【技术实现步骤摘要】
一种用于社交网络图片隐私风险检测与预警的方法及系统
本专利技术涉及社交网络的隐私保护,特别涉及一种用于社交网络图片分享中的隐私风险检测与预警的方法及系统。
技术介绍
随着移动互联网的普及,社交网络成为人们日常生活的一部分。智能手机、摄像头等设备,提供了方便获取图片的途径,因此大量图片被分享到社交网络中,用于分享人们的日常生活。2014年后,图片已经超过纯文本,成为社交网络中数量最多的一种分享形式,每天在Instagram和Facebook上分别有超过1亿和3亿的图片被上传。被分享的图片中含有大量的信息,很可能会泄露用户的隐私。不同于需要被思考并输入的文本内容,用户只需按下快门即可获得图片。因此,尽管社交网络提供商允许用户设置内容的可见范围以保护用户隐私,许多用户并没有意识到图片中的隐私风险。一项研究中,研究者向用户描述图片的内容,调查了用户对于图片的隐私设置的期望,结果表明用户的期望与这些图片实际的隐私设置状态之间存在差异。因此,需要一种有效的方法,能够推断用户分享图片中的隐私风险,识别出可能泄露隐私的图片并加以预警。已有的一些使用机器学习的方法,主要分为两类。第一类利用整张图片进行分类,给出隐私设置的建议。由于机器学习的难以解释的问题,这种方法给出的建议难以被用户理解,用户难以发觉到底是图片中的哪些区域更可能泄露隐私;另一类基于物体检测的方法,易于理解,但受限于预定义的物体类别,无法应对列表外物体导致的隐私泄露。
技术实现思路
针对以上存在的问题,本专利技术提出一种用于社交网络图 ...
【技术保护点】
1.一种用于社交网络图片隐私风险检测与预警的方法,其特征在于,包括:/n步骤一:利用目标检测框架提取图片中关键元素并获得关键元素的信息;/n步骤二:收集图片隐私与否的数据集,对数据集中的每张图片进行步骤一的操作,然后在整个数据集上进行统计,得出在各类关键元素与隐私、公开图片的关联度,并依此来构建知识图谱;/n步骤三:利用神经网络提取图片整体、图片关键元素的特征,并利用步骤二中的知识图谱来构建图神经网络,用于融合图片整体、图片关键元素的特征,并得到图片的最终表达;以及/n步骤四:基于步骤三中图片的最终表达,利用神经网络预测图片的隐私风险。/n
【技术特征摘要】
1.一种用于社交网络图片隐私风险检测与预警的方法,其特征在于,包括:
步骤一:利用目标检测框架提取图片中关键元素并获得关键元素的信息;
步骤二:收集图片隐私与否的数据集,对数据集中的每张图片进行步骤一的操作,然后在整个数据集上进行统计,得出在各类关键元素与隐私、公开图片的关联度,并依此来构建知识图谱;
步骤三:利用神经网络提取图片整体、图片关键元素的特征,并利用步骤二中的知识图谱来构建图神经网络,用于融合图片整体、图片关键元素的特征,并得到图片的最终表达;以及
步骤四:基于步骤三中图片的最终表达,利用神经网络预测图片的隐私风险。
2.如权利要求1所述的用于社交网络图片隐私风险检测与预警的方法,其特征在于,所述步骤一中的目标检测框架可以采用Faster-RCNN或者MASK-RCNN。
3.如权利要求1所述的用于社交网络图片隐私风险检测与预警的方法,其特征在于,所述步骤二中的数据集可以采用在保护图片隐私的社交平台上收集的图片数据集或者采用现有被标注隐私与否的图片数据集。
4.如权利要求3所述的用于社交网络图片隐私风险检测与预警的方法,其特征在于,所述在保护图片隐私的社交平台上收集的图片数据集以平台用户是否认为图片会泄露隐私的多数标注为判断依据,将图片分为隐私图片与公开图片两类。
5.如权利要求1所述的用于社交网络图片隐私风险检测与预警的方法,其特征在于,所述步骤二中的各类关键元素与隐私、公开图片的关联度用各种关键元素分别在隐私、公开图片中出现的频次来表征。
6.如权利要求1所述的用于社交网络图片隐私风险检测与预警的方法,其特征在于,所述步骤二中的知识图谱包含两类节点:
类别节点,分别代表隐私与公开两个类别;以及
关键元素节点,数量等于关键元素的种类;
其中,在两类节点之间建立连边,边的权重为关键元素与隐私/公开类别的关联度。
7.如权利要求6所述的用于社交网络图片隐私风险检测与预警的方法,其特征在于,所述步骤三具体包括:
对一张图片,利用神经网络提取图片整体的特征,作为第一类的两个节点特征的初始化,对图片中包含的某类关键元素,裁切对应区域的特征,作为对应第二类节点的初始化;
所有节点初始化后,采用图神经网络融合类别节点包含的全局信息,与关键元素节点包含的局部信息;
对融合后的特征,为不同关键元素节点的特征赋予不同的权重,与融合后的全局特征拼接成图片的最终表达。
8.一种用于社交网络图片隐私风险检测与预警的系统,其特征在于,包...
【专利技术属性】
技术研发人员:曹娟,杨光,谢添,刘浩远,郭俊波,
申请(专利权)人:中国科学院计算技术研究所,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。