陆正福，周宪法，杨慧慧，李 佳

(云南大学 数学与统计学院，云南 昆明 650500)

在分布式人脸识别系统（Distributed Face Recognition System，DFRS）中，客户端采集人脸特征后，上传到服务器中，服务器将其与人脸库中的数据进行相似度计算，并将结果发送给客户端.由于DFRS 涉及敏感信息计算，所以不同参与主体之间易产生互不信任的问题.可以通过引入密码学协议来保证DFRS 中的计算在密态下进行，以此来保障各参与方的信息安全.目前DFRS 的安全计算面临的主要问题包括相容性问题和性能问题.

相容性问题主要体现为密码学协议中的安全两方计算（Secure Two-Party Computation，STPC）和人脸识别算法的选择存在相互制约的关系，而两者的不断发展又会在解决部分相容性问题的同时产生新的相容性问题：①STPC 协议的发展解决了计算复杂度较低的人脸识别算法隐私保护问题.例如全同态加密（Fully Homomorphic Encryption，FHE）[1]提出后，文献[2-3]利用该方案分别提出了基于汉明距离和欧氏距离的隐私保护型人脸识别方案.②人脸识别算法的发展导致其计算复杂度较高，例如基于机器学习（Machine Learning，ML）和深度学习（Deep Learning，DL）的人脸识别算法中通常包含了非线性程度较高的计算，从而难以与STPC 形成天然的结合方案.

基于DL 的DFRS 与STPC 之间面临的主要挑战有两个方面：①功能上的运算相容性问题：一方面密码学中的STPC 协议所支持的计算形式有限.另一方面，DL 激活层中的非线性激活函数计算形式通常较为复杂，因此需要从基础运算上探索可行的引入方案；②性能上的效率问题：DL 一般包含……