2. 基于流模型的图像隐私保护框架研究与应用

图2：左：用户端流程，右：嵌入式平台搭建

项目说明：本项目提出两种图像隐私保护方案，分别解决数据传输中的安全性问题以及隐私性与可用性的平衡，并在嵌入式系统中验证了其实用性。第一种方案是一种基于流的人脸隐私保护方法，利用流生成模型作为编码器，结合改良的旋转加密算法对特征数据加密，并利用流模型的可逆特性实现解密。实验表明，该方法能有效保护人脸隐私，同时不影响下游任务的执行效果。第二种方案是针对云服务场景的三方隐私保护方法，涵盖可信第三方、用户端嵌入式系统和云服务提供商三方协作。用户端利用 FlowGMM 模型和旋转加密算法对数据加密，云端提供分析处理和模型再训练服务，实验验证了该方案在隐私性与可用性间的良好平衡。为应对嵌入式系统计算能力不足的挑战，本项目在 NVIDIA Jetson 硬件平台上进行实验，优化旋转加密算法和深度学习模型，实现了真实场景中的图像隐私保护，并通过加密速度和功耗测试验证了方案的可行性。这些方案为解决图像隐私保护问题提供了新思路，兼顾了隐私性、安全性和可用性。