社交网络图像分享中的位置隐私保护技术研究

发布时间：2021-05-19 06:16

　　移动互联网技术的发展和硬件水平的提升,为本就占据网络服务份额前几的在线社交网络带来了更大的发展,而与之俱来的是严重的隐私泄露问题。一方面,由于隐私保护手段的不完善（例如隐私策略设置过程的繁琐、对于图像视频等多媒体信息保护手段的缺乏）,以及大众对隐私保护意识的缺失,传统的视觉隐私泄露问题依然存在;另一方面,除了能直接获取到的信息,用户的私人数据中还隐藏着巨大的价值。大数据与人工智能技术的发展,使得企业和组织能够从私人数据中挖掘出更深层次的信息。小到用户行为,大到市场分析,形形色色的潜在信息能够指引商业活动,也可能被用于非法行为。在新旧两种隐私威胁的夹杂下,隐私保护问题的解决仍然任重道远。在众多的隐私保护研究中,图像内容中的位置隐私泄露仍然是一个盲点问题。现有的位置隐私保护的研究主要针对的对象是用户所在的真实地理位置;而图像本身是一种包含丰富信息的载体,可能存在着能够反映图片拍摄地点的内容;另外,在移动设备普及的当下,人们可以随时随地地在社交网站上发布图片,这种方式为图像中的位置信息带来了更高的实时性,进一步提高了位置隐私泄露的威胁性。在这一隐私问题中,主要存在两个关键点:首先,如何从和场... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：81 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
    1.1 研究背景与意义
    1.2 研究现状
        1.2.1 细粒度隐私设置
        1.2.2 以视图为中心的隐私设置
        1.2.3 自动隐私推荐
        1.2.4 默认隐私设置
    1.3 本文研究内容
    1.4 本文章节安排
第二章 相关理论和技术
    2.1 卷积神经网络
    2.2 图像分割技术
        2.2.1 非监督方法
        2.2.2 半监督方法
        2.2.3 全监督方法
    2.3 深度学习中的对抗样本
    2.4 本章小结
第三章 社交网络图像分享中的位置隐私的视觉保护方案
    3.1 需求分析
    3.2 总体方案设计
    3.3 图像数据收集和图像分割
    3.4 特征提取、聚类和目标检测
    3.5 隐私关联度判别策略及隐私判别分类器
        3.5.1 数量隐私策略
        3.5.2 相对位置隐私策略
        3.5.3 隐私判别分类器
    3.6 实验环境
    3.7 实验内容
    3.8 本章总结
第四章 社交网络图像分享中的位置隐私的抗目标检测保护方案
    4.1 需求分析
    4.2 方案设计
        4.2.1 Faster R-CNN目标检测模型
        4.2.2 抗目标检测的隐私保护的方案
    4.3 实验环境
    4.4 实验内容
    4.5 本章总结
第五章 总结与展望
    5.1 本文工作总结
    5.2 未来工作展望
参考文献
致谢
作者简介



本文编号：3195278