CN112041847A - 提供具有隐私标签的图像 - Google Patents

提供具有隐私标签的图像 Download PDF

Info

Publication number
CN112041847A
CN112041847A CN201880092120.5A CN201880092120A CN112041847A CN 112041847 A CN112041847 A CN 112041847A CN 201880092120 A CN201880092120 A CN 201880092120A CN 112041847 A CN112041847 A CN 112041847A
Authority
CN
China
Prior art keywords
image
entity
images
obtaining
category
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.)
Pending
Application number
CN201880092120.5A
Other languages
English (en)
Inventor
崔德华
A·塔姆比拉纳姆
崔晨阳
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.)
Microsoft Technology Licensing LLC
Original Assignee
Microsoft Technology Licensing LLC
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 Microsoft Technology Licensing LLC filed Critical Microsoft Technology Licensing LLC
Publication of CN112041847A publication Critical patent/CN112041847A/zh
Pending legal-status Critical Current

Links

Images

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
    • H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
    • 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
    • G06F21/6209—Protecting access to data via a platform, e.g. using keys or access control rules to a single file or object, e.g. in a secure envelope, encrypted and accessed using a key, or with access control rules appended to the object itself
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/51—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/55—Clustering; Classification
    • 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
    • G06V40/172—Classification, e.g. identification
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/53—Network services using third party service providers
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L2463/00—Additional details relating to network architectures or network communication protocols for network security covered by H04L63/00
    • H04L2463/082—Additional details relating to network architectures or network communication protocols for network security covered by H04L63/00 applying multi-factor authentication
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/2866—Architectures; Arrangements
    • H04L67/30—Profiles
    • H04L67/306—User profiles

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Hardware Design (AREA)
  • Bioethics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Collating Specific Patterns (AREA)

Abstract

一种用于提供图像的方法包括：执行对实体的认证(1010)；基于所述认证来获得所述实体的身份信息(1020)；至少基于所述实体的所述身份信息获得与所述实体相关联的一个或多个图像(1030)；以及提供所述一个或多个图像，其中，所述一个或多个图像中的每个图像附有隐私标签(1040)。

Description

提供具有隐私标签的图像
背景技术
当前的互联网上有很多人的图像。通常，这些图像显示人的面部。有时，显示人脸的图像可以由具有图像的肖像权的人发布到互联网上；但有时，这样的图像可能会被他人未经许可发布。大多数时候，人们可能不知道他们的图像被上传和/或发布到互联网上的位置。在某些情况下，由于在互联网上发布的图像，人们的隐私无法得到保护。
发明内容
提供本发明内容是为了介绍将在以下具体实施方式中进一步描述的一些概念。其并不旨在标识所要求保护的主题的关键特征或重要特征，也不旨在用于限制所要求保护的主题的范围。
本公开内容的实施例提出了用于提供图像的方法和装置。在一些实现中，可以执行对实体的认证。可以基于所述认证来获得所述实体的身份信息。可以至少基于所述实体的所述身份信息获得与所述实体相关联的一个或多个图像。可以提供所述一个或多个图像，其中，所述一个或多个图像中的每个图像附有隐私标签。
应该注意的是，上述一个或多个方面包括在下文中充分描述并在权利要求中特别指出的特征。以下描述和附图详细阐述了一个或多个方面的某些说明性特征。这些特征仅指示可以采用各个方面的原理的各种方式，并且本公开内容旨在包括所有这些方面及其等价物。
附图说明
在下文中将结合附图描述所公开的方面，提供附图用于说明而非限制所公开的方面。
图1示出了根据实施例的用于通过网络提供图像的系统的示例性架构。
图2示出了根据实施例的示例性实体索引数据库。
图3示出了根据实施例的用于构建实体索引数据库的示例性过程。
图4示出了根据实施例的示例性面部识别模型。
图5示出了根据实施例的用于生成具有隐私标签的图像的示例性系统。
图6示出了根据实施例的用于对实体执行认证的示例性过程。
图7示出了根据实施例的用于提供具有隐私标签的图像的示例性过程。
图8示出了根据实施例的用于提供具有隐私标签的图像的另一个示例性过程。
图9示出了根据实施例的用于呈现具有隐私标签的图像的示例性用户界面。
图10示出了根据实施例的用于提供图像的示例性方法的流程图。
图11示出了根据实施例的用于提供图像的示例性装置。
图12示出了根据实施例的用于提供具图像的另一个示例性装置。
具体实施方式
现在将参考若干示例实现来讨论本公开内容。应当理解，讨论这些实现仅为了使本领域技术人员能够更好地理解并因此实现本公开内容的实施例，而不是暗示对本公开内容的范围的任何限制。
如今，互联网上有大量显示了人脸的图像。大多数具有人脸的图像可能不是由具有图像肖像权的人自己发布的。有时，人们可能不希望向公众公布一些图像，例如，显示他们孩子的图像；显示其负面形象的图像，例如显示人们醉酒或吸烟的图像或显示没有化妆的女演员的脸部的图像；通过深度伪造修改的图像，等等。然而，人们可能不知道这些图像被上传或公布到互联网上的位置。人们可能花费大量时间来搜索他们的所有图像，并且可能难以找到他们可能不打算在互联网上公布的图像。
本发明的实施例提出了提供具有与实体相关联的隐私标签的图像。在本文中，图像可以包括照片、图片、画像等。具有隐私标签的图像可以预先存储在数据库中，或者可以实时地从互联网获得和/或处理。在本文中，数据库可以包括实体索引数据库，其包括各个候选实体的ID、各个候选实体的简档信息，以及各个候选实体的图像。可以通过利用任何面部识别技术和搜索引擎来构建数据库，以便收集和存储互联网中的多个个人图像。
隐私标签可以指示图像属于以下至少一类：未授权类别、敏感类别、经修改类别和正常类别。如本文所使用的，未授权类别可以指示图像例如未被授权公布、在指定位置之外公布、在指定时间段之外公布，或在指定事件之外公布。敏感类别指示图像可能包含敏感内容，例如，带有孩子、吸烟或醉酒、外表丑陋等。经修改类别指示图像可能是通过修改原始图像而生成的，例如，通过编辑原始图像，或者可以是伪造的图像。正常类别指示未被识别为未授权、敏感和经修改类别的任何其它图像。
在提供具有与实体相关联的隐私标签的图像之前，可能需要对该实体进行认证。认证可以由要求与实体相关联的图像的用户或由用于提供图像的应用发起。在本文中，要求与实体相关联的图像的用户可以是实体本身或实体的代理。在本文中，实体的代理也可以被称为实体的助理，并且可以代表具有该实体的授权证书的任何一方。例如，实体的代理可以是真人或虚拟人，例如由实体授权的智能机器人、计算机设备等。认证可以通过任何适当的认证技术来实现，例如，通过下列各项中的至少一项：用户ID和密码对、动态令牌或密码、USB密钥、生物识别等。通过经由本方法或系统向关联实体或其代理提供具有隐私标签的图像，可以检查和/或管理关联实体的图像。在一些示例中，实体或其代理可以请求应用从图像源删除具有某些隐私标签的一些图像。在一些其它示例中，实体或其代理可以请求应用提供到一个或多个图像的图像源的链接，并且实体和/或其代理可以通过相应的链接来联系图像源以便如果需要的话从图像源中删除某些图像。通过本公开内容的实施例，可以保护实体的隐私。
图1示出了根据实施例的用于通过网络提供图像的系统100的示例性架构。
在图1中，网络110应用于终端设备120和服务器130之间的互连。
网络110可以是能够互连网络实体的任何类型的网络。网络110可以是单个网络或各种网络的组合。就覆盖范围来说，网络110可以是局域网(LAN)、广域网(WAN)等。就承载介质来说，网络110可以是有线网络、无线网络等。就数据交换技术来说，网络110可以是电路交换网络、分组交换网络等。
终端设备120可以是能够连接到网络110、访问网络110上的服务器或网站、处理数据或信号等的任何类型的电子计算设备。例如，终端设备120可以是桌面式计算机、膝上型计算机、平板电脑、智能电话、AI终端等。尽管图1中仅示出了一个终端设备，但是应当理解，不同数量的终端设备可以连接到网络110。
在一种实现中，终端设备120可以包括应用(APP)121、摄像头122、用户界面123、存储器124、处理器125，以及用于连接到网络110的一个或多个通信连接126。
应用121可以包括可以从用户接收输入并提供与实体相关联的图像的任何应用。应用121可以是用于提供具有隐私标签的图像的专用应用，或能够提供具有隐私标签的图像的公共第三方应用。
摄像头122可以捕捉来自环境的图像，包括终端设备120的用户的图像。
用户界面(UI)123可用于呈现图像。图像可以附有隐私标签并被呈现给用户。UI123可以特定于终端设备120中的应用121，或者可以合并在第三方应用(例如脸谱(Facebook)、Instagram、领英(Linkedin)、推特(Twitter)或任何其它社交网络应用)中。
存储器124可以是用于存储数据的一个或多个设备，其可以包括只读存储器(ROM)、随机存取存储器(RAM)、磁RAM、核心存储器、磁盘存储介质、光学存储介质、闪存，和/或用于存储信息的其它机器可读介质。术语“机器可读介质”可以包括但不限于便携式或固定存储、光学存储、无线信道，以及用于存储、包含或携带指令和/或数据的各种其它介质。
处理器125可以包括任何数量的处理单元，并且被编程为执行用于实现本公开内容的各方面的计算机可执行指令。在一些示例中，处理器125被编程为执行存储在存储器124中的计算机可执行指令以实现诸如附图10中所示的方法。
通信连接126可以包括无线连接或有线连接，以使终端设备120连接到网络110或任何其它设备。
服务器130可以连接到数据库140。虽然图1中未示出，但是服务器130可以包含数据库140。服务器130可以向终端设备120提供数据或应用。作为一个示例，服务器130可以是通过网络提供数据的网络服务器。服务器130可以通过网络110在网络上向终端设备120提供数据。
数据库140可以包括实体索引数据库，其包括各个候选实体的ID、各个候选实体的简档信息，以及各个候选实体的图像。可以从图像源150和/或知识图谱160收集或获得实体索引数据库140中的数据。
图像源150可以包括可以提供图像的任何源，例如，社交网站、搜索网站、公共和/或个人网站和/或应用等。
在本文中，知识图谱160可以指代各个域中的单个知识图谱或多个知识图谱。知识图谱160可以从网络上的各种网站建立，例如脸谱(Facebook)、领英(Linkedin)、推特(Twitter)、维基百科(Wikipedia)等。知识图谱160可以包括任何可能的知识图谱，例如，Satori、Knowledge Vault、Schema、Graph Search等。
应当理解，图1中示出的所有组件可以是示例性的，并且取决于特定应用要求，可以在图1中添加、省略或替换终端设备120中的任何组件。
图2示出了根据实施例的示例性实体索引数据库200。
实体索引数据库200可以包括若干实体索引项，例如，图2中所示的实体索引项210，其包括候选实体ID、候选实体简档和候选实体图像。在本文中，候选实体可以包括为构建实体索引数据库200而收集的任何实体，其可以用于与所请求的实体进行比较以找出与所请求的实体相对应的匹配的候选实体。
如图2所示，候选实体ID可以随机地或按顺序分配给候选实体。应当理解，尽管候选实体ID以ID_0，ID_1，ID_2，...，ID_n的形式示出，但其可以是用以指示相应的候选实体的任何合适的形式。
候选实体简档可以包括至少基于知识图谱(例如知识图谱160)收集或生成的任何简档信息。它可以包括候选实体的任何个人信息。例如，候选实体简档可以包括但不限于实体的名称、性别、年龄、简档照片、家庭住址、雇主信息、职业、知名程度(例如公众人物或普通人)等。在一些示例中，这些实体简档信息可以以特征向量的形式表示。
实体索引数据库200的每个实体索引项中的候选实体图像可以包括与具有唯一的实体ID以及针对每个图像的隐私标签和/或特征向量的候选实体相关联的多个图像。例如，如图2所示，分配了ID_0的候选实体的候选实体图像可以被显示为每个都具有隐私标签和特征向量V_nm的图像，V_nm表示每个图像的面部特征，例如{图像，未授权的，V_01}、{图像，敏感，V_02}、{图像，正常，V_03}。
应当理解，尽管候选实体图像以组{图像，隐私标签，特征向量}的形式示出，但是它可以被示为附有隐私标签、特征向量的图像，并且还可以附有任何其它特征(例如，观看计数和/或分享计数、到图像源的链接，和/或各个图像的公布链)或与任何其它特征一起提供。可以通过任何提取模型从每个图像的图像源获得观看计数、分享计数和/或到图像源的链接，并将其附加到候选实体图像或与候选实体图像一起提供。图像的公布链可以表示为用于公布和广播图像的站点有序列表。在一些示例中，站点也可以被称为网页。例如，可以经由搜索引擎通过从关联站点获得图像的“源”以及对链接或站点名称进行级联以形成站点有序列表来获得或确定图像的公布链。图像的公布链可以附加到图像或与图像一起提供。例如，图像i可以首先在站点A上公布，然后由站点B引用和/或复制并转发到一个或多个其它站点，例如站点C，站点D......。该图像的公布链可以表示为：站点A-站点B-站点C-站点D.......。
在一些示例中，这样的组中的图像可以不存储在实体索引数据库中，而是存储在其它数据库或云中，并且由相应特征向量以及到图像的链接来表示。在一些示例中，隐私标签可以通过任何合适的方式附加到图像，例如，在图像上加水印，以及作为图像周围的注释来附加等等。在一些其它示例中，隐私标签可以被显示为A、B、C、D级，每个级别指示图像属于什么类别，例如A级表示未授权类别、B级表示敏感类别、C级表示经修改类别、D级表示正常类别。
应当理解，图2中示出的实体索引数据库200的结构仅是示例性的，用于体现实体简档或身份信息和实体图像的任何其它结构对于本公开内容来说都可以是可能的。
图3示出了根据实施例的用于构建实体索引数据库的示例性过程300。
在302处，可以从一个或多个图像源获得实体的图像，例如从互联网、社交网络以及可以公布图像的任何站点捕捉的，或者由一个或多个图像源提供的。实体的图像可以包括实体的面部，其可以指示实体的身份。在实现中，可以通过来自互联网的一个或多个搜索引擎尽可能多地获得图像，并且可以通过面部检测模型来处理图像。面部检测模型可以通过对象检测模型来实现，例如区域卷积神经网络(RCNN)、快速RCNN、更快RCNN或单次多盒检测器(SSD)。例如，它可以向面部识别模型添加5个界标以预测两只眼睛、一个鼻子和嘴巴的左右侧的坐标以识别实体的面部。
在304处，可以基于至少一个规则来确定图像的隐私标签，并将其附加到图像以生成具有隐私标签的图像。例如，隐私标签可以通过至少基于图像和至少一个规则的隐私标签模型(例如，使用机器学习(例如受监督学习)的多标签分类器)来确定。
在一些示例中，隐私标签可以将图像标识为下列各项中的至少一项：未授权类别、敏感类别、经修改类别和正常类别。在一些示例中，未授权类别可以指示图像：未被授权公布、在指定位置之外公布、在指定时间段之外公布，或在指定事件之外公布。在一些示例中，敏感类别指示图像包括敏感内容。在一些示例中，经修改类别指示通过对原始图像进行修改来生成图像。在一些示例中，正常类别指示图像是除了被标识为未授权、敏感和经修改的图像之外的图像。
该至少一个规则可以包括：与每个图像的授权状态相关联的规则、与每个图像中包含的敏感内容相关联的规则，以及与每个图像的修改状态相关联的规则。例如，与每个图像的授权状态相关联的规则可以包括以下规则中的至少一个：图像是否来自用户提供的白名单中列出的源；图像是否被允许公布到指定的站点位置、事件或时间段。在一些示例中，如果用户没有提供白名单，则可以将任何图像视为未授权的。在一些其它示例中，如果任何图像可以是在指定的站点位置、事件或时间段之外公布的，则可以将其视为未授权的。例如，如果指定的事件是奥斯卡，那么不是为奥斯卡奖公布的图像可能被视为未授权的。在实现中，与每个图像中包含的敏感内容相关联的规则可以通过分类模型来定义敏感类型或标签的列表，例如，显示家庭的图像、显示孩子的图像、显示实体丑陋的图像、显示实体醉酒和/或吸烟的图像等。与每个图像的修改状态相关联的规则可以包括以下规则中的至少一个：与原始图像相比当前图像是否被修改；基于深度学习的模型通过恶意修改检测来判断当前图像是否被恶意修改；当前图像是否由基于深度学习的模型通过编辑检测进行了编辑。在一些示例中，原始图像可以由用户或实体本身提供。在一些示例中，可以训练基于深度学习的模型以通过收集未修改的图像作为正例以及经修改的图片作为负例来预测图像是否被恶意修改。在一些示例中，可以根据原始像素来训练基于深度学习的模型以了解是否当前图像是否经过了编辑。
在306处，可以对图像执行面部识别。例如，可以通过面部识别模型来执行面部识别。例如，当接收图像时，可以通过在面部识别模型中实现的面部嵌入模型来提取特征向量，并且可以通过softmax层将特征向量投影到实体名称的概率，如稍后在图4中所示。可以选择具有最高概率的实体名称作为图像中的面部的面部识别结果。在其它示例中，可以基于不同的设置来选择具有除最高概率之外的概率的其它实体名称。在一些示例中，面部识别模型可以包括用于特定组的识别模型，例如，通过利用MS-Celeb-1M、Rekognition等的针对名人的名人识别模型。
在308处，如果在306处可以通过图像上的面部识别来生成实体名称，则该过程可以移至310。如果不能生成实体名称，则该过程可以移至314。
在310处，可以生成图像中的面部的实体名称和面部特征。在一些示例中，面部特征可以由特征向量或一些特征向量表示。
在312处，可以至少基于所生成的实体名称和/或面部特征对实体索引数据库执行搜索，以便在302处找到与所获得的图像中的实体匹配的候选实体。
在314处，如果不能通过在图像上应用面部识别模型来生成实体名称，则可以通过命名实体提取模型对图像执行命名实体提取，以便从图像源、站点、或显示图像的网页提取实体名称。在一些示例中，命名实体提取模型可以通过自然语言处理(NLP)技术来实现，例如双向长短时记忆单元(Bi-LSTM)、来自变换器模型的双向编码器表示(BERT)等。
在316处，如果可以在314处通过命名实体提取生成实体名称，则该过程可以移动到步骤310以生成图像的实体名称和面部特征。如果不能通过命名实体提取来生成实体名称，则该过程可以移至步骤318以生成面部特征。在一些示例中，如果不能生成实体名称，则可以利用面部成组模型来将具有相同或相似面部特征的图像收集在一起作为没有实体名称或实体简档(例如图2中所示的实体索引项210以及分配了ID_2的实体索引项)的一组实体图像。本文中，每个实体索引项可以表示一个实体。在一些示例中，可以例如通过使用密度峰值聚类算法来实现面部成组模型，该算法可以将若干图像聚类成一个组。在一些示例中，之间的差异可以等于或小于阈值的那些实体图像可以被聚类到与实体相对应的组中，这意味着那些实体图像可以与同一个实体相关联。
在320处，可以基于所生成的面部特征对实体索引数据库(例如实体索引数据库200)执行搜索，以便在302处找到与所获得的图像中的实体匹配的候选实体。
在322处，如果存在匹配的候选实体，则该过程可以移动到步骤324。在324处，可以将所获得的具有确定的隐私标签和生成的面部特征的图像添加到匹配的候选实体的实体索引项中的“候选实体图像”部分。
如果不存在匹配的候选实体，则该过程可以移动到步骤326。在326处，可以通过使获得的图像包括隐私标签、面部特征和可能的实体名称来生成新候选实体的新实体索引项。
应当理解，尽管可以生成实体名称并将其包括在实体索引项中，但是也可以通过任何面部识别和/或信息提取技术(例如从用户简档和/或从知识图谱)生成任何其它实体简档信息并将其包括在实体索引项中。
图4示出了根据实施例的示例性面部识别模型400。面部识别模型400可以由神经网络结构(例如，ResNet、DenseNet等)实现。在本文中，可以示出用于对神经网络结构的实体的图像进行编码的34层ResNet作为示例，其可以提供相对良好的准确性和快速训练/测试。
例如，在图4中，“3*3conv，64”表示存在64个滤波器，每个滤波器具有卷积内核或函数，并且具有3×3像素的规模。“/2”表示双步长。“avg pool”表示平均池化操作。平均池化操作的输出是实体向量，其是输入图像的密集向量表示。
还可以向softmax层提供实体向量。softmax层可以根据不同的实体名称分类或选择策略来输出实体名称。例如，可以选择具有最高概率或最高值或具有满足条件或阈值的值的实体名称来进行输出。实体名称可以以关键字、特征向量或一些特征向量的形式来表示。
面部识别模型400可以对图像执行面部识别。例如，当获得图像时，可以通过面部识别模型400对图像执行面部识别，以获得图像中示出的实体的实体名称。
应当理解，ResNet是可以在图像识别中采用的示例性技术，并且可以在图像识别中采用任何其它技术，例如，DenseNet、AlexNet、GoogleNet、VGG-Net等。
在一些实施例中，可以识别图像的感兴趣区域(RoI)，并且面部识别模型400还可以在RoI上执行面部识别以获得在RoI中示出的实体的实体名称。在本文中，“RoI”可以指的是显示多于一个人的图像中的面部区域，每个人具有图像中所示的面部。例如，假设图像中有两个不同的人。这两个不同人的面部区域可以表示具有不同名称的不同实体。如果可以识别这两个面部区域并且可以确定由每个面部区域表示的每个实体的名称，那么理解图像上的实体具有哪个名称将是有益的。
图5示出了根据实施例的用于生成具有隐私标签的图像的示例性系统500。系统500可以实现图3中的操作304。
如图5所示，将图像501提供给隐私标签模型510和生成模型520。隐私标签模型510可以基于至少一个规则502来确定图像501的隐私标签。规则502可以从其它组件提供给隐私标签模型510，或者可以预先存储在隐私标签模型510中。隐私标签模型510可以向生成模型520提供生成的隐私标签。生成模型520可以将提供的隐私标签附加到图像510，以生成具有隐私标签503的图像。
图6示出了根据实施例的用于对实体执行认证的示例性过程600。
在602处，可以接收实体的认证信息。在本文中，认证信息可以由用户提供，该用户是实体或实体的代理，或者可以通过用户成功登录第三方应用来从第三方应用获得。认证信息可以包括下列各项中的至少一项：用户名和静态密码对、动态密码、令牌、USB密钥、数字签名、生物识别信息等。
在604处，可以基于认证信息来执行认证。在一些示例中，当实体的认证信息是实体的生物特征识别信息(例如，通过摄像头获得的实体的面部图像)时，执行认证可以包括：执行面部活跃度检测以确定所获得的图像是否是实时照片。在一些示例中，当认证信息由作为实体的代理的用户提供并且代理不能通过生物识别通过认证时，可能需要来自实体的针对代理的授权信息，例如授权证书、委托书、公证书等。在这样的示例中，可以通过至少授权信息验证来执行认证。在一些示例中，当从第三方应用获得认证信息时，可以基于第三方认证来执行认证。例如，如果对实体的第三方应用的认证成功，则可以认为本文中对实体的认证是成功的。
在606处，可以基于认证来提供实体的身份信息。例如，身份信息可以包括实体的身份描述和实体的身份图像中的至少一项。在一些示例中，当认证信息包括面部图像时，可以通过面部识别模型直接从面部图像获得身份信息，例如身份名称、身份图像，其可以仅是图像或者可以由图像特征表示和/或这二者。在本文中，图像特征也可以被称为面部特征。在一些其它示例中，当认证信息包括除了面部图像之外的其它信息时，可以从用户简档获得身份信息，例如，知识图谱或第三方应用中的用户简档等。
应当理解，上文结合图6示出的认证过程和身份信息可以仅仅是示例性的，任何其它认证方式和身份信息对于本公开内容来说都是可能的。
图7示出了根据实施例的用于提供具有隐私标签的图像的示例性过程700。示例性过程700可以基于例如从图6中的操作606提供的身份信息中的身份描述来执行，并且可以由独立应用、与第三方应用协作的应用或第三方应用来实现。例如，独立应用可以包括专用于提供至少具有隐私标签的图像的应用。第三方应用可以包括社交应用、搜索应用等，例如必应(Bing)、脸谱(Facebook)、领英(Linkedin)、Instagram、推特(Twitter)等。
在702处，可以获得实体的身份描述。在本文中，实体的身份描述可以是实体简档的文本描述，例如但不限于实体的名称、性别、年龄、家庭住址、雇主信息、职业、知名程度(例如公众人物或普通人)等等。
在704处，可以从身份描述中提取实体名称。可以通过任何可能的特征提取模型或技术来执行提取操作。可以以关键字或特征向量的形式提取实体名称。
在706处，可以基于提取的实体名称来确定匹配的候选实体。在一些示例中，该确定可以包括：通过关键字匹配算法从提取的实体名称中选择候选实体名称；确定与所选择的候选实体名称相对应的候选实体作为匹配候选实体。在一些其它示例中，该确定可以包括：计算提取的实体名称与实体索引项中的候选实体名称之间的特征向量差；将特征向量差与阈值进行比较；确定特征向量差小于阈值的一个或多个候选实体名称；基于排名规则从所确定的一个或多个候选实体名称中选择至少一个候选实体名称；选择与至少一个所选择的候选实体名称相对应的至少一个候选实体作为至少一个匹配候选实体。
在708处，可以从实体索引数据库获得与候选实体相关联的一个或多个图像。具体而言，可以从实体索引数据库中的“候选实体图像”部分获得图像。
在710处，可以从要通过用户界面呈现给用户的相应实体索引项中的“候选实体图像”部分提供与匹配的候选实体相关联的每个具有隐私标签的图像，如下图9所示。
在一些示例中，图像可以与下列各项中的至少一项一起提供：观看计数、分享计数、到图像源和公布链的链接。在本文中，可以从图像的图像源获得针对各个图像的观看计数、分享计数以及到图像源的链接。可以获得图像的公布链作为公布图像的站点的有序列表。
可选地，在712处，可以接收用于管理一个或多个图像的指示。在一些示例中，用于管理一个或多个图像的指示可以包括下列各项中的至少一项：用于从指定图像源删除一个或多个图像中的至少一个图像的指示；用于监测一个或多个图像中的至少一个图像的观看计数和/或分享计数的指示；用于改变一个或多个图像中的至少一个图像的隐私标签的指示；以及用于获得一个或多个图像中的至少一个图像的图像源的指示。在本文中，用于删除的指示可以包括用于从显示该至少一个图像的所有站点删除该至少一个图像的指示，或者用于从显示该至少一个图像的未授权站点删除该至少一个图像的指示。
图8示出了根据实施例的用于提供具有隐私标签的图像的另一个示例性过程800。示例性过程800可以基于例如从图6中的操作606提供的身份信息中的身份图像来执行，并且可以由独立应用、与第三方应用协作的应用或第三方应用来实现。例如，独立应用可以包括专用于提供至少具有隐私标签的图像的应用。第三方应用可以包括社交应用、搜索应用等，例如必应(Bing)、脸谱(Facebook)、领英(Linkedin)、推特(Twitter)、Instagram等。
在802处，可以获得具有实体的面部的身份图像。在本文中，身份图像可以是，例如但不限于：存储在针对实体的用户简档中的简档照片，或者当前通过摄像头从用户捕捉的简档照片。在后一种情况下，用户可以是实体本身。
在804处，可以通过面部识别模型对图像执行面部识别来生成实体名称。本文中的面部识别模型可以通过结合图4描述的面部识别模型400来实现。
在806处，如果在804处可以通过图像上的面部识别来生成实体名称，则该过程可以移至808。否则，该过程可以移至810。
在808处，可以生成图像中的针对面部的实体名称和面部特征。在一些示例中，可以用关键字或特征向量的形式来表示实体名称。面部特征可以用特征向量的形式来表示。
在810处，如果不能生成实体名称，则可以生成图像中的面部的面部特征。
在一些示例中，实体名称生成和/或面部特征生成可以包括：通过一个或多个排名层将特征向量压缩到结果集。排名层可以通过例如产品量化算法来实现。
在812处，可以基于所生成的实体名称和/或面部特征来确定匹配的候选实体。在一些示例中，可以基于实体名称来执行确定，这类似于图7中的操作708。在一些其它示例中，可以基于面部特征来执行确定，这可以包括：计算面部特征与实体索引项中的候选实体图像或候选简档照片之间的特征向量差；将特征向量差与阈值进行比较；确定特征向量差小于阈值的候选简档照片或者一个或多个候选实体图像；确定与候选简档照片或候选实体图像相对应的至少一个候选实体作为至少一个匹配的候选实体。
在814处，可以从实体索引数据库获得与候选实体相关联的一个或多个图像。具体而言，可以从实体索引数据库中的“候选实体图像”部分获得图像。
在816处，可以从要通过用户界面呈现给用户的相应实体索引项中的“候选实体图像”部分提供与匹配的候选实体相关联的每个具有隐私标签的一个或多个图像，如下图9所示。
在一些示例中，图像可以与下列各项中的至少一项一起提供：观看计数、分享计数、到图像源的链接和公布链。在本文中，可以从图像的图像源获得针对各个图像的观看计数、分享计数以及到图像源的链接。可以获得图像的公布链作为公布图像的站点的有序列表。
可选地，在818(其可以类似于图7中的操作712)处，可以接收用于管理一个或多个图像的指示。在一些示例中，用于管理一个或多个图像的指示可以包括下列各项中的至少一项：用于从指定图像源删除一个或多个图像中的至少一个图像的指示；用于监测一个或多个图像中的至少一个图像的观看计数和/或分享计数的指示；用于改变一个或多个图像中的至少一个图像的隐私标签的指示；以及用于获得一个或多个图像中的至少一个图像的图像源的指示。在本文中，用于删除的指示可以包括用于从显示该至少一个图像的所有站点删除该至少一个图像的指示，或者用于从显示该至少一个图像的未授权站点删除该至少一个图像的指示。
应当理解，尽管本文中示出的实体名称是通过面部识别从身份描述或从获得的图像中提取的，但是它仅仅是示例性的简档信息，并且也可以在具有或不具有实体名称的情况下提取和处理上述任何其它简档信息。
应当理解，尽管上文描述了可以分别基于实体的身份描述和身份图像来提供具有隐私标签的图像，但是还可以基于它们的组合来提供图像。
图9示出了根据实施例的用于呈现具有隐私标签的图像的示例性用户界面900。本文中虽然用户界面900体现在智能手机中作为示例，但是它可以体现在任何其它终端设备中，例如桌面式计算机、膝上型计算机、平板电脑、AI终端等。
图像可以与隐私标签一起呈现作为实体的图像集810，例如，标记为未授权的图像、标记为敏感的图像、标记为经修改的图像，以及标记为正常的图像。图像可以逐个显示，或者可以分组显示，例如，未授权组{图像1...}、敏感组{图像1...}、正常组{图像1，图像2，图像3...}等等。
图10示出了根据实施例的用于提供图像的示例性方法1000的流程图。当用户想要搜索或检查与实体相关联的图像时，可以实现方法1000。在一些示例中，用户可以是实体。在一些其它示例中，用户可以是该实体的代理。
在1010处，可以执行对实体的认证。
在1020处，可以基于认证来获得实体的身份信息。
在1030处，可以至少基于实体的身份信息获得与实体相关联的一个或多个图像。
在1040处，可以提供一个或多个图像，其中，这一个或多个图像中的每个图像附有隐私标签。
在一种实现中，隐私标签将图像标识为下列各项中的至少一项：未授权类别、敏感类别、经修改类别和正常类别。
在一种实现中，未授权类别可以指示图像：未被授权公布、在指定位置之外公布、在指定时间段之外公布、或在指定事件之外公布。在其它实现中，敏感类别可以指示图像包括敏感内容。在另外的实现中，经修改类别可以指示通过对原始图像进行修改来生成图像。在另外的实现中，正常类别可以指示图像是除了被标识为未授权、敏感和经修改的图像之外的图像。
在一种实现中，可以至少基于下列各项中的至少一项来确定每个图像的隐私标签：与每个图像的授权状态相关联的规则、与每个图像中包含的敏感内容相关联的规则，以及与每个图像的修改状态相关联的规则。
在一种实现中，获得与该实体相关联的一个或多个图像还可以包括：基于实体的身份信息确定实体索引数据库中的与实体相匹配的候选实体；以及从实体索引数据库获得与候选实体相关联的一个或多个图像。
在一种实现中，实体索引数据库可以包括多个实体索引项。在另外的实现中，每个实体索引项可以包括简档信息和与相应候选实体相关联的图像。在另外的实现中，可以至少基于知识图谱来创建简档信息，并且可以从一个或多个图像源获得与相应候选实体相关联的图像。
在一种实现中，身份信息可以包括实体的身份描述和实体的身份图像中的至少一项。
在一种实现中，可以通过下列各项中的至少一项来执行认证：面部活体检测、授权信息验证和第三方认证。
在一种实现中，方法1000还可以包括：接收用于对一个或多个图像进行管理的指示。
在一种实现中，用于管理一个或多个图像的指示包括下列各项中的至少一项：用于从指定图像源删除一个或多个图像中的至少一个图像的指示；用于监测一个或多个图像中的至少一个图像的观看计数和/或分享计数的指示；用于改变一个或多个图像中的至少一个图像的隐私标签的指示；以及用于获得一个或多个图像中的至少一个图像的图像源的指示。
在一种实现中，方法1000还可以包括：获得一个或多个图像中的各个图像的观看计数和/或分享计数；以及连同各个图像一起提供观看计数和/或分享计数。
在一种实现中，方法1000还可以包括：获得到一个或多个图像中的各个图像的图像源的链接；以及连同各个图像一起提供到图像源的链接。
在一种实现中，方法1000还可以包括：获得一个或多个图像中的各个图像的公布链；以及连同各个图像一起提供发布链。
在一种实现中，方法1000可以由独立应用、与第三方应用程序协调的应用、或者第三方应用来实现。
应当理解，方法1000还可以包括用于根据上述本公开内容的实施例来提供图像的任何步骤/过程。
图11示出了根据实施例的用于提供图像的示例性装置1100。
装置1100可以包括：认证执行模块1110，其用于执行对实体的认证；身份信息获得模块1120，其用于基于认证来获得实体的身份信息；图像获得模块1130，其用于至少基于实体的身份信息来获得与该实体相关联的一个或多个图像；以及图像提供模块1140，其用于提供该一个或多个图像，其中，该一个或多个图像中的每个图像附有隐私标签。
在一种实现中，隐私标签将图像标识为下列各项中的至少一项：未授权类别、敏感类别、经修改类别和正常类别。
在一种实现中，至少基于下列各项中的至少一项来确定每个图像的隐私标签：与每个图像的授权状态相关联的规则、与每个图像中包含的敏感内容相关联的规则、以及与每个图像的修改状态相关联的规则。
在一种实现中，图像获得模块1120还用于：基于实体的身份信息确定实体索引数据库中的与实体相匹配的候选实体；以及从实体索引数据库获得与候选实体相关联的一个或多个图像。
在一种实现中，装置1100还可以包括指示接收模块，其用于接收用于对一个或多个图像进行管理的指示。
此外，装置1100还可以包括被配置用于根据上述本公开内容的实施例来提供图像的任何其它模块。
图12示出了根据实施例的用于提供图像的另一个示例性装置1200。
装置1200可以包括至少一个处理器1210。装置1200还可以包括与处理器1210连接的存储器1220。存储器1220可以存储计算机可执行指令，当被执行时，该计算机可执行指令使处理器1210执行用于根据上述本公开内容的实施例来提供图像的方法的任何操作。
本公开内容的实施例可以体现在非临时性计算机可读介质中。非临时性计算机可读介质可以包括指令，当被执行时，指令使一个或多个处理器执行用于根据上述本公开内容的实施例来提供图像的方法的任何操作。
应当理解，上述方法中的所有操作仅仅是示例性的，并且本公开内容不限于这些方法中的任何操作或者这些操作的序列顺序，并且应该覆盖相同或相似概念下的所有其它等价物。
还应该理解，上述装置中的所有模块可以以各种方式实现。这些模块可以实现为硬件、软件或者它们的组合。此外，这些模块中的任何一个模块还可以在功能上划分为子模块或组合在一起。
已经结合各种装置和方法描述了处理器。可以使用电子硬件、计算机软件或者它们的任意组合来实现这些处理器。这些处理器是实现为硬件还是软件将取决于特定应用和施加于系统的总体设计约束。举例来说，本公开内容中呈现的处理器、处理器的任何部分或处理器的任意组合可以用微处理器、微控制器、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、可编程逻辑器件(PLD)、状态机、门控逻辑、离散硬件电路和被配置以执行贯穿本公开内容描述的各种功能的其它合适的处理组件来实现。本公开内容中呈现的处理器、处理器的任何部分或者处理器的任意组合的功能可以用由微处理器、微控制器、DSP或其它合适的平台执行的软件来实现。
软件应广泛地解释为指令、指令集、代码、代码段、程序代码、程序、子程序、软件模块、应用、软件应用、软件包、例程、子例程、对象、执行线程、过程、函数等。软件可以驻留在计算机可读介质上。举例来说，计算机可读介质可以包括存储器，例如磁存储设备(例如，硬盘、软盘、磁条)、光盘、智能卡、闪存设备、随机存取存储器(RAM)、只读存储器(ROM)、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、寄存器或可移动磁盘。尽管存储器在贯穿本公开内容呈现的各个方面中被示为与处理器分开，但存储器可以在处理器内部(例如，高速缓存器或寄存器)。
提供先前的描述是为了使本领域技术人员能够实施本文中所描述的各个方面。对于本领域技术人员来说，对这些方面的各种修改将是显而易见的，并且本文中定义的一般原理可以应用于其它方面。因此，权利要求不旨在限于本文所示的方面。本领域普通技术人员已知或以后将为本领域普通技术人员所知的贯穿本公开内容描述的各个方面的元件的所有结构和功能等价物通过引用明确地并入本文，并且旨在由权利要求书涵盖。

Claims (20)

1.一种用于提供图像的方法，包括：
执行对实体的认证；
基于所述认证来获得所述实体的身份信息；
至少基于所述实体的所述身份信息来获得与所述实体相关联的一个或多个图像；以及
提供所述一个或多个图像，其中，所述一个或多个图像中的每个图像附有隐私标签。
2.根据权利要求1所述的方法，其中，所述隐私标签将所述图像标识为下列各项中的至少一项：未授权类别、敏感类别、经修改类别和正常类别。
3.根据权利要求2所述的方法，其中，
所述未授权类别指示图像是：未被授权公布、在指定位置之外公布、在指定时间段之外公布，或在指定事件之外公布；
所述敏感类别指示所述图像包括敏感内容；
所述经修改类别指示所述图像是通过对原始图像进行修改来生成的；以及
所述正常类别指示所述图像是除了被标识为未授权、敏感和经修改的图像之外的图像。
4.根据权利要求1所述的方法，其中，每个图像的所述隐私标签是至少基于下列各项中的至少一项来确定的：与每个图像的授权状态相关联的规则、与每个图像中包含的敏感内容相关联的规则、以及与每个图像的修改状态相关联的规则。
5.根据权利要求1所述的方法，其中，所述获得与所述实体相关联的一个或多个图像还包括：
基于所述实体的所述身份信息来确定实体索引数据库中的与所述实体相匹配的候选实体；以及
从所述实体索引数据库获得与所述候选实体相关联的一个或多个图像。
6.根据权利要求5所述的方法，其中，所述实体索引数据库包括多个实体索引项，每个实体索引项包括与相应候选实体相关联的简档信息和图像，并且其中，所述简档信息是至少基于知识图谱创建的，并且与所述相应候选实体相关联的所述图像是从一个或多个图像源获得的。
7.根据权利要求1所述的方法，其中，所述身份信息包括下列各项中的至少一项：所述实体的身份描述和所述实体的身份图像。
8.根据权利要求1所述的方法，其中，通过下列各项中的至少一项来执行所述认证：面部活体检测、授权信息验证和第三方认证。
9.根据权利要求1所述的方法，还包括：
接收用于管理所述一个或多个图像的指示。
10.根据权利要求9所述的方法，其中，用于管理所述一个或多个图像的所述指示包括下列各项中的至少一项：
用于从指定图像源删除所述一个或多个图像中的至少一个图像的指示；
用于监测所述一个或多个图像中的至少一个图像的观看计数和/或分享计数的指示；
用于改变所述一个或多个图像中的至少一个图像的隐私标签的指示；以及
用于获得所述一个或多个图像中的至少一个图像的图像源的指示。
11.根据权利要求1所述的方法，还包括：
获得所述一个或多个图像中的各个图像的观看计数和/或分享计数；以及
连同所述各个图像一起提供所述观看计数和/或分享计数。
12.根据权利要求1所述的方法，还包括：
获得到所述一个或多个图像中的各个图像的图像源的链接；以及
连同所述各个图像一起提供到图像源的所述链接。
13.根据权利要求1所述的方法，还包括：
获得所述一个或多个图像中的各个图像的公布链；以及
连同所述各个图像一起提供所述公布链。
14.根据权利要求1所述的方法，其中，所述方法是由独立应用、与第三方应用协调的应用、或者第三方应用来实现的。
15.一种用于提供图像的装置，包括：
认证执行模块，用于执行对实体的认证；
身份信息获得模块，用于基于所述认证来获得所述实体的身份信息；
图像获得模块，用于至少基于所述实体的所述身份信息来获得与所述实体相关联的一个或多个图像；以及
图像提供模块，用于提供所述一个或多个图像，其中，所述一个或多个图像中的每个图像附有隐私标签。
16.根据权利要求15所述的装置，其中，所述隐私标签将所述图像标识为下列各项中的至少一项：未授权类别、敏感类别、经修改类别和正常类别。
17.根据权利要求15所述的装置，其中，每个图像的所述隐私标签是至少基于下列各项中的至少一项来确定的：与每个图像的授权状态相关联的规则、与每个图像中包含的敏感内容相关联的规则、以及与每个图像的修改状态相关联的规则。
18.根据权利要求15所述的装置，其中，所述图像获得模块还用于：
基于所述实体的所述身份信息来确定实体索引数据库中的与所述实体相匹配的候选实体；以及
从所述实体索引数据库获得与所述候选实体相关联的一个或多个图像。
19.根据权利要求15所述的装置，还包括：
指示接收模块，用于接收用于管理所述一个或多个图像的指示。
20.一种用于提供图像的装置，包括：
一个或多个处理器；以及
存储器，其存储计算机可执行指令，当被执行时，所述指令使所述一个或多个处理器：
执行对实体的认证；
基于所述认证来获得所述实体的身份信息；
至少基于所述实体的所述身份信息来获得与所述实体相关联的一个或多个图像；以及
提供所述一个或多个图像，其中，所述一个或多个图像中的每个图像附有隐私标签。
CN201880092120.5A 2018-12-07 2018-12-07 提供具有隐私标签的图像 Pending CN112041847A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2018/119912 WO2020113582A1 (en) 2018-12-07 2018-12-07 Providing images with privacy label

Publications (1)

Publication Number Publication Date
CN112041847A true CN112041847A (zh) 2020-12-04

Family

ID=70973413

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880092120.5A Pending CN112041847A (zh) 2018-12-07 2018-12-07 提供具有隐私标签的图像

Country Status (4)

Country Link
US (1) US20220004652A1 (zh)
EP (1) EP3871117A4 (zh)
CN (1) CN112041847A (zh)
WO (1) WO2020113582A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4055504A1 (en) * 2020-01-06 2022-09-14 Google LLC Privacy controls for sharing embeddings for searching and indexing media content
CN112395407B (zh) * 2020-11-03 2023-09-19 杭州未名信科科技有限公司 企业实体关系的抽取方法、装置及存储介质
CN112632618B (zh) * 2020-12-30 2024-04-16 深圳市华傲数据技术有限公司 一种标签人群数据的脱敏方法、装置及计算机设备

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7068309B2 (en) * 2001-10-09 2006-06-27 Microsoft Corp. Image exchange with image annotation
US8059815B2 (en) * 2001-12-13 2011-11-15 Digimarc Corporation Transforming data files into logical storage units for auxiliary data through reversible watermarks
US7778438B2 (en) * 2002-09-30 2010-08-17 Myport Technologies, Inc. Method for multi-media recognition, data conversion, creation of metatags, storage and search retrieval
EP2618290A3 (en) * 2008-04-02 2014-08-06 Google, Inc. Method and apparatus to incorporate automatic face recognition in digital image collections
JP5119288B2 (ja) * 2010-03-15 2013-01-16 シャープ株式会社 携帯端末装置、情報出力システム、情報出力方法、プログラムおよび記録媒体
CN102279909A (zh) * 2010-06-08 2011-12-14 阿里巴巴集团控股有限公司 一种鉴定图片的归属权的方法及装置
CN102324044A (zh) * 2011-09-09 2012-01-18 上海合合信息科技发展有限公司 卡片信息获取方法及系统
CN103365869A (zh) * 2012-03-29 2013-10-23 宏碁股份有限公司 照片管理方法与电子装置
US20160055164A1 (en) * 2014-08-25 2016-02-25 Tll, Llc News alert system and method
EP3065067A1 (en) * 2015-03-06 2016-09-07 Captoria Ltd Anonymous live image search
CN105260676B (zh) * 2015-10-16 2017-10-03 合肥工业大学 图像隐私决策推荐系统及其方法
WO2018140759A1 (en) * 2017-01-26 2018-08-02 Wal-Mart Stores, Inc. Cloud security stack
US10754976B2 (en) * 2017-02-24 2020-08-25 Microsoft Technology Licensing, Llc Configuring image as private within storage container
US10600238B2 (en) * 2017-03-09 2020-03-24 Institute Of Automation, Chinese Academy Of Sciences Image tampering forensics method and apparatus
EP3407280A1 (en) * 2017-05-24 2018-11-28 Mastercard International Incorporated Authentication platform and method
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

Also Published As

Publication number Publication date
US20220004652A1 (en) 2022-01-06
EP3871117A4 (en) 2022-07-06
EP3871117A1 (en) 2021-09-01
WO2020113582A1 (en) 2020-06-11

Similar Documents

Publication Publication Date Title
Tariq et al. Detecting both machine and human created fake face images in the wild
Tariq et al. Gan is a friend or foe? a framework to detect various fake face images
CN111886842B (zh) 使用基于阈值的匹配进行远程用户身份验证
CN108804884B (zh) 身份认证的方法、装置及计算机存储介质
CN110276366A (zh) 使用弱监督模型来检测对象
CN106874253A (zh) 识别敏感信息的方法及装置
CN108875478B (zh) 人证合一核验方法、装置和系统及存储介质
CN111079816A (zh) 图像的审核方法、装置和服务器
CN111931153B (zh) 基于人工智能的身份验证方法、装置和计算机设备
CN112041847A (zh) 提供具有隐私标签的图像
US8897484B1 (en) Image theft detector
CN110795714A (zh) 一种身份验证方法、装置、计算机设备及存储介质
US20230410220A1 (en) Information processing apparatus, control method, and program
KR20230169104A (ko) 기계 학습 및 등록 데이터를 사용한 개인화된 생체인식 안티-스푸핑 보호
Du Mobile payment recognition technology based on face detection algorithm
WO2021051602A1 (zh) 基于唇语密码的人脸识别方法、系统、装置及存储介质
Anda et al. Improving borderline adulthood facial age estimation through ensemble learning
CN113642639B (zh) 活体检测方法、装置、设备和存储介质
Alkhowaiter et al. Evaluating perceptual hashing algorithms in detecting image manipulation over social media platforms
Sedik et al. An efficient cybersecurity framework for facial video forensics detection based on multimodal deep learning
Parveen et al. Classification and evaluation of digital forensic tools
JP2020197910A (ja) 画像アクセス管理装置、画像アクセス管理方法及び画像アクセス管理システム
Venema et al. Digital forensics, deepfakes, and the legal process
WO2017146229A1 (ja) 情報処理装置、容疑者情報生成方法及びプログラム
Mallet et al. Deepfake Detection Analyzing Hybrid Dataset Utilizing CNN and SVM

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination