Page 177 - 《软件学报》2025年第7期

3098 软件学报 2025 年第 36 卷第 7 期

4.2 效率分析
本文方法是在 TNCB 方法基础上进行的改进和扩展, 第 1 阶段通过 PerMIF 算法对原始虹膜图像进行转换的
过程与 TNCB 中保持一致. 具体来说, 本方法对原始虹膜图像进行了分块置换、取模和正反合并运算等变换, 以
生成经过初步隐私保护变换的虹膜图像用于模型训练. 文中涉及的虹膜图像都为单通道的灰度图像, 设每张经过
H
预处理的虹膜图像的宽和高分别为 W 和 , 下面将展开分析本方法在模板转化过程中的效率.
首先, 对于分块置换操作, 需要先生成应用特定的置换参数. 方法中的分块置换的块大小为 b, 因此虹膜图像
⌊H/b⌋ 个块. 由于本文所使用的虹膜图像宽和高相
在宽方向上可以被划分为 ⌊W/b⌋ 个块, 而在高方向上可以划分为
同, 因此将两个方向上划分的块数都记为 m. 而生成随机置换参数的方法为对位置坐标矩阵分别按列和行执行洗
O(m ). 接下来根据生成的置换参数对原始虹膜图像逐块执行置换操
2
牌算法, 因此生成置换参数的时间复杂度为
2 O(m ). 接下来, 本方法对于置换得到的虹膜图
2
作, 时间复杂度也为 O(m ). 因此整个分块置换操作的时间复杂度为
O(W × H), 因此这个过程整体的时间复杂度
像执行逐像素的取模和正反合并运算, 这两个运算的时间复杂度都为
为 O(W × H).
n, 在模型训练前需对数据集中的每一张图像都按照上述算法进行变换, 因
假设数据集中虹膜图像的数量为
2 H 为常数, 因此模板转换过程整体的
此整个数据集变换的时间复杂度为 O(n×m ) + O(n×W × H). 由于参数 W 和
时间复杂度为 O(W × H). 下面将重点分析本文提出的两种安全增量虹膜识别方法在模型增量训练过程中的效率.
(1) 数据存储和处理效率. GFR-SIR 在增量学习阶段通过当前任务的数据和生成器重放的特征进行模型训练,
生成特征的过程需要一些额外的计算资源, 但避免了直接存储和处理大量历史数据, 在数据存储和存储效率上具
有一定优势, 但该方法需要训练和存储生成器模型, 对计算资源和存储效率也有一定的影响. 而 PTR-SIR 在每一
次增量学习过程中都需要同时处理以往任务的所有隐私保护模板和当前任务转换的模板, 处理的数据量随时间呈
线性增长, 会导致数据预处理和加载的时间增加, 从而影响整体的效率. 并且在大规模增量学习场景下将会给数据
存储和计算资源带来很大的挑战, 因此该方法在数据存储和处理效率方面有一定的局限性.
(2) 模型更新计算效率. GFR-SIR 通过生成器重放以往任务的特征参与当前模型的训练, 相比于直接通过完整
数据联合训练减少了每次迭代训练需要处理的数据量, 因此模型更新的计算效率较高. 但是, 该方法在每个任务中
还需要另外训练一个特征生成器, 在生成器的对抗训练过程中也需要消耗一定的计算资源, 会对效率有一定的影
响. 而 PTR-SIR 在增量学习过程中, 一方面是该方法首先需要先在当前任务数据集上进行一次识别网络和转换网
络的训练, 用于将当前任务的数据转换为隐私保护模板, 这一过程需要消耗一定的计算资源. 但由于该模型的训练
只是在当前任务数据集上进行计算, 因此不会显著影响方法的效率. 另一方面, 本方法需要在到目前为止所有任务
的隐私保护模板上进行计算以更新模型参数, 这一过程显著增加了每次训练所需的计算资源和时间, 尤其是任务
数量较多时, 需要消耗的计算资源更多, 效率也相对更低.

5 实验结果与分析

5.1 实验设置
实验在中国科学院的两个经典的虹膜数据集 CASIA-Iris-Lamp 和 CASIA-Iris-Thousand [34] 上进行, 后文分别记
为 Lamp 和 Thousand. 其中, Lamp 数据集中包含来自 411 个用户的 16 215 张虹膜图像, 该数据集是在不同光线条
件下采集到的. 在不同光线下采集到的虹膜图像同一类内具有一定的变化, 从而可以更有效评估虹膜识别方法的
有效性. Thousand 数据集中包括 2 000 张来自 1 000 个不同用户的虹膜图像, 该数据集中包括正常眼部图片以及戴
眼镜有反光的图像, 由于镜面反射和灯光的影响, 该数据集的识别难度非常大, 常被用于评估虹膜识别方法的鲁棒
性. 本文采用 Othman 等人 [35] 提出的 OSIRIS-V4.1 系统进行虹膜图像的定位、分割和归一化等操作之后得到归一

化虹膜图像, 该图像的尺寸为 64×256. 随后对其进行分割和拼接得到 128×128 的虹膜图像, 本文的所有实验都是
基于该尺寸的图像展开的.
实验的初始任务类别数量和扩展任务数量的设置参照文献 [33] 中的方法, 具体来说, 对于 Lamp 数据集, 为了