公钥加密的数据，因此降低了用户隐私泄露的风险。

请参阅图3，图3为本发明另一实施例提供的一种AI样本识别方法的步骤流程图。具体可以包括以下步骤：

步骤301，接收客户端发送的公钥以及经由公钥加密生成的AI客户样本；

在本发明实施例中，为避免AI客户样本泄露，客户端可以在现有的AI样本识别架构中增加客户密钥生成模块来生成公钥和私钥，并采用公钥对AI客户样本进行加密，生成加密后的AI客户样本。然后将公钥和AI客户样本一并发送至服务商端进行后续的样本识别操作。

步骤302，采用AI客户样本生成用户加密图片数据集；

步骤303，从公共图片样本库中获取公共图片；

步骤304，采用公钥对公共图片进行加密，得到公共加密图片数据集；

在本发明实施例中，AI样本识别模型的训练数据一方面可以来自AI客户样本，另一方面可以来自公共图片样本库。具体地，通过AI客户样本可以生成用户加密图片数据集；用户加密图片数据集中存放有若干AI客户样本。此外，用户可以从公共图片样本库中获取公共图片，然后采用公钥对其进行加密，得到相应的公共加密图片数据集。

步骤305，合并用户加密图片数据集和公共加密图片数据集，生成加密数据集；

在获取到用户加密图片数据集和公共加密图片数据集后，可以合并用户加密图片数据集合公共加密图片数据集，生成加密数据集。

步骤306，采用深度学习算法对加密数据集进行建模，生成AI样本识别模型；

在获取到加密数据集作为训练数据后，可以采用深度学习算法对加密数据集进行建模，生成AI样本识别模型。

步骤307，接收视频采集设备发送的经由公钥加密生成的采集场景图片；

在本发明实施例中，可以在视频采集设备中设置数据采集模块和图片加密模块，通过数据采集模块获取采集场景图片，然后通过图片加密模块对采集场景模块进行加密，得到加密后的采集场景图片。

步骤308，通过AI样本识别模型从采集场景图片中获取样本图片；

在本发明实施例中，采集场景图片即为待进行AI样本识别的对象，将采集场景图片输入到AI样本识别模型中，可以识别出相应的样本图片。

步骤309，根据样本图片在AI客户样本中识别目标AI客户样本；

在本发明实施例中，通过AI客户样本模型，可以识别出采集场景图片中的样本图片，然而该样本图片仅为通过AI客户样本模型识别出来的预测图片，因此需要通过与AI客户样本进行匹配来确定实际的目标AI客户样本。

在一个示例中，根据样本图片在AI客户样本中识别目标AI客户样本的步骤，可以包括以下子步骤：

S91，在AI客户样本中匹配样本图片，得到样本图片对应的若干个相似样本图片；

S92，计算样本图片与各相似样本图片的相似度；

S93，将相似度最高的相似样本图片作为目标AI客户样本。

在本发明实施例中，服务商端在通过AI样本识别模型识别出采集场景图片中的样本图片后，可以在AI客户样本中匹配相似样本图片，若存在相似样本图片，则可以计算样本图片与相似样本图片之间的相似度，并将相似度最高的相似样本图片作为目标AI客户样本。

步骤310，生成目标AI客户样本的签名信息，并向客户端返回签名信息；签名信息用于获取采集场景图片对应的目标AI样本。

在确定了目标AI客户样本后，可以生成该目标AI客户样本的签名信息，并将该签名信息返回给客户端，客户端可以基于签名信息确定采集场景图片中的样本信息。

在一个示例中，生成目标AI客户样本的签名信息，并向客户端返回签名信息的步骤，可以包括以下子步骤：

S01，对目标AI客户样本进行MD5运算，生成签名信息；

S02，向客户端返回签名信息。

MD5(Message-Digest Algorithm，信息摘要算法)，是一种被广泛使用的密码散列函数，可以产生出一个128位(16字节)的散列值(hash value)，用于确保信息传输完整一致。

在具体实现中，可以通过对目标AI客户样本进行MD5运算，来生成签名信息，并将签名信息返回至客户端，客户端可以基于签名信息确定采集场景图片中的样本信息。

本发明通过对客户端发送的AI客户样本以及视频采集设备采集的采集场景图片进行加密，并训练基于公钥的AI样本识别模型对加密的采集场景图片进行分析，以完成对采集场景中的样本图片的识别。由于在整个识别过程中，涉及到的数据都是经由公钥加密的数据，因此降低了用户隐私泄露的风险。

请参阅图4，图4为本发明实施例提供的一种AI样本识别装置的结构框图。

本发明实施例提供了一种AI样本识别装置，应用于服务商端；装置包括：

AI客户样本接收模块401，用于接收客户端发送的公钥以及经由公钥加密生成的AI客户样本；

AI样本识别模型训练模块402，用于采用公钥和AI客户样本训练AI样本识别模型；

采集场景图片接收模块403，用于接收视频采集设备发送的经由公钥加密生成的采集场景图片；

样本图片获取模块404，用于通过AI样本识别模型从采集场景图片中获取样本图片；

目标AI客户样本识别模块405，用于根据样本图片在AI客户样本中识别目标AI客户样本；

签名信息返回模块406，用于生成目标AI客户样本的签名信息，并向客户端返回签名信息；签名信息用于获取采集场景图片对应的目标AI样本。

在本发明实施例中，AI样本识别模型训练模块402，包括：

用户加密图片数据集生成子模块，用于采用AI客户样本生成用户加密图片数据集；

公共图片获取子模块，用于从公共图片样本库中获取公共图片；

公共加密图片数据集生成子模块，用于采用公钥对公共图片进行加密，得到公共加密图片数据集；

合并子模块，用于合并用户加密图片数据集和公共加密图片数据集，生成加密数据集；

AI样本识别模型生成子模块，用于采用深度学习算法对加密数据集进行建模，生成AI样本识别模型。

在本发明实施例中，目标AI客户样本识别模块405，包括：

相似样本图片获取子模块，用于在AI客户样本中匹配样本图片，得到样本图片对应的若干个相似样本图片；

相似度计算子模块，用于计算样本图片与各相似样本图片的相似度；

目标AI客户样本确定子模块，用于将相似度最高的相似样本图片作为目标AI客户样本。

在本发明实施例中，签名信息返回模块406，包括：

签名信息生成子模块，用于对目标AI客户样本进行MD5运算，生成签名信息；

签名信息返回子模块，用于向客户端返回签名信息。

本发明实施例还提供了一种电子设备，设备包括处理器以及存储器：

存储器用于存储程序代码，并将程序代码传输给处理器；

处理器用于根据程序代码中的指令执行本发明实施例的AI样本识别方法。

本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质用于存储程序代码，程序代码用于执行本发明实施例的AI样本识别方法。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。

以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。