一种基于差分隐私保护的视频脱敏方法及系统技术方案

本发明专利技术公开了一种基于差分隐私保护的视频脱敏方法及系统，应用于人工智能技术领域，其中包括：对于用户上传的待脱敏视频，对其进行片段分割，获取一个视频片段集合；对于所得到的视频片段集合，利用识别算法，对其进行敏感元素识别，并对相关敏感元素进行擦除处理以实现敏感信息保护；基于差分隐私思想，利用视频生成算法，生成与原视频内容相关联的虚假视频片段；打乱原视频片段顺序，将其拼接从而生成处理后的脱敏视频，并将虚假视频片段插入该脱敏视频中，并进行相关处理以便还原原始片段顺序，将脱敏视频提供给不受信任的分析者。该系统可以实现对于包含敏感信息的视频数据的隐私保护，以降低视频分析过程中的隐私泄露风险。险。险。

【技术实现步骤摘要】
一种基于差分隐私保护的视频脱敏方法及系统


[0001]本专利技术涉及人工智能
，更具体的说是涉及一种基于差分隐私保护的视频脱敏方法及系统。

技术介绍

[0002]随着摄像技术的蓬勃发展与广泛应用，巨量的视频不断地从个人设备与专门的视频记录设施中产生。作为一种重要的非结构化数据，对其进行细致深入的分析极为必要。交管部门对于道路监控视频的分析有助于其清晰了解城市交通状况，而对于各场所监控视频的分析则能够有效监测可疑行为。然而，由于视频中涉及大量的敏感信息如人脸、车牌等，直接向不受信任的分析人员提供未经处理的包含敏感信息的视频则可能造成严重的隐私问题。对于分析者而言，获取待分析视频的原始内容在大多分析场景下也并无必要。现有的大多数视频脱敏技术基于视频中敏感元素出现区域的检测，只是简单的模糊相关区域，实现目标视频的脱敏。然而，由于此类方法无法量化及约束视频中可能出现的隐私泄露，故而该类处理方式极易导致因处理不足而产生的隐私泄露或是因处理过度造成的视频分析效用降低。差分隐私旨在评估一个用于保护隐私的机制或算法所能够提供的隐私保证，其概念的提出，实现了对于隐私这一抽象概念的量化，而满足其要求的隐私保护机制则可以确保从有和没有任何单一记录的输入数据中得出的分析结果是不可区分的。对于视频分析而言，差分隐私概念保证了其任一视觉元素的存在与否并不会影响最终的相关分析结果。由此，基于差分隐私思想实现的视频脱敏机制，即可以实现视频隐私保护与分析效用间的平衡。
[0003]因此提出一种基于差分隐私保护的视频脱敏方法及系统，来解决现有技术存在的困难，是本领域技术人员亟需解决的问题。

技术实现思路

[0004]有鉴于此，本专利技术提供了一种基于差分隐私保护的视频脱敏方法及系统，可以实现对于包含敏感信息的视频数据的隐私保护，以降低视频分析过程中的隐私泄露风险。
[0005]为了实现上述目的，本专利技术提供如下技术方案：
[0006]一种基于差分隐私保护的视频脱敏方法，包括如下步骤：
[0007]步骤1：对于用户上传的待脱敏视频进行片段分割，获取一个视频片段集合；
[0008]步骤2：对于所得到的视频片段集合，利用识别算法，对其进行敏感元素识别，获取构成敏感元素的像素集合及其相关信息，对于相关敏感元素进行擦除处理以实现敏感信息保护；
[0009]步骤3：基于差分隐私思想，利用视频生成算法，生成与原视频内容相关联的虚假视频片段，以实现向视频片段集合添加噪声以保护敏感信息的目的；
[0010]步骤4：打乱原视频片段顺序，将其拼接从而生成处理后的脱敏视频，并将虚假视频片段插入该脱敏视频中，并进行相关处理以便还原原始片段顺序，将脱敏视频提供给不
受信任的分析者。
[0011]上述的方法，可选的，步骤1的对视频进行片段分割，其具体内容为:
[0012]对于给定的待脱敏视频，将其分为时长为L的视频片段，时长不足L则以该长度作为片段时长。
[0013]上述的方法，可选的，步骤2中敏感元素识别，获取构成敏感元素的像素集合及其相关信息，其具体内容为：
[0014]对于视频中的所有敏感元素Υ
j
,j∈[1,n]，利用图像识别算法，识别并追踪其在视频片段中各帧的位置，将每个敏感元素Υ
j
在所有帧中的出现均分解为具有RGB值的像素，并由此获得视频片段中构成该敏感元素的不同RGB集合Ψ
j
，并利用|Ψ
j
|表示集合中不同RGB元素的数量。
[0015]上述的方法，可选的，步骤2中的对于相关敏感元素进行擦除处理，其具体内容为：
[0016]对于视频中的所有敏感元素Υ
j
,j∈[1,n]，系统将接受用户提交的擦除列表，通过一一比对列表中需擦除元素与所识别敏感元素，对系统识别到的视频片段中存在的需擦除元素进行擦除；
[0017]其中擦除操作的具体内容为，基于所获取的构成敏感元素的像素集合及其相关信息，对于其像素所在位置及所在帧进行随机重排，并随机抽取像素将其RGB置为随机值，以实现擦除敏感元素的目的。
[0018]上述的方法，可选的，步骤3中的差分隐私思想，其具体定义如下：
[0019]对于任意视频灰度直方图，其灰度级为，若存在随机算法实现原始直方图到噪声直方图的映射，则对于直方图H1、H2、若
[0020]||H1‑
H2||1＝d
[0021]且对于任意集合有
[0022][0023]则称随机化算法满足(∈,δ)
‑
差分隐私，其中∈、δ为可调节的隐私参数，为当直方图H1为随机化算法的输入时，其输出属于集合O的概率，d为可调节参数，||H1‑
H2||1为两直方图之差的1
‑
范数。
[0024]上述的方法，可选的，步骤3中生成与原视频内容相关联的虚假视频片段从而向视频片段集合添加噪声，其具体内容为：
[0025]首先基于截取的各片段内容，构建视频的灰度直方图，随后为保证不降低视频分析效用，不删除视频原有信息，基于截断的拉普拉斯机制，利用视频生成算法生成虚假视频片段，添加噪声信息，从而满足差分隐私；
[0026]其中构建视频的灰度直方图的具体内容为，用户指定构建直方图的灰度级对于视频片段的每一帧图像，分别构建其图像直方图，将直方图逐帧叠加获得视频片段直方图，再将各片段叠加完成视频灰度直方图的构建过程；关于截断的拉普拉斯机制，其具体定义包括：
[0027]给定直方图H，截断的拉普拉斯机制Lp(ε,δ,d)向H中添加了一个非负的整数噪声向量其中η遵循一个分布，其分布函数为
[0028][0029]其中，有
[0030][0031][0032]其中∈、δ、s均为可调节的隐私参数。
[0033]上述的方法，可选的，步骤4中将虚假视频片段插入该脱敏视频中并进行相关处理，其具体内容为：
[0034]在本地记录虚假视频片段插入脱敏视频后的时间戳，及各视频片段打乱前在原视频中的时间戳。
[0035]一种基于差分隐私保护的视频脱敏系统，应用任一项上述的一种基于差分隐私保护的视频脱敏方法，包括依次连接的片段分割模块、敏感元素识别和擦除模块、虚假视频生成模块、脱敏视频生成模块；其中，
[0036]片段分割模块，用于对用户上传的待脱敏视频进行片段分割，获取一个视频片段集合；
[0037]敏感元素识别和擦除模块，用于对所得到的视频片段集合，利用识别算法，对其进行敏感元素识别，获取构成敏感元素的像素集合及其相关信息，对于相关敏感元素进行擦除处理以实现敏感信息保护；
[0038]虚假视频生成模块，用于基于差分隐私思想，利用视频生成算法，生成与原视频内容相关联的虚假视频片段，以实现向视频片段集合添加噪声以保护敏感信息的目的；
[0039]脱敏视频生成模块，用于打乱原视频片段顺序，将其拼接从而生成处理后的脱敏视频，并将虚假视频片段插入该脱本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于差分隐私保护的视频脱敏方法，其特征在于，包括如下步骤：步骤1：对于用户上传的待脱敏视频进行片段分割，获取一个视频片段集合；步骤2：对于所得到的视频片段集合，利用识别算法，对其进行敏感元素识别，获取构成敏感元素的像素集合及其相关信息，对于相关敏感元素进行擦除处理以实现敏感信息保护；步骤3：基于差分隐私思想，利用视频生成算法，生成与原视频内容相关联的虚假视频片段，以实现向视频片段集合添加噪声以保护敏感信息的目的；步骤4：打乱原视频片段顺序，将其拼接从而生成处理后的脱敏视频，并将虚假视频片段插入该脱敏视频中，并进行相关处理以便还原原始片段顺序，将脱敏视频提供给不受信任的分析者。2.根据权利要求1所述的一种基于差分隐私保护的视频脱敏方法，其特征在于，步骤1的对视频进行片段分割，其具体内容为:对于给定的待脱敏视频，将其分为时长为L的视频片段，时长不足L则以该长度作为片段时长。3.根据权利要求1所述的一种基于差分隐私保护的视频脱敏方法，其特征在于，步骤2中敏感元素识别，获取构成敏感元素的像素集合及其相关信息，其具体内容为：对于视频中的所有敏感元素Υ
j
,j∈[1,n]，利用图像识别算法，识别并追踪其在视频片段中各帧的位置，将每个敏感元素Υ
j
在所有帧中的出现均分解为具有RGB值的像素，并由此获得视频片段中构成该敏感元素的不同RGB集合Ψ
j
，并利用|Ψ
j
|表示集合中不同RGB元素的数量。4.根据权利要求3所述的一种基于差分隐私保护的视频脱敏方法，其特征在于，步骤2中的对于相关敏感元素进行擦除处理，其具体内容为：对于视频中的所有敏感元素Υ
j
,j∈[1,n]，系统将接受用户提交的擦除列表，通过一一比对列表中需擦除元素与所识别敏感元素，对系统识别到的视频片段中存在的需擦除元素进行擦除；其中擦除操作的具体内容为，基于所获取的构成敏感元素的像素集合及其相关信息，对于其像素所在位置及所在帧进行随机重排，并随机抽取像素将其RGB置为随机值，以实现擦除敏感元素的目的。5.根据权利要求4所述的一种基于差分隐私保护的视频脱敏方法，其特征在于，步骤3中的差分隐私思想，其具体定义如下：对于任意视频灰度直方图，其灰度级为，若存在随机算法实现原始直方图到噪声直方图的映射，则对于直方图H1、H2、若||H1‑
H2||1＝d且对于任意集合有则称随机化算法满足(∈,δ)
‑
差分隐私，其中∈、δ为可调节的隐私参数，为当直方图H1为随机化算法的输入时，其输出属于集合O的概率，d为可调节参数，||H1‑
...

【专利技术属性】
技术研发人员：陈艳姣，徐文渊，吴嘉林，邓江毅，
申请(专利权)人：浙江大学，
类型：发明
国别省市：