时间：2026-03-16 分类：发表攻略
北京电子科技学院高献伟团队在《北京电子科技学院学报》2024年第4期发表论文《基于压缩感知和生成网络的多层级可逆人脸隐私保护》。论文针对云平台数据安全保护的核心需求，提出了一种新型多层级可逆人脸隐私保护方案，通过双重风格生成对抗网络、压缩感知与水印嵌入结合的方式实现图像加密，为不同授权等级用户设置差异化的图像恢复权限，该方案兼具低计算复杂度、低时间复杂度、高重构质量的特点，打造了低成本的图像加密系统。
当前云平台数据隐私保护面临诸多挑战，传统加密算法存在计算资源消耗大、对初始条件敏感等问题，现有可逆隐私保护方案又存在嵌入容量有限、未考虑受限授权用户可逆恢复、时间与计算复杂度高等短板，难以适配资源有限的应用场景。
为此，研究团队创新设计了三层授权的多级可逆数据隐藏架构，将用户分为完全授权、受限授权和非授权三类，分别对应原始图像恢复、秘密图像恢复和无有效信息获取的权限，且受限授权用户恢复的秘密图像非重要部分无损坏。该方案通过双重风格生成对抗网络将原始人脸转化为动漫人脸并嵌入原图生成秘密图像，经压缩采样后将加密水印序列嵌入测量值，最终生成密文图像，还创新采用密钥流解码水印、规避两轮贪婪稀疏投影算法，大幅降低计算和时间复杂度。
团队通过多组仿真实验验证方案性能，从Kosak、SIPI等开放数据集选取8张RGB图像展开测试，结果显示完全授权用户重构图像的SSIM均值超82%，图像视觉质量高，且重构运行时间仅为传统方案的一半左右。同时，密文图像直方图呈高斯分布，有效规避信息泄露，重构图像与原始图像在多方向的相关系数接近1，保障了传输安全性。
该方案解决了传统隐私保护方案的实用性短板，在不削弱密码系统安全性和重构性能的前提下，实现了低成本、高效率的人脸隐私保护，为云平台等场景的多媒体信息安全保护提供了新的技术思路，未来团队还将从信号鲁棒性重建角度对方案进一步优化。
