人脸识别,是基于人的脸部特征信息进行身份识别的一种生物识别技术。随着近几年互联网技术的高速发展,基于深度学习卷积神经网络分析图像的技术取得了巨大的成功,人脸识别越来越多的被应用到各种领域。随着生物识别技术的广泛使用,同时也引发了重要的隐私问题。人脸识别系统收集用户的人脸数据,用于商业用途,人脸数据通常是都是独一无二且不可替代的,一旦泄露,将对用户的隐私造成极大的损害。本文首次提出了一种新的基于安全多方计算和暹罗神经网络的人脸识别隐私保护方案,建立人脸识别隐私保护模型,通过对多个来源的敏感数据进行计算,既能进行人脸识别,同时又能保证人脸数据的隐私性。本文的方案分为两个阶段:提取人脸嵌入阶段和人脸识别隐私保护阶段。提取人脸嵌入阶段。离线客户端提取人脸特征嵌入,首先通过人脸检测与对齐对人脸图像进行预处理,再使用基于暹罗神经网络的深度学习模型处理人脸特征,提取低维面部表示(人脸嵌入)。其中人脸嵌入是指神经网络训练完成后,将最终的分类层移除,并将之前完全连接层的输出用作低维脸部表示。然后客户端将人脸嵌入的私有数据通过秘密共享的方式发送给在线服务端的两台非竞争服务器。人脸识别隐私保护阶段。在线服务端对人脸识别隐私保护模型训练和预测,两台非竞争服务器通过安全多方计算联合人脸嵌入数据以云计算方式私有训练模型。训练完成的人脸识别隐私保护模型参数以秘密共享的秘文形式分别由这两台非竞争服务器保存。之后利用训练完成的模型联合待识别的人脸嵌入数据来识别人脸,识别的结果仍为秘密共享的秘文形式,并将识别结果返回给客户端,客户端重组秘密得到明文的识别结果,完成人脸识别。最后本文对方案的正确性和安全性进行了分析,同时通过实验对方案进行了实现,验证了该方案的高效性,结果表明文章提出的一种新的基于安全多方计算和暹罗神经网络的人脸识别隐私保护方案不仅具有可靠的安全性,并且有轻量级、高准确率、计算高效性的优势。该方案对于构建安全高效的人脸识别隐私保护系统具有重要的应用价值与实际意义。