[發明專利]一種用于社交網絡圖片隱私風險檢測與預警的方法及系統

有效

• 申請號: 202010323133.8
• 申請日: 2020-04-22
• 公開（公告）號: CN111639359B
• 公開（公告）日: 2023-09-12
• 發明（設計）人: 曹娟;楊光;謝添;劉浩遠;郭俊波
• 申請（專利權）人: 中國科學院計算技術研究所
• 主分類號: G06F21/62
• 分類號: G06F21/62;G06F16/9536;G06N3/0464;G06N3/08;G06N3/06
• 代理公司: 北京律誠同業知識產權代理有限公司 11006
• 代理人: 祁建國

一種用于社交網絡圖片隱私風險檢測與預警的方法，包括：步驟一：利用目標檢測框架提取圖片中關鍵元素并獲得關鍵元素的信息；步驟二：收集圖片隱私與否的數據集，對數據集中的每張圖片進行步驟一的操作，然后在整個數據集上進行統計，得出在各類關鍵元素與隱私、公開圖片的關聯度，并依此來構建知識圖譜；步驟三：利用神經網絡提取圖片整體、圖片關鍵元素的特征，并利用步驟二中的知識圖譜來構建圖神經網絡，用于融合圖片整體、圖片關鍵元素的特征，并得到圖片的最終表達；以及步驟四：基于步驟三中圖片的最終表達，利用神經網絡預測圖片的隱私風險。

技術領域

本發明涉及社交網絡的隱私保護，特別涉及一種用于社交網絡圖片分享中的隱私風險檢測與預警的方法及系統。

背景技術

隨著移動互聯網的普及，社交網絡成為人們日常生活的一部分。智能手機、攝像頭等設備，提供了方便獲取圖片的途徑，因此大量圖片被分享到社交網絡中，用于分享人們的日常生活。2014年后，圖片已經超過純文本，成為社交網絡中數量最多的一種分享形式，每天在Instagram和Facebook上分別有超過1億和3億的圖片被上傳。

被分享的圖片中含有大量的信息，很可能會泄露用戶的隱私。不同于需要被思考并輸入的文本內容，用戶只需按下快門即可獲得圖片。因此，盡管社交網絡提供商允許用戶設置內容的可見范圍以保護用戶隱私，許多用戶并沒有意識到圖片中的隱私風險。一項研究中，研究者向用戶描述圖片的內容，調查了用戶對于圖片的隱私設置的期望，結果表明用戶的期望與這些圖片實際的隱私設置狀態之間存在差異。因此，需要一種有效的方法，能夠推斷用戶分享圖片中的隱私風險，識別出可能泄露隱私的圖片并加以預警。

已有的一些使用機器學習的方法，主要分為兩類。第一類利用整張圖片進行分類，給出隱私設置的建議。由于機器學習的難以解釋的問題，這種方法給出的建議難以被用戶理解，用戶難以發覺到底是圖片中的哪些區域更可能泄露隱私；另一類基于物體檢測的方法，易于理解，但受限于預定義的物體類別，無法應對列表外物體導致的隱私泄露。

發明內容

針對以上存在的問題，本發明提出一種用于社交網絡圖片隱私風險檢測與預警的方法及系統，目的是對社交網絡用戶上傳的圖片進行隱私風險預測，并對高隱私風險圖片進行預警，提醒用戶謹慎上傳。

本發明提供了一種用于社交網絡圖片隱私風險檢測與預警的方法，其包括：步驟一：利用目標檢測框架提取圖片中關鍵元素并獲得關鍵元素的信息；步驟二：收集圖片隱私與否的數據集，對數據集中的每張圖片進行步驟一的操作，然后在整個數據集上進行統計，得出在各類關鍵元素與隱私、公開圖片的關聯度，并依此來構建知識圖譜；步驟三：利用神經網絡提取圖片整體、圖片關鍵元素的特征，并利用步驟二中的知識圖譜來構建圖神經網絡，用于融合圖片整體、圖片關鍵元素的特征，并得到圖片的最終表達；以及步驟四：基于步驟三中圖片的最終表達，利用神經網絡預測圖片的隱私風險。

本發明還提供了一種用于社交網絡圖片隱私風險檢測與預警的系統，其包括：圖片元素提取模塊：利用目標檢測框架提取圖片中關鍵元素并獲得關鍵元素的信息；知識圖譜構建模塊：收集圖片隱私與否的數據集，對數據集中的每張圖片進行圖片元素提取模塊中的操作，然后在整個數據集上進行統計，得出在各類關鍵元素與隱私、公開圖片的關聯度，并依此來構建知識圖譜；圖片信息融合模塊：利用神經網絡提取圖片整體、圖片關鍵元素的特征，并利用知識圖譜構建模塊中的知識圖譜來構建圖神經網絡，用于融合圖片整體、圖片關鍵元素的特征，并得到圖片的最終表達；以及隱私檢測預警模塊：基于圖片信息融合模塊中圖片的最終表達，利用神經網絡預測圖片的隱私風險并進行預警。

本發明綜合考慮圖片中的關鍵元素及圖片整體，利用構建的知識圖譜進行融合信息，從而得到圖片的隱私風險，并對高隱私風險的圖片加以預警，提醒用戶謹慎上傳。

以下結合附圖和具體實施例對本發明進行詳細描述，但不作為對本發明的限定。

附圖說明

圖1為本發明的用于社交網絡圖片隱私風險檢測與預警的方法的流程示意圖。