CN106453385A - 一种社交网络中细粒度人脸隐私保护方法 - Google Patents

一种社交网络中细粒度人脸隐私保护方法 Download PDF

Info

Publication number
CN106453385A
CN106453385A CN201610986959.6A CN201610986959A CN106453385A CN 106453385 A CN106453385 A CN 106453385A CN 201610986959 A CN201610986959 A CN 201610986959A CN 106453385 A CN106453385 A CN 106453385A
Authority
CN
China
Prior art keywords
face
block
picture
link
patch
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201610986959.6A
Other languages
English (en)
Other versions
CN106453385B (zh
Inventor
王祥
李凯
裴庆祺
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xidian University
Original Assignee
Xidian University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xidian University filed Critical Xidian University
Priority to CN201610986959.6A priority Critical patent/CN106453385B/zh
Publication of CN106453385A publication Critical patent/CN106453385A/zh
Application granted granted Critical
Publication of CN106453385B publication Critical patent/CN106453385B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/10—Network architectures or network communication protocols for network security for controlling access to devices or network resources
    • H04L63/105—Multiple levels of security
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
    • G06F18/24155—Bayesian classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/245—Classification techniques relating to the decision surface
    • G06F18/2451—Classification techniques relating to the decision surface linear, e.g. hyperplane
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/602—Providing cryptographic facilities or services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/52—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail for supporting social networking services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/04—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks
    • H04L63/0428—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2221/00—Indexing scheme relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F2221/21—Indexing scheme relating to G06F21/00 and subgroups addressing additional information or applications relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F2221/2107—File encryption
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2221/00—Indexing scheme relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F2221/21—Indexing scheme relating to G06F21/00 and subgroups addressing additional information or applications relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F2221/2113—Multi-level security, e.g. mandatory access control
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2221/00—Indexing scheme relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F2221/21—Indexing scheme relating to G06F21/00 and subgroups addressing additional information or applications relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F2221/2141—Access rights, e.g. capability lists, access control lists, access tables, access matrices

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Hardware Design (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Bioethics (AREA)
  • Computing Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Storage Device Security (AREA)

Abstract

本发明公开了一种社交网络中细粒度人脸隐私保护方法，所述社交网络中细粒度人脸隐私保护方法对上传图片进行分块；同时采用基于细粒度好友连接关系的分级加密方法，在图片传播时通过判断访问者与发布者的连接强弱来赋予不同解密秘钥；最终实现对同一图片的因访问者与发布者连接强弱关系不同而有不同处理结果，对人脸敏感区域进行隐私保护。本发明对上传图片进行分块，有效地起到了阻止爬虫等恶性数据挖掘地攻击；同时采用了基于细粒度好友连接关系的分级加密方法，在图片传播时通过判断访问者与发布者的连接强弱来赋予不同解密秘钥；最终实现对同一图片的因访问者与发布者连接强弱关系不同而有不同处理结果，从而对人脸敏感区域进行隐私保护。

Description

一种社交网络中细粒度人脸隐私保护方法
技术领域
本发明属于社交网络隐私保护技术领域，尤其涉及一种社交网络中细粒度人脸隐私保护方法。
背景技术
近些年来，伴随着网络信息技术的蓬勃发展，互联网已渗透到人们生活的方方面面。尤其伴随着Web2.0的迅速兴起，社交网站也呈现出爆炸式的发展趋势。但是伴随着数据挖掘技术的发展，许多用户的隐私信息在社交网络中被恶意盗用，所以基于社交网络的隐私保护也愈来愈重要。但由于社交网络近些年才快速发展，社交网络的隐私保护的相关概念也是近一段时间才提上章程，而且目前社交网络的研究内容基本围绕抵抗恶意数据挖掘和位置、节点的隐私保护，所以对于社交网络的隐私保护仍处于起步阶段。目前针对社交网络的隐私保护技术研究基本针对的是社交网络中的实体信息、连接信息、属性信息的保护，采用的一般是PPDP的数据隐私保护技术和基于权限访问的访问控制的方法，这样的结果虽然可以一定程度的防止恶意攻击，但是并没有得到人性化的结果。由于现有技术对敏感区域和非敏感区域划分不足，导致社交网络在隐私保护的同时降低了社交的广泛性，而且，在隐私保护时并没有因为好友关系的强弱来采用不同的处理办法，细粒度不足。
综上所述，现有的社交网络中对实体信息、连接信息、属性信息的保护存在没有得到人性化的结果，对于敏感区域的针对性和细粒度不高。
发明内容
本发明的目的在于提供一种社交网络中细粒度人脸隐私保护方法，旨在解决现有的社交网络中对实体信息、连接信息、属性信息的保护存在没有得到人性化的结果，对于敏感区域的针对性和细粒度不高的问题。
本发明是这样实现的，一种社交网络中细粒度人脸隐私保护方法，所述社交网络中细粒度人脸隐私保护方法对上传图片进行分块，同时采用基于细粒度好友连接关系的分级加密方法，在图片传播时通过判断访问者与发布者的连接强弱来赋予不同解密秘钥，最终实现对同一图片的因访问者与发布者连接强弱关系不同而有不同处理结果，对人脸敏感区域进行隐私保护。
进一步，采用UcenterHome开源架构进行二次开发，在用户上传图片时，加入图片分块，属性值赋值和基于连接信息的分级加密。
上传图片，对图片进行分割，同时调用数据库查询相关属性值，最终每张图片获得2500个图片块，每个图片块含有patch_image_id,image_id,patch_face_id,link这四个属性值。
进一步，所述图片分块的方法具体包括：
第一步，对图片块属性初始化，每个图片块都对应有自己的imgage_id、patch_id、patch_face_id、link四个属性值；对于image_id图片，最后一个块用于访问时的图片块替换解密。首先将图片块的patch_face_id值赋值为0和link值赋值为3，而且每个patch_id是从0到2499，故最终一个图片被分成2500个块后的patch_id；
第二步，将人脸身份信息和连接信息赋值到图片块属性中；
计算每个块的大小即块高patch_h和块宽patch_w；进行属性赋值，即进行face_number次循环。
进一步，所述face_number次循环中每一次执行循环时，先调取服务器数据库中的publish_id和face_id的关系强度并将其赋值到tmp_link_publish中，然后获取对应的(xi,yi,face_h,face_w,face_id)。之后计算起始坐标所属块id、终点坐标所属块id和当下人脸区域循环竖直方向所需循环次数，即：
num_y＝id_y_end–id_y_start+1；
然后进行num_y次循环，每次循环针对以下范围patch_id块的属性赋值；循环次数i初始值为0，循环一次加1，循环次数为num_y；
每次循环初始块的patch_id为：id_y_start+循环次数i+id_x_start；
每次循环终止块的patch_id为：id_y_start+循环次数i+id_x_end；
每次循环时对上述范围的块，将face_id赋值到patch_face_id中，将tmp_link_publish覆盖到link中；
最终每个图片通过face_number*num_y次循环，每个图片最终被赋值的属性是image_id,publish_id，face_number；每个图片块最终被赋值的属性是patch_image_id,image_id,patch_face_id,link；非人脸图像块的patch_face_id值为0，link值为3。
先生成替换块，再根据发布人与发布图片块的人脸身份的连接关系强弱，采用不同等级的加密方法，对图片块进行加密。
进一步，所述分级加密的方法具体包括：
步骤一，计算整个image_id图片的平均像素值；并利用该像素值，生成一个高为patch_h和宽为patch_w的图片块；并对此图片块的属性进行赋值patch_image_id＝2500，face_id＝0,link＝3；
步骤二，通过判断每个图片块的link值，进行块加密；
若link＝3时，代表此人与发布人是强连接关系，此块不用加密；
若link＝2时，代表此人与发布人是一般连接关系，此块采用中等等级加密算法，在其解密时需要中等等级解密秘钥key2解密；并将加密结果覆盖到其对应的patch_face_id中；
若link＝1时，代表此人与发布人是弱连接关系，此块采用高等等级加密算法，在其解密时需要中高等等级解密秘钥key3解密；并将加密结果覆盖到其对应的patch_face_id中。
进一步，在用户访问图片时，通过根据访问者与发布者的连接信息强度获取不同等级解密秘钥，对图片进行不同程度解密，最终实现与发布者有不同连接信息强度的访问者在访问同一图片时，可以得到不同程度的解密照片，对发布者发布的图片中的人脸信息进行细粒度的隐私保护。
进一步包括：
(1)获取解密秘钥：获取访问者ID即visit_id，此时，visit_id要访问publish_id的image_id图像；从服务器的数据库中获取publish_id与visit_id的连接关系程度存储到tmp_link_visit中，之后系统根据tmp_link_visit的值给visit_id不同的秘钥；
若tmp_link_visit为3时，代表此人与发布人是强连接关系，系统给予访问者key3级别以下解密秘钥，即key3,key2；
若tmp_link_visit为2时，代表此人与发布人是一般连接关系，系统给予访问者key2级别以下解密秘钥，即key2；
若tmp_link_visit为1时，代表此人与发布人是弱连接关系，系统不给秘钥。
步骤2，解密图像块，组合被访问图片；
当访问者获取到秘钥之后，对2500个图像块进行解密；访问者此时获取的每个图像块属性是patch_image_id,image_id,secret_patch_face_id,link；通过判断link值，来采取不同的解密方式；
当link值为3时，代表被访问人脸与发布人是强连接关系，可以不通过解密直接获取图片人脸信息；
当link值为2时，代表被访问人脸与发布人是一般连接关系，需要通过key2秘钥来解密secret_patch_face_id，得到加密前的patch_face_id；
当link值为1时，代表被访问人脸与发布人是弱连接关系，需要通过key3秘钥来解密secret_patch_face_id，得到加密前的patch_face_id；
此时，当访问者不具备某一图片块的解密秘钥时，调用patch_image_id为2500的图片块的属性信息来替换当前块；
最后将解密后的图片块重新连接在一起形成最终访问结果。
本发明的另一目的在于提供一种利用所述社交网络中细粒度人脸隐私保护方法的社交网络中细粒度人脸隐私保护系统。
本发明的另一目的在于提供一种利用所述社交网络中细粒度人脸隐私保护方法的社交网络。
本发明提供的社交网络中细粒度人脸隐私保护方法，首先对上传图片进行分块，有效地起到了阻止爬虫等恶性数据挖掘地攻击；同时采用了基于细粒度好友连接关系的分级加密方法，在图片传播时通过判断访问者与发布者的连接强弱来赋予不同解密秘钥；最终实现对同一图片的因访问者与发布者连接强弱关系不同而有不同处理结果，从而对人脸敏感区域进行隐私保护。
本发明通过上传和发布两个过程的改进，实现了在社交网络中，图片传播的同时，可以根据访问者与发布者之间连接信息的强度来对同一访问图片实现不同程度的处理结果，真正实现了图片在社交网络中防爬虫的同时，也可以达到基于细粒度连接信息强度的人脸隐私保护。
附图说明
图1是本发明实施例提供的社交网络中细粒度人脸隐私保护方法流程图。
图2是本发明实施例提供的社交网络中细粒度人脸隐私保护方法具体实现流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明首先对上传图片进行分块，有效地起到了阻止爬虫等恶性数据挖掘地攻击，同时采用了基于细粒度好友连接关系的分级加密方法，在图片传播时通过判断访问者与发布者的连接强弱来赋予不同解密秘钥，最终实现对同一图片的因访问者与发布者连接强弱关系不同而有不同处理结果，从而对人脸敏感区域进行隐私保护。
下面结合附图对本发明的应用原理作详细的描述。
如图1所示，本发明实施例提供的社交网络中细粒度人脸隐私保护方法包括以下步骤：
S101：对发布图片进行人脸检测；对人脸区域进行人脸识别和标注；
S102：对发布图片进行分块；对每个图像块进行图像块相关属性赋值；根据块中连接信息强度即link进行分级加密；生成解密替换块；将最终图片块上传服务器；
S103：访问图片时，根据访问者和发布者的连接信息强度获得不同级别解密秘钥；根据图像块的link值采用不同级别的解密秘钥进行解密，当未获取到相应解密秘钥时进行块替换；图片块组合形成被访问图片。
下面结合附图对本发明的应用原理作进一步的描述。
1.图片上传过程
步骤1，对图片进行人脸检测与基于深度学习的人脸识别。
第1步，当发布者发布一张图片时，首先赋予此图片在服务器中的唯一的图片ID即image_id，同时获取发布者ID即publish_id。然后，计算图片的haar-like特征，之后通过正脸、左脸、右脸三个adaboost级联分类器，获取到图片中的人脸数量face_number和对应的人脸区域，即是每个人脸的左上角坐标值(xi,yi)和人脸矩形区域的高face_h和宽face_w。
第2步，对检测到的人脸区域进行相应的人脸识别，即进行face_number次人脸识别循环。当每执行一次人脸识别时，即将人脸区域通过训练好的深度神经卷积网络提取到该人脸区域的深度向量特征，再将此特征放入训练好的联合贝叶斯分类其中，通过与服务器中的人脸身份信息作比对，进行人脸识别。将识别到的人脸ID即face_id与图片中的人脸区域对应起来，若未在库中未获取到人脸身份信息，则通过用户标注身份信息来进行身份信息绑定。最终得到一个图片对应一个二维数组，即face_number个(xi,yi,face_h,face_w,face_id)。
步骤2，图片分块和块赋值。
第1步，对图片块属性初始化。
假设将图片分成50*50个块。每个块都对应有自己的imgage_id、patch_id、patch_face_id、link四个属性值。对于image_id这个图片而言，则有2501个图片块，其中2500个块用于存储原有图片信息，最后一个块用于访问时的图片块替换解密。首先将2501个块的patch_face_id值赋值为0和link值赋值为3，而且每个patch_id是从0到2499，故最终一个图片被分成2500个块后的patch_id如下所示。
第2步，将人脸身份信息和连接信息赋值到图片块属性中。
首先计算每个块的大小即块高patch_h和块宽patch_w。
然后进行属性赋值，即进行face_number次循环。每一次执行循环时，先调取服务器数据库中的publish_id和face_id的关系强度并将其赋值到tmp_link_publish中,然后获取对应的(xi,yi,face_h,face_w,face_id)。之后计算起始坐标所属块id、终点坐标所属块id和当下人脸区域循环竖直方向所需循环次数，即：
num_y＝id_y_end–id_y_start+1。
然后进行num_y次循环，每次循环针对以下范围patch_id块的属性赋值。循环次数i初始值为0，循环一次加1，循环次数为num_y。
每次循环初始块的patch_id为：id_y_start+循环次数i+id_x_start。
每次循环终止块的patch_id为：id_y_start+循环次数i+id_x_end。
每次循环时对上述范围的块，将face_id赋值到patch_face_id中，将tmp_link_publish覆盖到link中。
最终每个图片通过face_number*num_y次循环，每个图片最终被赋值的属性是(image_id,publish_id，face_number)。每个图片块最终被赋值的属性是(patch_image_id,image_id,patch_face_id,link)。(非人脸图像块的patch_face_id值为0，link值为3。)
步骤3，生成替换块，人脸图像块分级加密。
第1步，计算整个image_id图片的平均像素值。并利用该像素值，生成一个高为patch_h和宽为patch_w的图片块。并对此图片块的属性进行赋值patch_image_id＝2500，face_id＝0,link＝3。因此，每个图片的patch_image_id为2500的块为图像解密时的替换块。
第2步，通过判断每个图片块的link值，进行块加密。
若link＝3时，代表此人与发布人是强连接关系，此块不用加密。
若link＝2时，代表此人与发布人是一般连接关系，此块采用中等等级加密算法，在其解密时需要中等等级解密秘钥key2解密。并将加密结果覆盖到其对应的patch_face_id中。
若link＝1时，代表此人与发布人是弱连接关系，此块采用高等等级加密算法，在其解密时需要中高等等级解密秘钥key3解密。并将加密结果覆盖到其对应的patch_face_id中。
步骤4，将图片块上传至服务器中。
最终对于发布者发布的每个图像而言，有2501个图像块，每个图像块的属性值为(patch_image_id,image_id,secret_patch_face_id,link)，其中secret_patch_face_id是分级加密后的属性值。
2.图片访问过程
步骤1，获取解密秘钥。
获取访问者ID即visit_id，此时，visit_id要访问publish_id的image_id图像。从服务器的数据库中获取publish_id与visit_id的连接关系程度存储到tmp_link_visit中，之后系统根据tmp_link_visit的值给visit_id不同的秘钥。
若tmp_link_visit为3时，代表此人与发布人是强连接关系，系统给予访问者key3级别以下解密秘钥，即key3,key2。
若tmp_link_visit为2时，代表此人与发布人是一般连接关系，系统给予访问者key2级别以下解密秘钥，即key2。
若tmp_link_visit为1时，代表此人与发布人是弱连接关系，系统不给秘钥。
步骤2，解密图像块，组合被访问图片。
当访问者获取到秘钥之后，对2500个图像块进行解密。访问者此时获取的每个图像块属性是(patch_image_id,image_id,secret_patch_face_id,link)。通过判断link值，来采取不同的解密方式。
当link值为3时，代表被访问人脸与发布人是强连接关系，可以不通过解密直接获取图片人脸信息。
当link值为2时，代表被访问人脸与发布人是一般连接关系，需要通过key2秘钥来解密secret_patch_face_id，得到加密前的patch_face_id。
当link值为1时，代表被访问人脸与发布人是弱连接关系，需要通过key3秘钥来解密secret_patch_face_id，得到加密前的patch_face_id。
此时，当访问者不具备某一图片块的解密秘钥时，调用patch_image_id为2500的图片块的属性信息来替换当前块。
最后将解密后的图片块重新连接在一起形成最终访问结果。
最终实现的系统结果是，当访问者与发布者是强连接关系时，访问者可以访问发布者发布的图片的所有人脸即包括强连接关系、一般连接关系、弱连接关系的人脸。当访问者与发布者是一般连接关系时，访问者可以访问发布者发布的图片中与发布者是强连接关系、一般连接关系的人脸，而弱连接关系的人脸则被模糊化的矩形区域替换。当访问者与发布者是弱连接关系时，访问者可以访问发布者发布的图片中与发布者是强连接关系的人脸，而一般连接关系和弱连接关系的人脸则被模糊化的矩形区域替换。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种社交网络中细粒度人脸隐私保护方法，其特征在于，所述社交网络中细粒度人脸隐私保护方法对上传图片进行分块；同时采用基于细粒度好友连接关系的分级加密方法，在图片传播时通过判断访问者与发布者的连接强弱来赋予不同解密秘钥；实现对同一图片的因访问者与发布者连接强弱关系不同而有不同处理结果，对人脸敏感区域进行隐私保护。
2.如权利要求1所述的社交网络中细粒度人脸隐私保护方法，其特征在于，采用UcenterHome开源架构进行二次开发，在用户上传图片时，加入图片分块，属性值赋值和基于连接信息的分级加密。
3.如权利要求2所述的社交网络中细粒度人脸隐私保护方法，其特征在于，所述图片分块的方法具体包括：
第一步，对图片块属性初始化，每个图片块都对应有自己的imgage_id、patch_id、patch_face_id、link四个属性值；对于image_id图片，最后一个块用于访问时的图片块替换解密；首先将图片块的patch_face_id值赋值为0和link值赋值为3，而且每个patch_id是从0到2499，故最终一个图片被分成2500个块后的patch_id；
第二步，将人脸身份信息和连接信息赋值到图片块属性中；
计算每个块的大小即块高patch_h和块宽patch_w；进行属性赋值，即进行face_number次循环。
4.如权利要求2所述的社交网络中细粒度人脸隐私保护方法，其特征在于，所述face_number次循环中每一次执行循环时，先调取服务器数据库中的publish_id和face_id的关系强度并将其赋值到tmp_link_publish中，然后获取对应的(xi,yi,face_h,face_w,face_id)；之后计算起始坐标所属块id、终点坐标所属块id和当下人脸区域循环竖直方向所需循环次数，即：
num_y＝id_y_end–id_y_start+1；
然后进行num_y次循环，每次循环针对以下范围patch_id块的属性赋值；循环次数i初始值为0，循环一次加1，循环次数为num_y；
每次循环初始块的patch_id为：id_y_start+循环次数i+id_x_start；
每次循环终止块的patch_id为：id_y_start+循环次数i+id_x_end；
每次循环时对上述范围的块，将face_id赋值到patch_face_id中，将tmp_link_publish覆盖到link中；
最终每个图片通过face_number*num_y次循环，每个图片最终被赋值的属性是image_id,publish_id，face_number；每个图片块最终被赋值的属性是patch_image_id,image_id,patch_face_id,link；非人脸图像块的patch_face_id值为0，link值为3。
5.如权利要求2所述的社交网络中细粒度人脸隐私保护方法，其特征在于，所述分级加密的方法具体包括：
步骤一，计算整个image_id图片的平均像素值；并利用该像素值，生成一个高为patch_h和宽为patch_w的图片块；并对此图片块的属性进行赋值patch_image_id＝2500，face_id＝0,link＝3；
步骤二，通过判断每个图片块的link值，进行块加密；
若link＝3时，代表此人与发布人是强连接关系，此块不用加密；
若link＝2时，代表此人与发布人是一般连接关系，此块采用中等等级加密算法，在其解密时需要中等等级解密秘钥key2解密；并将加密结果覆盖到其对应的patch_face_id中；
若link＝1时，代表此人与发布人是弱连接关系，此块采用高等等级加密算法，在其解密时需要中高等等级解密秘钥key3解密；并将加密结果覆盖到其对应的patch_face_id中。
6.如权利要求1所述的社交网络中细粒度人脸隐私保护方法，其特征在于，在用户访问图片时，通过根据访问者与发布者的连接信息强度获取不同等级解密秘钥，对图片进行不同程度解密，最终实现与发布者有不同连接信息强度的访问者在访问同一图片时，可以得到不同程度的解密照片，对发布者发布的图片中的人脸信息进行细粒度的隐私保护。
7.如权利要求6所述的社交网络中细粒度人脸隐私保护方法，其特征在于，进一步包括：
(1)获取解密秘钥：获取访问者ID即visit_id，此时，visit_id要访问publish_id的image_id图像；从服务器的数据库中获取publish_id与visit_id的连接关系程度存储到tmp_link_visit中，之后系统根据tmp_link_visit的值给visit_id不同的秘钥；
若tmp_link_visit为3时，代表此人与发布人是强连接关系，系统给予访问者key3级别以下解密秘钥，即key3,key2；
若tmp_link_visit为2时，代表此人与发布人是一般连接关系，系统给予访问者key2级别以下解密秘钥，即key2；
若tmp_link_visit为1时，代表此人与发布人是弱连接关系，系统不给秘钥；
(2)解密图像块，组合被访问图片；
当访问者获取到秘钥之后，对2500个图像块进行解密；访问者此时获取的每个图像块属性是patch_image_id,image_id,secret_patch_face_id,link；通过判断link值，来采取不同的解密方式；
当link值为3时，代表被访问人脸与发布人是强连接关系，可以不通过解密直接获取图片人脸信息；
当link值为2时，代表被访问人脸与发布人是一般连接关系，需要通过key2秘钥来解密secret_patch_face_id，得到加密前的patch_face_id；
当link值为1时，代表被访问人脸与发布人是弱连接关系，需要通过key3秘钥来解密secret_patch_face_id，得到加密前的patch_face_id；
此时，当访问者不具备某一图片块的解密秘钥时，调用patch_image_id为2500的图片块的属性信息来替换当前块；
最后将解密后的图片块重新连接在一起形成最终访问结果。
8.一种利用权利要求1～7任意一项所述社交网络中细粒度人脸隐私保护方法的社交网络中细粒度人脸隐私保护系统。
9.一种利用权利要求1～7任意一项所述社交网络中细粒度人脸隐私保护方法的社交网络。
CN201610986959.6A 2016-11-01 2016-11-01 一种社交网络中细粒度人脸隐私保护方法 Active CN106453385B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610986959.6A CN106453385B (zh) 2016-11-01 2016-11-01 一种社交网络中细粒度人脸隐私保护方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610986959.6A CN106453385B (zh) 2016-11-01 2016-11-01 一种社交网络中细粒度人脸隐私保护方法

Publications (2)

Publication Number Publication Date
CN106453385A true CN106453385A (zh) 2017-02-22
CN106453385B CN106453385B (zh) 2019-07-26

Family

ID=58207269

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610986959.6A Active CN106453385B (zh) 2016-11-01 2016-11-01 一种社交网络中细粒度人脸隐私保护方法

Country Status (1)

Country Link
CN (1) CN106453385B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108111868A (zh) * 2017-11-17 2018-06-01 西安电子科技大学 一种基于mmda的表情不变的隐私保护方法
CN108197453A (zh) * 2018-01-19 2018-06-22 中国科学院信息工程研究所 一种图像隐私保护方法及系统
CN108924109A (zh) * 2018-06-21 2018-11-30 北京旷视科技有限公司 数据传输方法、装置及处理设备
CN109064373A (zh) * 2018-07-17 2018-12-21 大连理工大学 一种基于外包图像数据录入的隐私保护方法
CN110287720A (zh) * 2019-07-01 2019-09-27 国网内蒙古东部电力有限公司 一种基于图像识别和用户等级的访问控制方法
CN110362978A (zh) * 2019-06-04 2019-10-22 苏州浩哥文化传播有限公司 一种基于个人信息安全的公共社区图像修正方法及其系统
CN111679865A (zh) * 2020-05-22 2020-09-18 深圳职业技术学院 一种可穿戴式计算机控制方法、系统、存储介质、终端
CN112685762A (zh) * 2021-03-12 2021-04-20 浙江宇视科技有限公司 具有隐私保护的图像处理方法、装置、电子设备及介质
CN113239371A (zh) * 2021-04-29 2021-08-10 广州群志科技股份有限公司 一种人脸数据防止泄密的方法
CN113393471A (zh) * 2021-05-26 2021-09-14 中国联合网络通信集团有限公司 图像处理方法和装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102724552A (zh) * 2012-05-30 2012-10-10 华为技术有限公司 一种图像编码方法、图像解码方法及装置
CN103605928A (zh) * 2013-11-18 2014-02-26 清华大学 一种图像隐私保护方法和系统
CN105260676A (zh) * 2015-10-16 2016-01-20 合肥工业大学 一种基于隐私规则和感知哈希的社交网络下图像隐私决策推荐系统及其方法
CN105426709A (zh) * 2015-11-12 2016-03-23 福建北卡科技有限公司 基于jpeg图像信息隐藏的私密信息通信方法与系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102724552A (zh) * 2012-05-30 2012-10-10 华为技术有限公司 一种图像编码方法、图像解码方法及装置
CN103605928A (zh) * 2013-11-18 2014-02-26 清华大学 一种图像隐私保护方法和系统
CN105260676A (zh) * 2015-10-16 2016-01-20 合肥工业大学 一种基于隐私规则和感知哈希的社交网络下图像隐私决策推荐系统及其方法
CN105426709A (zh) * 2015-11-12 2016-03-23 福建北卡科技有限公司 基于jpeg图像信息隐藏的私密信息通信方法与系统

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108111868A (zh) * 2017-11-17 2018-06-01 西安电子科技大学 一种基于mmda的表情不变的隐私保护方法
CN108111868B (zh) * 2017-11-17 2020-06-09 西安电子科技大学 一种基于mmda的表情不变的隐私保护方法
CN108197453B (zh) * 2018-01-19 2020-02-04 中国科学院信息工程研究所 一种图像隐私保护方法及系统
CN108197453A (zh) * 2018-01-19 2018-06-22 中国科学院信息工程研究所 一种图像隐私保护方法及系统
CN108924109B (zh) * 2018-06-21 2021-01-26 北京旷视科技有限公司 数据传输方法、装置及处理设备
CN108924109A (zh) * 2018-06-21 2018-11-30 北京旷视科技有限公司 数据传输方法、装置及处理设备
CN109064373A (zh) * 2018-07-17 2018-12-21 大连理工大学 一种基于外包图像数据录入的隐私保护方法
CN110362978A (zh) * 2019-06-04 2019-10-22 苏州浩哥文化传播有限公司 一种基于个人信息安全的公共社区图像修正方法及其系统
CN110287720A (zh) * 2019-07-01 2019-09-27 国网内蒙古东部电力有限公司 一种基于图像识别和用户等级的访问控制方法
CN111679865A (zh) * 2020-05-22 2020-09-18 深圳职业技术学院 一种可穿戴式计算机控制方法、系统、存储介质、终端
CN112685762A (zh) * 2021-03-12 2021-04-20 浙江宇视科技有限公司 具有隐私保护的图像处理方法、装置、电子设备及介质
CN113239371A (zh) * 2021-04-29 2021-08-10 广州群志科技股份有限公司 一种人脸数据防止泄密的方法
CN113393471A (zh) * 2021-05-26 2021-09-14 中国联合网络通信集团有限公司 图像处理方法和装置

Also Published As

Publication number Publication date
CN106453385B (zh) 2019-07-26

Similar Documents

Publication Publication Date Title
CN106453385B (zh) 一种社交网络中细粒度人脸隐私保护方法
Aditya et al. I-pic: A platform for privacy-compliant image capture
Wang et al. Special issue on security and privacy in network computing
Gupta et al. Layer-based privacy and security architecture for cloud data sharing
CN103780393B (zh) 一种面向多安全等级的虚拟桌面安全认证系统及方法
Li et al. Traceable and controllable encrypted cloud image search in multi-user settings
CN105721148A (zh) 一种基于双随机数的数据文件加密方法及系统
Devi et al. The Future Development Direction of Cloud-Associated Edge-Computing Security in the Era of 5G as Edge Intelligence
Safi et al. Privacy protection scheme for mobile social network
Sultan et al. A novel image-based homomorphic approach for preserving the privacy of autonomous vehicles connected to the cloud
Kumar et al. Privacy preservation and security challenges: a new frontier multimodal machine learning research
Yin et al. Location privacy protection based on improved-value method in augmented reality on mobile devices
Liu et al. An effective location privacy-preserving k-anonymity scheme in location based services
CN116842557A (zh) 一种基于隐私求交和区块链的图像监管平台及方法
CN115412259A (zh) 基于区块链的云健康系统可搜索代理签密方法及产品
Ray et al. Fp-captcha: An improved captcha design scheme based on face points
Wang et al. Two-attribute privacy protection method of MCS based on blockchain smart contract
Bian et al. Verifiable privacy-enhanced rotation invariant LBP feature extraction in fog computing
Bachiphale et al. Optimal multisecret image sharing using lightweight visual sign-cryptography scheme with optimal key generation for gray/color images
Aryan et al. Securing location privacy in Augmented Reality
Jiao et al. Iris biometric feature hidden based on chaotic encryption
Che et al. AEGAN: Generating imperceptible face synthesis via autoencoder‐based generative adversarial network
Guzman et al. Privacy and security issues and solutions for mixed reality Applications
Clifford et al. Artificial intelligence and sensitive inferences: New challenges for data protection laws
Traore et al. Intelligent, Secure, and Dependable Systems in Distributed and Cloud Environments

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant