图片隐私检测与保护
发布时间：2021-08-26 19:18
科学技术的发展便捷了图片数据的产生并使得图片数据得到广泛地应用,这促使越来越多的图片数据以多种方式被共享和应用,例如在线社交网站Facebook和Flickr,数据交易平台京东万象和数据堂等。然而图片中丰富的语义内容包含大量的个人隐私信息,如果不能执行适当的隐私保护措施将使得用户面临严重的隐私泄露风险。尽管当前的社交网站允许用户设置其隐私选项,但对于网络上的绝大多数用户而言,无论是设置隐私选项或是筛选过滤隐私图片都是一项繁琐的任务,并且当人工操作不当时,图片共享可能会导致不必要的隐私披露或侵犯隐私的行为。因此,设计自动化的隐私图片保护方法十分重要。基于数据共享背景下的图片隐私保护需求,本文围绕图片隐私保护开展研究。首先,本文设计了图片隐私关注的调查问卷并根据417份问卷反馈研究分析用户关于图片隐私的特点。然后,考虑到现有工作的不足以及用户对于图片隐私的主观性定义,本文设计了一个细粒度、个性化、可解释的隐私图片检测算法,利用融合了用户可理解的多种图片语义特征的多层图结构作为图片的特征表示,使用规则描述用户隐私定义,通过规则学习构建用户个性化的图片隐私定义,将隐私检测的粒度从文件级别细化到...
【文章来源】：中国科学技术大学安徽省 211工程院校 985工程院校
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
图１．１图片隐私检测与保护??针对用户的个人图片数据集，首先对每张图片进行隐私检测，判断图片是??
?第２章图片隐私分析与方法设计???Ｈｉ?ｆｅｍａｌｅ?■■?￣２０??ｍｍ?ｍａｌｅ?■■２０－３０??—?３０－４０?木??ｍ零－??图２．１性别和年龄分布??ＡＳｆ?＝工?”，?（２．１）??其中?＜?表示隐私因素／的相关性得分，《ｆ表示选择相关性强度为ｆ的总人数。??每个因素与隐私图片之间的相关性平均值得分从大到小排序如图２．２所示。??表２．２隐私因素与图片隐私相关性结果统计??隐私隐私非常相关?相关?不确定?不相关非常不相关?总计??人脸?２３３／５５．９％?１４６／３５．０％?２４／５．８％?１３／３．１％?１／０．２％?４１７／１００％??颜值?７４／１７．８％?１５４／３６．９％?８４／２０．１％?７７／１８．５％?２８／６．７％?４１７／１００％??裸露?２４０／５７．６％?１３０／３１．２％?３１／７．４％?１３／３．１％?３／０．７％?４１７／１００％??行为?１９０／４５．６％?１６７／４０．１％?４０／９．６％?１８／４．３％?２／０．５％?４１７／１００％??物体?１２０／２８．８％?１８４／４４．１％?６９／１６．６％?３８／９．１％?６／１．４％?４１７／１００％??场景?１４７／３５．３％?１９６／４７．０％?５１／１２．２％?２２／５．３％?１／０．２％?４１７／１００％??时间?１２０／２８．８％?１６９／４０．５％?７９／１８．９％?３７／８．９％?１２／２．９％?４１７／１００％??文本?１４４／３４．５％?１９２／４６．０％?６０／１４．４％?１９／４．６％?２／０．５％?４１７／１００％??人物数丨｜１：?７１／１７．０％?１０３／２４．７％?１２６／３０
?第２章图片隐私分析与方法设ｉｔ???素按得分从高到低分别是裸露、行为、场景、文本、社交关系、物体、时间、空??间位置和颜值，所有这些隐私因素的平均得分都超过３分。如果综合非常相关和??相关两个级别的数目，则９０．８％的人认为人脸与隐私图像有关，而４１．７％的人认??为人数与隐私图像有关。通过分析，可以得出以下结论：??５－一￣??４．４３?４．４２?，，??ｆｉｉｆｌ??Ｆａｃｔｏｒ??图２．２图片隐私因素平均得分??（１）这１１个隐私因素均与隐私图像有关。如上所述，即使是排名最低的人??脸数目因素，依然有４１．７％认为其与隐私图片相关。从相关性得分的角度来看，??将相关性程度分别赋分，其中不确定等级的赋值是３分，在所有因素与隐私图片??相关性的平均得分中全部大于３分，也就是说每个因素与隐私图片的相关性等??级超过不确定这一等级并倾向于相关。因此，这些隐私因素可以作为后续隐私图??片保护特征选择的参考指南。??（２）用户对于图片隐私定义具有主观性。从整体的统计结果来看，参与问卷??调查的所有用户对于每个因素与隐私图片的相关性都没有绝对的统一意见，表现??为没有某个因素是与图片隐私绝对的相关或不相关。例如人脸数量因素有４１．７％??的人认为与图片隐私相关，有２８．１％的人认为其与图片隐私不相关，３０．２％的人??不确定其是否与图片隐私相关。其次，用户对于不同因素与图片隐私的相关程度??也有不同的意见，即使４１．７％的参与者认为人脸数量与图片隐私相关，其中仍有??１７．０％的人认为其与图片隐私的相关程度是非常相关，２４．７％的人认为其与图片??隐私的相关程度是相关。最后，从具体的单一用户之间对于不
本文编号：3364816
【文章来源】：中国科学技术大学安徽省 211工程院校 985工程院校
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
图１．１图片隐私检测与保护??针对用户的个人图片数据集，首先对每张图片进行隐私检测，判断图片是??
?第２章图片隐私分析与方法设计???Ｈｉ?ｆｅｍａｌｅ?■■?￣２０??ｍｍ?ｍａｌｅ?■■２０－３０??—?３０－４０?木??ｍ零－??图２．１性别和年龄分布??ＡＳｆ?＝工?”，?（２．１）??其中?＜?表示隐私因素／的相关性得分，《ｆ表示选择相关性强度为ｆ的总人数。??每个因素与隐私图片之间的相关性平均值得分从大到小排序如图２．２所示。??表２．２隐私因素与图片隐私相关性结果统计??隐私隐私非常相关?相关?不确定?不相关非常不相关?总计??人脸?２３３／５５．９％?１４６／３５．０％?２４／５．８％?１３／３．１％?１／０．２％?４１７／１００％??颜值?７４／１７．８％?１５４／３６．９％?８４／２０．１％?７７／１８．５％?２８／６．７％?４１７／１００％??裸露?２４０／５７．６％?１３０／３１．２％?３１／７．４％?１３／３．１％?３／０．７％?４１７／１００％??行为?１９０／４５．６％?１６７／４０．１％?４０／９．６％?１８／４．３％?２／０．５％?４１７／１００％??物体?１２０／２８．８％?１８４／４４．１％?６９／１６．６％?３８／９．１％?６／１．４％?４１７／１００％??场景?１４７／３５．３％?１９６／４７．０％?５１／１２．２％?２２／５．３％?１／０．２％?４１７／１００％??时间?１２０／２８．８％?１６９／４０．５％?７９／１８．９％?３７／８．９％?１２／２．９％?４１７／１００％??文本?１４４／３４．５％?１９２／４６．０％?６０／１４．４％?１９／４．６％?２／０．５％?４１７／１００％??人物数丨｜１：?７１／１７．０％?１０３／２４．７％?１２６／３０
?第２章图片隐私分析与方法设ｉｔ???素按得分从高到低分别是裸露、行为、场景、文本、社交关系、物体、时间、空??间位置和颜值，所有这些隐私因素的平均得分都超过３分。如果综合非常相关和??相关两个级别的数目，则９０．８％的人认为人脸与隐私图像有关，而４１．７％的人认??为人数与隐私图像有关。通过分析，可以得出以下结论：??５－一￣??４．４３?４．４２?，，??ｆｉｉｆｌ??Ｆａｃｔｏｒ??图２．２图片隐私因素平均得分??（１）这１１个隐私因素均与隐私图像有关。如上所述，即使是排名最低的人??脸数目因素，依然有４１．７％认为其与隐私图片相关。从相关性得分的角度来看，??将相关性程度分别赋分，其中不确定等级的赋值是３分，在所有因素与隐私图片??相关性的平均得分中全部大于３分，也就是说每个因素与隐私图片的相关性等??级超过不确定这一等级并倾向于相关。因此，这些隐私因素可以作为后续隐私图??片保护特征选择的参考指南。??（２）用户对于图片隐私定义具有主观性。从整体的统计结果来看，参与问卷??调查的所有用户对于每个因素与隐私图片的相关性都没有绝对的统一意见，表现??为没有某个因素是与图片隐私绝对的相关或不相关。例如人脸数量因素有４１．７％??的人认为与图片隐私相关，有２８．１％的人认为其与图片隐私不相关，３０．２％的人??不确定其是否与图片隐私相关。其次，用户对于不同因素与图片隐私的相关程度??也有不同的意见，即使４１．７％的参与者认为人脸数量与图片隐私相关，其中仍有??１７．０％的人认为其与图片隐私的相关程度是非常相关，２４．７％的人认为其与图片??隐私的相关程度是相关。最后，从具体的单一用户之间对于不
本文编号：3364816
本文链接：https://www.wllwen.com/guanlilunwen/lindaojc/3364816.html
