轻量型图像数据隐私保护装置及方法制造方法及图纸

本发明专利技术提供一种轻量型图像数据隐私保护装置及方法，属于网络安全技术领域，包括：图像特征编码器模块，用于从图像中高效的捕获特征信息，将其转化为一系列的特征图；图像匿名化模块，用于消除特征图中包含的隐私信息，生成匿名化后的特征图；图像生成模块，用于对匿名化后的特征图进行重构，最终生成匿名化后的图像。本发明专利技术减少了参数量，减少了模型的计算量，节省了训练时间，可高效准确的提取图像特征，提升了模型的特征提取能力；使用贪心的思想，实现了对图像特征的匿名化，可以高效的将平均图像特征图重构出去身份后的图像，重构出的图像不仅实现了图像的隐私保护，而且还保留了部分与身份无关的图像信息。分与身份无关的图像信息。分与身份无关的图像信息。

【技术实现步骤摘要】
轻量型图像数据隐私保护装置及方法


[0001]本专利技术涉及网络安全
，具体涉及一种轻量型图像数据隐私保护装置及方法。

技术介绍

[0002]生物特征识别技术取得了突破性进展并广泛应用在身份验证领域，但也加剧了隐私泄漏的风险，尤其是人脸识别技术。比如包含人们身份信息的图像可能会被滥用，一些恶意用户可能会在这些网站上挖掘大量隐私敏感的特定个人信息，并迅速将其传播到网络，或根据公开的数据进行人肉搜索跟踪他人，或者一些私人机构甚至可以结合媒体数据对特定个体进行身份识别。为了排除这类风险，既要确保人脸识别技术在各种场景的便捷应用，也要加强信息的隐私保护技术的相关研发。
[0003]图像隐私保护一个通用的方法就是匿名化，该方法的关键在于去除图像数据中的标识符信息，防止身份信息的滥用。最常用的视觉隐私保护方法都是通过对图像或视频处理，修改画面中的敏感区域，来隐藏有关特定个体的隐私信息。根据处理图像方式的不同，隐私保护又可以分为以下两大类：第一类是基于数据失真或者抑制(Distortion/Suppression)的方法，该方法的主要思路是使用图像滤波器对图像中的敏感区域进行处理，使图像中的敏感区域失真或者被掩盖，以隐藏或去除敏感信息，这类方法存在的问题是破坏了图像中的其他有用信息，并且匿名化程度不足。此外，也可使用统计模型或概率模型调整对应图像，比如k
‑
匿名算法，该方法将最相似的k个图像做聚合，然后将聚合得到的图像代替原始图像，使得每个原始图像与其他k
‑
1个不可区分，从而实现了k
‑
匿名隐私保护；第二类方法是图像加密：该方法的主要思路是通过对图像数据进行编码，使原始数据变得难以理解，以便实现可靠的存储安全性和内容传输安全性。该方法的安全性很大程度上取决于使用密钥的强度，未经授权的用户无法提取加密视频中的有效信息，只有拥有正确解密密钥的用户才可提取有效信息。
[0004]图像中信息的隐私保护问题作为一项具有重要应用价值的研究问题，引起了学术界和工业界在隐私保护方面的广泛关注。近几年由于深度学习的出现，传统的图像隐私保护方法不能够充分的保护图像中的隐私信息。因此涌现出许多基于深度学习的图像隐私保护方法，比如k
‑
same
‑
net，该方法通过对人脸特征聚类，然后使用聚类中心作为平均人脸特征向量，再经过生成网络重构出匿名化后的人脸图像，并使用该图像替代原聚类簇中的k个图像，以此实现人脸图像隐私保护。
[0005]上述现有技术仍存在以下缺点：(1)从隐私保护的结果来看，传统方法的防范效果差，不能抵抗可靠的图像识别软件。并且可能会造成匿名化后的图像丢失信息的现象。(2)其他方法如k
‑
same
‑
Net,流程过于复杂，分为多个阶段，并且需要选定合适的额外代理数据集，整个流程耗时相对较长。(3)一些方法使用GAN，k
‑
均值聚类等方法来实现图像隐私保护，但这些算法的时间复杂度太高，模型整体参数量很大，整个匿名化的过程对于计算机资源的消耗过高。

技术实现思路

[0006]本专利技术的目的在于提供一种轻量型图像数据隐私保护装置及方法，以解决上述
技术介绍
中存在的至少一项技术问题。
[0007]为了实现上述目的，本专利技术采取了如下技术方案：
[0008]一方面，本专利技术提供一种轻量型图像数据隐私保护装置，包括：
[0009]图像特征编码器模块，用于从图像中高效的捕获特征信息，将其转化为一系列的特征图；
[0010]图像匿名化模块，用于消除特征图中包含的隐私信息，生成匿名化后的特征图；
[0011]图像生成模块，用于对匿名化后的特征图进行重构，最终生成匿名化后的图像。
[0012]优选的，所述图像特征编码器模块包括：
[0013]逆残差单元，用于捕获特征图中的空间信息，减少模型的参数量；
[0014]注意力模块，用于为特征图中的空间区域和通道加权，增强网络的特征捕获能力；
[0015]残差连接，用于构建不同层级的特征图，增强网络的特征捕获能力。
[0016]优选的，所述图像匿名化模块，包括：
[0017]特征图分组单元，用于将图像特征编码器模块得到的特征图分成若干组，以满足匿名化的条件；
[0018]特征图匿名化单元，用于对特征图实施匿名化操作，将k个特征图平均化，消除特征图中的隐私信息。
[0019]优选的，所述图像生成模块，包括：
[0020]解码单元，用于综合特征图中的空间信息，调整特征图的通道数量；
[0021]注意力单元，用于为特征图中的空间区域和通道加权，增强网络的特征捕获能力；
[0022]上采样单元，用于逐渐恢复平均特征图的分辨率，使之逐步重构为匿名化后的图像。
[0023]第二方面，本专利技术提供一种利用如上所述的轻量型图像数据隐私保护装置图像数据隐私保护方法，包括：
[0024]步骤1：选用合适的数据集对模型进行预训练，保留预训练后的模型权重；
[0025]步骤2：对需要进行隐私保护的图像数据集进行预处理；
[0026]步骤3：将预处理后的图像数据集输出编码器中，产生一组特征图；
[0027]步骤4：将上一步产生的特征图经过图像匿名化模块，产生匿名化后的特征图；
[0028]步骤5：将匿名化后的特征图输入到图像生成模型中，生成匿名化后的图像；
[0029]步骤6：选择合适的识别模型，验证隐私保护效果，根据得到的结果对模型进行调整。
[0030]本专利技术有益效果：算法参数量大大减少，更加利于部署。同时有效的减少了模型的计算量，训练时间以及对于硬件的消耗；通过设计的图像特征编码模块可以利用注意力机制高效准确的提取图像特征，提升模型的特征提取能力；使用贪心的思想，简单高效的对特征图分组，实现对图像特征的匿名化，相比其他方法如聚类，耗时更短；可以高效的将平均图像特征图重构出去身份后的图像，重构出的图像不仅实现了图像的隐私保护，而且还保留了部分与身份无关的图像信息。
[0031]本专利技术附加方面的优点，将在下述的描述部分中更加明显的给出，或通过本专利技术
的实践了解到。
附图说明
[0032]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0033]图1为本专利技术实施例所述的图像数据隐私保护方法流程示意图。
[0034]图2为本专利技术实施例所述的模型功能原理框图。
[0035]图3为本专利技术实施例所述的的Cblock的结构示意图。
具体实施方式
[0036]下面详细叙述本专利技术的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种轻量型图像数据隐私保护装置，其特征在于，包括：图像特征编码器模块，用于从图像中高效的捕获特征信息，将其转化为一系列的特征图；图像匿名化模块，用于消除特征图中包含的隐私信息，生成匿名化后的特征图；图像生成模块，用于对匿名化后的特征图进行重构，最终生成匿名化后的图像。2.根据权利要求1所述的轻量型图像数据隐私保护装置，其特征在于，所述图像特征编码器模块包括：逆残差单元，用于捕获特征图中的空间信息，减少模型的参数量；注意力模块，用于为特征图中的空间区域和通道加权，增强网络的特征捕获能力；残差连接，用于构建不同层级的特征图，增强网络的特征捕获能力。3.根据权利要求2所述的轻量型图像数据隐私保护装置，其特征在于，所述图像匿名化模块，包括：特征图分组单元，用于将图像特征编码器模块得到的特征图分成若干组，以满足匿名化的条件；特征图匿名化单元，用于对特征图实施匿名化操作，将k个特征图平均化，消除特征图中的隐私...

【专利技术属性】
技术研发人员：金一，张展，冯松鹤，陈乃月，李浥东，王伟，段莉，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：