[發明專利]圖片隱私的預測方法及裝置、存儲介質及電子設備

有效

• 申請號: 201910323986.9
• 申請日: 2019-04-22
• 公開（公告）號: CN110069947B
• 公開（公告）日: 2020-09-15
• 發明（設計）人: 黃興森;張偉哲;張賓;王鴻鵬;周穎
• 申請（專利權）人: 鵬城實驗室
• 主分類號: G06F21/62
• 分類號: G06F21/62;G06N3/04;G06N3/08
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 李偉;王寶筠

1.一種圖片隱私的預測方法，其特征在于，包括：

將已獲取的待測試圖片輸入至預先構建的圖片隱私預測模型中，得到所述待測試圖片分別與各個預先設置的隱私標簽對應的隱私標簽概率值；

按各個所述隱私標簽概率值由大至小的順序，選取預設數目個所述隱私標簽概率值，并將已選取的各個所述隱私標簽概率值分別對應的隱私標簽組成目標隱私標簽集合；

確定所述目標隱私標簽集合中的各個所述隱私標簽分別對應的用戶隱私敏感度；

依據所述用戶隱私敏感度及所述已選取的各個所述隱私標簽概率值，生成所述待測試圖片的圖片隱私值；

判斷所述圖片隱私值是否與預先設置的隱私閾值匹配，若匹配，則確定所述待測試圖片包含用戶隱私信息，所述用戶隱私信息為用戶敏感的隱私信息。

2.根據權利要求1所述的方法，其特征在于，所述圖片隱私預測模型的構建過程，包括：

依次將預先生成的訓練圖片集合中的每張訓練圖片及其對應的各個隱私標簽，輸入至經過預訓練的深度卷積神經網絡中，直至將所述深度卷積神經網絡確定為圖片隱私預測模型；

其中，將每張所述訓練圖片及其對應的各個隱私標簽輸入至所述深度卷積神經網絡時，得到當前輸入至所述深度卷積神經網絡的訓練圖片的各個初始標簽概率值；依據所述初始標簽概率值與所述當前輸入至所述深度卷積神經網絡的訓練圖片對應的各個隱私標簽，確定預測準確率；判斷所述預測準確率是否大于預先設置的預測準確率閾值；若所述預測準確率小于預先設置的預測準確率閾值，則依據所述預測準確率對所述深度卷積神經網絡的預測權值進行調整；若所述預測準確率大于等于預先設置的預測準確率閾值時，則將當前所述深度卷積神經網絡確定為圖片隱私預測模型。

3.根據權利要求1所述的方法，其特征在于，所述圖片隱私預測模型的構建過程，包括：

依次將預先生成的訓練圖片集合中的每張訓練圖片及每張所述訓練圖片對應的各個隱私標簽，輸入至經過預訓練的深度卷積神經網絡中，直到輸入至所述深度卷積神經網絡的圖片數量等于預設的數量閾值時，確定當前所述深度卷積神經網絡為圖片隱私預測模型；

其中，將每張所述訓練圖片及其對應的各個隱私標簽輸入至所述深度卷積神經網絡時，得到當前輸入至所述深度卷積神經網絡的訓練圖片的各個初始標簽概率值；依據所述初始標簽概率值與所述當前輸入至所述深度卷積神經網絡的訓練圖片對應的各個隱私標簽，確定預測準確率；依據所述預測準確率對所述深度卷積神經網絡的預測權值進行調整。

4.根據權利要求2或3所述的方法，其特征在于，所述訓練圖片集合的生成過程，包括：

將多個隨機噪聲依次輸入至預先構建的目標對抗生成網絡中，得到多個待訓練圖片；

依據所述多個待訓練圖片生成訓練圖片集合。

5.根據權利要求1所述的方法，其特征在于，所述按各個所述隱私標簽概率值由大至小的順序，選取預設數目個所述隱私標簽概率值，包括：

依據各個所述隱私標簽概率值的大小，對各個所述隱私標簽概率值進行排序，并按各個所述隱私標簽概率值由大至小的順序選取預設數目個所述隱私標簽概率值；

或，

將各個所述隱私標簽概率值與預先設置的概率閾值進行比較，得到多個大于所述概率閾值的所述隱私標簽概率值，并按所述多個大于所述概率閾值的所述隱私標簽概率值由大至小的順序，選取預設數目個所述隱私標簽概率值。

6.根據權利要求1所述的方法，其特征在于，確定所述目標隱私標簽集合中的各個所述隱私標簽分別對應的用戶隱私敏感度，包括：

遍歷預先存儲的用戶隱私評分表，以獲取所述目標隱私標簽集合中的各個所述隱私標簽的隱私評分；

依據所述隱私評分，確定所述目標隱私標簽集合中的各個所述隱私標簽分別對應的用戶隱私敏感度。