[發(fā)明專利]基于深度學(xué)習(xí)的圖像隱私信息保護(hù)系統(tǒng)及其方法

有效

• 申請?zhí)枺?/td>: 202110158030.5
• 申請日: 2021-02-04
• 公開（公告）號: CN112906047B
• 公開（公告）日: 2023-02-07
• 發(fā)明（設(shè)計(jì)）人: 任杰;侯佳樂;白茹雪;段帥
• 申請（專利權(quán)）人: 陜西師范大學(xué)
• 主分類號: G06F21/62
• 分類號: G06F21/62;G06V10/764;G06V10/774
• 代理公司: 西安西達(dá)專利代理有限責(zé)任公司 61202
• 代理人: 劉華

基于深度學(xué)習(xí)的圖像隱私信息保護(hù)系統(tǒng)及其方法，包括數(shù)據(jù)上傳模塊、深度學(xué)習(xí)模塊、信息隱匿模塊和數(shù)據(jù)下載模塊；個人隱私信息覆蓋方法包括：采集大量相關(guān)隱私類在不同場景下的照片，利用深度學(xué)習(xí)模型，訓(xùn)練出可識別指定隱私對象的模型，并利用高斯濾波對識別出的對象進(jìn)行模糊化處理；在用戶上傳數(shù)據(jù)時，識別當(dāng)前圖像及視頻中所含的隱私信息，根據(jù)用戶選擇的需保護(hù)的隱私對象類別，對指定信息進(jìn)行覆蓋，并根據(jù)用戶選擇將處理后的結(jié)果返回給客戶端；可有效實(shí)現(xiàn)對圖像及視頻中隱私信息的精準(zhǔn)覆蓋和個性化保護(hù)，為用戶提供高質(zhì)量的隱私信息保護(hù)服務(wù)，具有實(shí)時快速、精準(zhǔn)識別、全面覆蓋的優(yōu)點(diǎn)。

技術(shù)領(lǐng)域

本發(fā)明屬于圖像隱私保護(hù)技術(shù)領(lǐng)域，尤其涉及基于深度學(xué)習(xí)的圖像隱私信息保護(hù)系統(tǒng)及其方法，該方法根據(jù)用戶需求自動識別圖像及視頻中的個人隱私信息，并進(jìn)行模糊化處理。

背景技術(shù)

自第五代信息技術(shù)革命以來，人類社會進(jìn)入數(shù)字信息化時代。隨著社交媒體和智能手機(jī)的發(fā)展，社交網(wǎng)絡(luò)平臺(如Facebook、Twitter、微博、微信等)已經(jīng)成為我們?nèi)粘Ｉ畹囊徊糠帧Ｍ瑫r隨著移動設(shè)備和通信成本的降低，人們可以隨時隨地拍攝自己的生活照片上傳到社交網(wǎng)絡(luò)中與好友一起分享。據(jù)相關(guān)報告統(tǒng)計(jì)，2013年Facebook平均每天有3.5億張照片上傳量，總量已達(dá)到2500億張；2016年馬化騰在貴陽國際大數(shù)據(jù)博覽會中指出微信朋友圈及QQ空間每天上傳的圖片高達(dá)10億張。由此可見，圖像已經(jīng)成為社交網(wǎng)絡(luò)中的主流媒介。

在社交圖像隱私泄露方面，已有許多學(xué)者做了大量研究。利用基于PCA的K-Same去識別算法對圖像中人臉進(jìn)行處理，使得保護(hù)圖片隱私的同時可以最大程度的保證圖片的可讀性。

目前，現(xiàn)有技術(shù)針對圖像中個人信息的保護(hù)存在：隱私信息處理時產(chǎn)生的覆蓋不精準(zhǔn)問題、對用戶需求無區(qū)分的問題。

發(fā)明內(nèi)容

為克服上述現(xiàn)有技術(shù)的不足，本發(fā)明的目的是提供基于深度學(xué)習(xí)的圖像隱私信息保護(hù)系統(tǒng)及其方法，解決了現(xiàn)有技術(shù)在隱私信息處理時產(chǎn)生的覆蓋不精準(zhǔn)問題、對用戶需求無區(qū)分的問題，為用戶提供高質(zhì)量的隱私信息保護(hù)服務(wù)，有效實(shí)現(xiàn)對圖像中隱私信息的個性化保護(hù)，避免發(fā)生信息泄露事件，具有實(shí)時快速、精準(zhǔn)識別、全面覆蓋的優(yōu)點(diǎn)。

為實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案是：基于深度學(xué)習(xí)的圖像隱私信息保護(hù)系統(tǒng)，包括有數(shù)據(jù)上傳模塊、深度學(xué)習(xí)模塊、信息隱匿模塊和數(shù)據(jù)下載模塊；所述數(shù)據(jù)上傳模塊，用于實(shí)現(xiàn)客戶端到服務(wù)器端的圖像上傳；所述深度學(xué)習(xí)模塊，遍歷圖像中的像素塊，識別出圖像中包含的隱私保護(hù)對象；所述信息隱匿模塊，根據(jù)用戶提交的所需保護(hù)隱私類別，利用高斯濾波，對隱私信息進(jìn)行模糊化處理；所述數(shù)據(jù)下載模塊，實(shí)現(xiàn)用戶端從服務(wù)器端下載已經(jīng)處理過的圖像。

所述數(shù)據(jù)上傳模塊包括：

1)采集當(dāng)前用戶上傳圖像、視頻信息；

2)采集當(dāng)前用戶所選需覆蓋的隱私保護(hù)類信息。

所述的深度學(xué)習(xí)模塊，其核心為識別指定隱私保護(hù)對象的模型；模型訓(xùn)練過程包括：首先選定部分隱私保護(hù)類，拍攝其在不同場景下的照片，作為訓(xùn)練集；然后對拍攝得到的照片進(jìn)行人工篩選，刪除不可用的數(shù)據(jù)，并對符合要求的數(shù)據(jù)中的隱私信息進(jìn)行類別標(biāo)記，并將數(shù)據(jù)集按照8:2的比例分為訓(xùn)練集和測試集；之后將帶有標(biāo)記的數(shù)據(jù)傳入darknet深度學(xué)習(xí)模型框架中，并進(jìn)行輪詢迭代，訓(xùn)練模型神經(jīng)元權(quán)重，最終得到所需可識別指定對象的模型；最后，將訓(xùn)練好的模型部署到服務(wù)器中。

所述的信息隱匿模塊，其核心為對識別出的隱私信息進(jìn)行模糊化處理；處理過程為：首先，根據(jù)深度學(xué)習(xí)模型所識別的隱私保護(hù)對象位置信息，對識別區(qū)域的尺寸進(jìn)行確定；然后，依據(jù)用戶所選隱私保護(hù)對象類別以及人為設(shè)置的高斯核標(biāo)準(zhǔn)差，將其代入所選高斯核函數(shù)，對隱私對象進(jìn)行模糊化處理。

所述的數(shù)據(jù)下載模塊，服務(wù)器端將處理后的圖片、視頻返回給客戶端，用戶按照個人需求，可選擇性的將其下載到本地。