CN112818390A - 一种基于隐私保护的数据信息发布方法、装置及设备 - Google Patents

一种基于隐私保护的数据信息发布方法、装置及设备 Download PDF

Info

Publication number
CN112818390A
CN112818390A CN202110103274.3A CN202110103274A CN112818390A CN 112818390 A CN112818390 A CN 112818390A CN 202110103274 A CN202110103274 A CN 202110103274A CN 112818390 A CN112818390 A CN 112818390A
Authority
CN
China
Prior art keywords
data
privacy
information
protection processing
privacy protection
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
CN202110103274.3A
Other languages
English (en)
Inventor
翁海琴
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.)
Alipay Hangzhou Information Technology Co Ltd
Original Assignee
Alipay Hangzhou Information Technology Co Ltd
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 Alipay Hangzhou Information Technology Co Ltd filed Critical Alipay Hangzhou Information Technology Co Ltd
Priority to CN202110103274.3A priority Critical patent/CN112818390A/zh
Publication of CN112818390A publication Critical patent/CN112818390A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Bioethics (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Storage Device Security (AREA)

Abstract

本说明书实施例提供了一种基于隐私保护的数据信息发布方法、装置及设备，该方法包括：获取待发布的数据信息；如果数据信息中包括需要进行隐私保护处理的第一隐私数据，则采用与预设类型相对应的隐私保护处理策略，对第一隐私数据进行隐私保护处理，得到处理后的第一隐私数据，其中，第一隐私数据中包括预设类型的隐私数据，隐私保护处理策略是通过模型训练的方式构建的机器学习模型而生成；使用处理后的第一隐私数据替换数据信息中的第一隐私数据生成目标数据信息，发布目标数据信息。

Description

一种基于隐私保护的数据信息发布方法、装置及设备
技术领域
本发明涉及计算机技术领域，尤其涉及一种基于隐私保护的数据信息发布方法、装置及设备。
背景技术
无线电的广泛使用拉开了大众媒体的序幕，同时互联网也带来了全民参与社交媒体的狂欢。在社交媒体上，每个社交媒体用户都可以谈论自己关心的话题，发表自己的观点，上传自己的照片、语音、地理位置等。
然而，用户在社交媒体上频繁的活动留下了大量的个人信息，而这些公开在社交媒体上的信息很可能被恶意窃取，从而导致用户的隐私数据泄露，用户的隐私安全受到巨大威胁，为此，需要提供一种能够更好的保护用户个人隐私数据安全的技术方案。
发明内容
本说明书实施例的目的是提供一种基于隐私保护的数据信息发布方法、装置及设备，以提供一种保护用户个人隐私数据的技术方案。
为了解决上述技术问题，本说明书实施例是这样实现的：
第一方面，本说明书实施例提供了一种基于隐私保护的数据信息发布方法，包括：获取待发布的数据信息。如果所述数据信息中包括需要进行隐私保护处理的第一隐私数据，则采用与预设类型相对应的隐私保护处理策略，对所述第一隐私数据进行隐私保护处理，得到处理后的第一隐私数据，其中，所述第一隐私数据中包括预设类型的隐私数据，所述隐私保护处理策略是通过模型训练的方式构建的机器学习模型而生成。使用所述处理后的第一隐私数据替换所述数据信息中的第一隐私数据生成目标数据信息，发布所述目标数据信息。
第二方面，本说明书实施例提供了一种基于隐私保护的数据信息发布装置，包括：信息获取模块，获取待发布的数据信息。信息处理模块，如果所述数据信息中包括需要进行隐私保护处理的第一隐私数据，则采用与预设类型相对应的隐私保护处理策略，对所述第一隐私数据进行隐私保护处理，得到处理后的第一隐私数据，其中，所述第一隐私数据中包括预设类型的隐私数据，所述隐私保护处理策略是通过模型训练的方式构建的机器学习模型而生成。信息发布模块，使用所述处理后的第一隐私数据替换所述数据信息中的第一隐私数据生成目标数据信息，发布所述目标数据信息。
第三方面，本说明书实施例提供了一种基于隐私保护的数据信息发布设备，包括：处理器。以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：获取待发布的数据信息。如果所述数据信息中包括需要进行隐私保护处理的第一隐私数据，则采用与预设类型相对应的隐私保护处理策略，对所述第一隐私数据进行隐私保护处理，得到处理后的第一隐私数据，其中，所述第一隐私数据中包括预设类型的隐私数据，所述隐私保护处理策略是通过模型训练的方式构建的机器学习模型而生成。使用所述处理后的第一隐私数据替换所述数据信息中的第一隐私数据生成目标数据信息，发布所述目标数据信息。
第四方面，本说明书实施例提供了一种存储介质，所述存储介质用于存储计算机可执行指令，所述可执行指令在被执行时实现以下流程：获取待发布的数据信息。如果所述数据信息中包括需要进行隐私保护处理的第一隐私数据，则采用与预设类型相对应的隐私保护处理策略，对所述第一隐私数据进行隐私保护处理，得到处理后的第一隐私数据，其中，所述第一隐私数据中包括预设类型的隐私数据，所述隐私保护处理策略是通过模型训练的方式构建的机器学习模型而生成。使用所述处理后的第一隐私数据替换所述数据信息中的第一隐私数据生成目标数据信息，发布所述目标数据信息。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术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说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1A为本说明书实施例提供的基于隐私保护的数据信息发布方法的第一种流程示意图；
图1B为本说明书实施例提供的基于隐私保护的数据信息发布方法处理过程的第一种示意图；
图2为本说明书实施例提供的基于隐私保护的数据信息发布方法处理过程的第二种示意图；
图3为本说明书实施例提供的基于隐私保护的数据信息发布方法处理过程的第三种示意图；
图4为本说明书实施例提供的基于隐私保护的数据信息发布方法处理过程的第四种示意图；
图5为本说明书实施例提供的基于隐私保护的数据信息发布方法处理过程的第五种示意图；
图6为本说明书实施例提供的基于隐私保护的数据信息发布装置的模块组成示意图；
图7为本说明书实施例提供的基于隐私保护的数据信息发布设备的结构示意图。
具体实施方式
为了实现本说明书的目的，本说明书实施例提供了一种基于隐私保护的数据信息发布方法、装置及设备，通过获取待发布的数据信息，如果数据信息中包括需要进行隐私保护处理的第一隐私数据，则采用与预设类型相对应的隐私保护处理策略，对第一隐私数据进行隐私保护处理，得到处理后的第一隐私数据，然后，使用处理后的第一隐私数据替换数据信息中的第一隐私数据生成目标数据信息，发布目标数据信息的方式，这样，如果检测出用户待发布的数据信息中包括需要进行隐私保护处理的第一隐私数据，则采用与预设类型相对应的隐私保护处理策略，对第一隐私数据进行隐私保护处理，得到处理后的第一隐私数据，然后，使用处理后的第一隐私数据替换数据信息中的第一隐私数据生成目标数据信息，从而使得发布的数据中不会携带有用户的隐私数据，进而有效避免了用户隐私数据的泄露，提高了用户个人隐私数据的安全性。
为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书保护的范围。
如图1A或1B所示，本说明书实施例提供一种基于隐私保护的数据信息发布方法，该方法的执行主体可以为服务器，其中，该服务器可以是独立的一个服务器，也可以是由多个服务器组成的服务器集群，而且，该服务器可以为对获取到的用户待发布的数据信息进行检测，如果数据信息中包括需要进行隐私保护处理的第一隐私数据，则采用与预设类型相对应的隐私保护处理策略，对第一隐私数据进行隐私保护处理。该方法具体可以包括以下步骤：
在步骤S102中，获取待发布的数据信息。
其中，上述待发布的数据信息可以是用户通过终端设备上的某社交媒体应用程序等准备发布的信息，该数据信息可以是终端设备通过文本编辑组件获取到的用户输入的文本数据，或者，也可以是终端设备通过摄像组件获取到的图像信息，或者，还可以是终端设备通过麦克风组件获取的用户输入的语音信息等。
在实施中，目前无线电的广泛使用拉开了大众媒体的序幕，同时互联网也带来了全民参与社交媒体的狂欢。在社交媒体上，每个社交媒体用户都可以谈论自己关心的话题，发表自己的观点，上传自己的照片、语音、地理位置等。然而，用户在社交媒体上频繁的活动留下了大量的个人信息，而这些公开在社交媒体上的信息很可能被恶意窃取和利用，例如，通过窃取并分析用户在某社交网站发的图片或文字信息来推断用户所在的地理位置，或者，甚至可以通过采集用户在社交媒体上发布的人脸信息或者用户在上述社交媒体上发布的语音信息，来突破那些以人脸特征或者声纹特征作为密码的系统，使得用户的隐私安全受到巨大威胁，为此，需要提供一种能够更好的保护用户个人隐私数据安全的方法，具体可以参见下述内容。
具体的，用户的终端设备中可以安装有文本编辑组件，摄像组件以及麦克风组件等，同时，用户的终端设备中还可以安装有社交媒体应用程序，当用户在使用终端设备中某社交媒体应用程序的过程中，并且在用户需要发布某数据信息时，可以通过点击该应用程序提供的文本编辑按键、语音输入按键、或者图像按键等输入数据信息，终端设备可以获取到用户输入的数据信息，并通过预定接口将获取的上述数据信息展示在信息输入框中，当用户确定输入的信息无误后，可以将信息输入框中的数据信息发送至服务器，这样，服务器可以获取到待发布的数据信息。
在步骤S104中，如果数据信息中包括需要进行隐私保护处理的第一隐私数据，则采用与预设类型相对应的隐私保护处理策略，对第一隐私数据进行隐私保护处理，得到处理后的第一隐私数据，其中，第一隐私数据中包括预设类型的隐私数据，隐私保护处理策略是通过模型训练的方式构建的机器学习模型而生成。
其中，上述第一隐私数据可以是个人可识别数据，也可以是个人敏感数据，上述个人可识别数据可以是能够直接通过该数据或者结合其他数据，识别出某个自然人身份的数据，上述个人可识别数据可以包括姓名、社会保障卡号、身份证号、电话号码、护照号、银行卡号或电子邮箱账号、人脸图像、声纹特征等。上述个人敏感数据可以是指涉及到数据主体的隐私领域的数据信息，该数据信息一旦泄露，很可能会给该数据主体造成重大不利影响的数据，该敏感个人数据可以包括种族、政治观点、宗教信仰、工会成员资格、健康状态、密码口令等。上述预设类型可以包括文本类、图像类、视频类、音频类等。上述隐私保护处理策略可以是预先针对不同的预设类型的样本数据信息，通过模型训练的方式构建的机器学习模型而生成的。上述通过模型训练的方式构建的机器学习模型可以针对不同预设类型的隐私数据生成与上述预设类型相对应的隐私保护处理策略。
在实施中，服务器中可以预先设置有预设类型的检测模型，其中，该预设类型的检测模型可以包括文本数据检测模型、图像数据检测模型、语音数据检测模型，当服务器检测到上述获取到的待发布的数据信息后，可以根据该数据信息的类型，将上述数据信息输入至与上述数据类型相匹配的数据检测模型中，如果上述获取到的数据信息中存在需要进行隐私保护处理的第一隐私数据，则可以通过上述数据检测模型输出第一隐私数据，然后，服务器可以采用与上述预设类型相对应的隐私保护处理策略，对上述第一隐私数据进行隐私保护处理，得到处理后的第一隐私数据，其中，上述处理后的第一隐私数据中已不包含用户隐私数据的数据信息。
具体的，若服务器检测到上述接收到的待发布的数据信息为文本数据，则可以将上述获取的数据信息输入至预先构建的文本数据检测模型，对上述文本数据进行检测，如果该文本数据检测模型检测到上述获取到的数据信息中存在需要进行隐私保护处理的第一隐私数据(如姓名、身份证号码等)，则输出上述第一隐私数据，然后，服务器可以采用与上述文本数据相对应的隐私保护处理策略对上述文本数据检测模型输出的第一隐私数据进行隐私保护处理，得到处理后的第一隐私数据。
若服务器检测到上述接收到的待发布的数据信息为图像或视频数据，则可以将上述获取的数据信息输入至预先构建的图像数据检测模型，对上述图像或视频数据进行检测，如果该图像检测模型检测到上述获取到的数据信息中存在需要进行隐私保护处理的第一隐私数据(如人脸特征数据)，则输出上述第一隐私数据，然后，服务器可以采用与上述图像信息相对应的隐私保护处理策略对上述图像检测模型输出的第一隐私数据进行隐私保护处理，得到处理后的第一隐私数据，其中，上述处理后的第一隐私数据为不包含用户隐私数据(如人脸特征)的数据信息，上述图像检测模型可以是人脸检测模型，该人脸检测模型可以是Dlib人脸检测模型、多任务卷积神经网络模型(MTCNN，Multi-task convolutionalneural network)等。
若服务器检测到上述接收到的待发布的数据信息为音频数据，则可以将上述获取的数据信息输入至预先构建的音频数据检测模型，对上述音频数据进行检测，如果该音频检测模型检测到上述获取到的数据信息中存在需要进行隐私保护处理的第一隐私数据(如用户的声纹特征数据)，则输出上述第一隐私数据，然后，服务器可以采用与上述音频数据相对应的隐私保护处理策略对上述音频检测模型输出的第一隐私数据进行隐私保护处理，得到处理后的第一隐私数据，其中，上述处理后的第一隐私数据为不包含用户隐私数据(如用户的声纹特征)的数据信息。
在步骤S106中，使用处理后的第一隐私数据替换数据信息中的第一隐私数据生成目标数据信息，发布目标数据信息。
在实施中，服务器通过上述步骤S104的处理，得到处理后的第一隐私数据后，可以采用相应的数据处理算法，将获取到的待发布的数据信息中的第一隐私数据替换成处理后的第一隐私数据，生成目标数据信息，然后，执行对上述目标数据信息的发布操作，这样，由于上述经过处理后的第一隐私数据中不携带有用户的隐私数据，因此，由上述处理后的第一隐私数据替换数据信息中的第一隐私数据生成的目标数据信息中也不携带有用户的隐私数据，有效保障了用户个人隐私数据的安全性。
由以上本说明书实施例提供的技术方案可见，本说明书实施例通过获取待发布的数据信息，如果数据信息中包括需要进行隐私保护处理的第一隐私数据，则采用与预设类型相对应的隐私保护处理策略，对第一隐私数据进行隐私保护处理，得到处理后的第一隐私数据，然后，使用处理后的第一隐私数据替换数据信息中的第一隐私数据生成目标数据信息，发布目标数据信息的方式，这样，如果检测出用户待发布的数据信息中包括需要进行隐私保护处理的第一隐私数据，则采用与预设类型相对应的隐私保护处理策略，对第一隐私数据进行隐私保护处理，得到处理后的第一隐私数据，然后，使用处理后的第一隐私数据替换数据信息中的第一隐私数据生成目标数据信息，从而使得发布的数据中不会携带有用户的隐私数据，进而有效避免了用户隐私数据的泄露，提高了用户个人隐私数据的安全性。
进一步的，如图2所示，上述S104的具体处理方式可以多种多样，以下再提供一种可选的处理方式，具体可参见下述S1042-S1044的处理过程。
在步骤S1042中，如果数据信息中包括需要进行隐私保护处理的第一隐私数据，则基于第一隐私数据生成第一提示信息，并将第一提示信息发送至终端设备，其中，第一提示信息用于提示用户是否对第一隐私数据进行隐私保护处理。
考虑到某些用户在使用社交应用程序过程中，有时需要将携带有自己人脸特征的图像数据或视频数据发布至社交网络中，为了满足用户的多样化需求，本说明书实施例公开的服务器在通过上述步骤S102的处理获取到待发布的数据信息后，如果检测到上述数据信息中包括需要进行隐私保护处理的第一隐私数据，可以基于上述第一隐私数据生成第一提示信息，并将上述第一提示信息发送用户的终端设备，以使终端设备对上述第一提示信息进行显示，其中，上述第一提示信息可以以弹窗的方式进行显示，该弹窗中可以包括第一隐私数据，以及确认按键或取消按键，用户可以通过点击上述终端设备的弹窗中显示的确认按键或取消按键的方式向上述服务器发送指令。例如，若上述第一隐私数据为人脸图像，则服务器生成的第一提示信息中将携带有上述人脸图像，若上述第一隐私数据为姓名、性别、身份证号码等文字信息，则服务器生成的上述第一提示信息中将携带有上述姓名、性别、身份证号码等文字信息，这样，用户可以根据终端设备显示的第一隐私数据来决定是否需要对上述第一隐私数据进行隐私保护处理。
需要说明的是，在上述第一隐私数据中包含多个隐私数据的情况下，用户可以对终端设备中显示的第一隐私数据进行选取操作，终端设备可以基于用户选取的隐私数据生成隐私保护处理指令，然后，将上述隐私保护处理指令发送至上述服务器。例如，第一隐私数据中包括姓名、性别、身份证号码、社保卡号码，若用户想对身份证号码、社保卡号码进行隐私保护，则用户可以通过点击弹窗中显示的身份证号码、社保卡号码进行选取操作，在选取完上述隐私数据后，用户可以点击确认按键，这样，终端设备可以基于用户选取的身份证号码、社保卡号码生成隐私保护处理指令，然后，将上述隐私保护处理指令发送至上述服务器。或者，第一隐私数据中包括姓名、性别、身份证号码、社保卡号码、人脸图像和语音数据，若用户想对人脸图像、身份证号码、社保卡号码进行隐私保护，则用户可以通过点击弹窗中显示的人脸图像、身份证号码、社保卡号码进行选取操作，在选取完上述隐私数据后，用户可以点击确认按键，这样，终端设备可以基于用户选取的人脸图像、身份证号码、社保卡号码生成隐私保护处理指令，然后，将上述隐私保护处理指令发送至上述服务器。
在步骤S1044中，在接收到确认对第一隐私数据进行隐私保护处理的指令后，采用与预设类型相对应的隐私保护处理策略，对第一隐私数据进行隐私保护处理，得到处理后的第一隐私数据。
在实施中，服务器通过上述步骤S1042的处理，将第一提示信息发送至终端设备后，可以接收终端设备返回的隐私保护处理指令，在接收到确认对第一隐私数据进行隐私保护处理的指令后，可以采用与预设类型相对应的隐私保护处理策略，对第一隐私数据进行隐私保护处理，得到处理后的第一隐私数据。这样，通过让用户选取是否对检测出的第一隐私数据进行处理的操作方式，提高了用户的使用体验。
进一步的，上述预设类型的隐私数据可以包括人脸图像，如图3所示，上述步骤S104的处理方法可以多种多样，以下再提供一种可选的处理方法，具体可以参见下述步骤S1046的处理过程。
在步骤S1046中，如果数据信息中包括需要进行隐私保护处理的第一隐私数据，则采用DeepFake技术对第一隐私数据中的人脸图像进行隐私保护处理，得到处理后的第一隐私数据。
在实施中，服务器通过上述步骤S102的处理，在获取到待发布的数据信息后，如果通过人脸检测模型检测到上述数据信息中包括需要进行隐私保护处理的第一隐私数据(如人脸图像)，则通过上述人脸检测模型输出人脸特征图像，然后，可以基于上述人脸特征图像，采用DeepFake技术或StyleGan技术确定待替换的预设模板人脸，从而得到处理后的第一隐私数据，其中，上述预设模板人脸可以是卡通人物人脸等。这样，通过采用DeepFake技术或StyleGan技术将上述第一隐私数据中的人脸图像的人脸特征信息替换成预设模板人脸，有效保证了用户隐私数据的安全性。
进一步的，上述预设类型的隐私数据可以包括人脸图像，上述步骤S104的处理方法可以多种多样，以下再提供一种可选的处理方法，具体可以参见下述步骤A2-步骤A4的具体处理过程。
在步骤A2中，如果数据信息中包括需要进行隐私保护处理的第一隐私数据，则采用与人脸图像相对应的隐私保护处理策略，对第一隐私数据中的人脸图像进行模糊处理，得到模糊处理后的图像信息。
其中，上述服务器中预先设置有模糊算法，上述模糊算法可以包括高斯高斯模糊算法和均值模糊算法等。
在实施中，上述服务器通过上述步骤S102的处理，在获取到待发布的数据信息后，如果通过人脸检测模型检测到上述数据信息中包括需要进行隐私保护处理的第一隐私数据(如人脸图像)，则通过上述人脸检测模型输出人脸特征图像，然后，可以采用高斯模糊算法对构成上述人脸图像中的人脸特征数据的每个像素值都取周边像素的平均值的方式进行模糊处理，进而可以得到经过模糊处理后的人脸图像。
在步骤A4中，采用超分辨率算法对模糊处理后的图像信息进行清晰化处理，得到处理后的第一隐私数据。
上述服务器中可以预先设置有超分辨率算法，上述超分辨率算法可以包括基于生成式对抗网络的超分辨率算法、基于深度学习的超分辨率算法等。
其中，超分辨率(Super-Resolution)即通过硬件或软件的方法提高原有图像的分辨率，通过一系列低分辨率的图像来得到一幅高分辨率的图像过程就是超分辨率重建。超分辨率重建的核心思想就是可以用时间带宽(获取同一场景的多帧图像序列)换取空间分辨率,实现时间分辨率向空间分辨率的转换。
基于此，本说明书实施例中的服务器在通过上述步骤A2的处理，得到模糊处理后的图像信息后，可以采用上述超分辨率算法对上述模糊处理后的图像信息进行清晰化处理，得到处理后的第一隐私数据，这样，通过对人脸检测模型输出人脸特征图像进行模糊处理，得到模糊处理后的图像信息，然后，再对上述经过模糊处理后的图像信息采用超分辨率算法处理，从而得到处理后的第一隐私数据的方法，使得用户的人脸图像无法被识别，有效保证了用户隐私数据的安全性。
进一步的，上述预设类型的隐私数据可以包括音频数据，如图4所示，上述步骤S104的处理方法可以多种多样，以下再提供一种可选的处理方法，具体可以参见下述步骤S1048的处理过程。
在步骤S1048中，如果数据信息中包括需要进行隐私保护处理的第一隐私数据，则采用与音频数据相对应的语言合成算法，对第一隐私数据中的音频数据进行隐私保护处理，得到处理后的第一隐私数据。
需要说明的是，服务器中可以预先存储有用户在注册某社交网络账号时上传的用户的语音信息，服务器可以从上述语音信息中提取出用户的声纹特征数据，并将上述声纹特征数据进行存储。
在实施中，上述服务器通过上述步骤S102的处理获取到待发布的数据信息后，若服务器检测到上述接收到的待发布的数据信息为音频数据，则可以将上述获取的数据信息输入至预先构建的音频数据检测模型，对上述音频数据进行检测，如果该音频检测模型检测到上述获取到的数据信息中存在与预先存储的声纹特征数据相匹配的音频数据，则将上述与预先存储的声纹特征数据相匹配的音频数据确定为需要进行隐私保护处理的第一隐私数据，将上述第一隐私数据转换成文字信息，然后，采用预设语言合成算法对上述文字信息进行处理，得到处理后的第一隐私数据。
进一步的，上述预设类型的隐私数据可以包括文本数据，上述步骤S104的处理方法可以多种多样，以下再提供一种可选的处理方法，具体可以参见下述步骤D2-步骤D6的具体处理过程。
在步骤D2中，将数据信息输入至预先训练得到的多标签文本分类模型，其中，上述多标签文本分类模型可以为ALBERT+TextCNN结构模型，上述ALBERT模型用于将输入的文本数据转换成离散的数字信息，然后将上述转换后的离散的数字信息输入至TextCNN模型，上述TextCNN模型将接收到的上述离散的数字信息进行分类。
在实施中，服务器通过上述步骤S102的处理，在获取到待发布的数据信息后，若服务器检测到上述接收到的待发布的数据信息为文本数据，则可以将上述获取的数据信息输入至预先训练得到的多标签文本分类模型中。
在步骤D4中，如果数据信息中包括需要进行隐私保护处理的第一隐私数据，则通过多标签文本分类模型输出需要进行隐私保护处理的第一隐私数据。
在实施中，服务器通过上述D2的处理，如果检测出上述数据信息中包括需要进行隐私保护处理的第一隐私数据，则通过上述多标签文本分类模型输出需要进行隐私保护处理的第一隐私数据。具体的，例如，若上述第一隐私数据为姓名、性别、身份证号，社保卡号，则上述服务器将获取到的上述数据信息输入至上述多标签文本分类模型后，该多标签文本分类模型可以输出上述数据信息中包含的第一隐私数据(如姓名、性别、身份证号，社保卡号)。
在步骤D6中，对第一隐私数据进行隐私保护处理，得到处理后的第一隐私数据。
在实施中，服务器通过上述步骤D4的处理通过多标签文本分类模型输出需要进行隐私保护处理的第一隐私数据后，可以采用预设字符(如“*”或“#”等)替换上述第一隐私数据，从而得到处理后的第一隐私数据。
进一步的，上述预设类型的隐私数据可以包括文本数据，如图5所示，上述步骤S104的处理方法可以多种多样，以下再提供一种可选的处理方法，具体可以参见下述步骤S1050-步骤S1052的具体处理过程。
在步骤S1050中，如果数据信息中包括需要进行隐私保护处理的第一隐私数据，则基于第一隐私数据，生成第二提示信息，并将第二提示信息发送至终端设备，其中，第二提示信息中包括第一隐私数据，以及信息输入框，第二提示信息用于提示用户在信息输入框中输入替换数据信息，其中，替换数据信息为替换第一隐私数据的数据信息。
在步骤S1052中，接收替换数据信息，使用替换数据信息替换第一隐私数据得到处理后的第一隐私数据。
由以上本说明书实施例提供的技术方案可见，本说明书实施例通过获取待发布的数据信息，如果数据信息中包括需要进行隐私保护处理的第一隐私数据，则采用与预设类型相对应的隐私保护处理策略，对第一隐私数据进行隐私保护处理，得到处理后的第一隐私数据，然后，使用处理后的第一隐私数据替换数据信息中的第一隐私数据生成目标数据信息，发布目标数据信息的方式，这样，如果检测出用户待发布的数据信息中包括需要进行隐私保护处理的第一隐私数据，则采用与预设类型相对应的隐私保护处理策略，对第一隐私数据进行隐私保护处理，得到处理后的第一隐私数据，然后，使用处理后的第一隐私数据替换数据信息中的第一隐私数据生成目标数据信息，从而使得发布的数据中不会携带有用户的隐私数据，进而有效避免了用户隐私数据的泄露，提高了用户个人隐私数据的安全性。
对应上述实施例提供的基于隐私保护的数据信息发布方法，基于相同的技术构思，本说明书实施例还提供了一种基于隐私保护的数据信息发布装置，图6为本说明书实施例提供的基于隐私保护的数据信息发布装置的模块组成示意图，该基于隐私保护的数据信息发布装置用于执行图1-图5描述的基于隐私保护的数据信息发布方法，如图6所示，该装置包括：
信息获取模块601，获取待发布的数据信息；
信息处理模块602，如果所述数据信息中包括需要进行隐私保护处理的第一隐私数据，则采用与预设类型相对应的隐私保护处理策略，对所述第一隐私数据进行隐私保护处理，得到处理后的第一隐私数据，其中，所述第一隐私数据中包括预设类型的隐私数据，所述隐私保护处理策略是通过模型训练的方式构建的机器学习模型而生成；
信息发布模块603，使用所述处理后的第一隐私数据替换所述数据信息中的第一隐私数据生成目标数据信息，发布所述目标数据信息。
可选地，所述信息处理模块，包括：
第一处理单元，基于所述第一隐私数据生成第一提示信息，并将所述第一提示信息发送至终端设备，其中，所述第一提示信息用于提示用户是否对所述第一隐私数据进行隐私保护处理；
第二处理单元，在接收到确认对所述第一隐私数据进行隐私保护处理的指令后，采用与预设类型相对应的隐私保护处理策略，对所述第一隐私数据进行隐私保护处理，得到处理后的第一隐私数据。
可选地，所述预设类型的隐私数据包括人脸图像；
所述信息处理模块，采用DeepFake技术对所述第一隐私数据中的人脸图像进行隐私保护处理，得到处理后的第一隐私数据。
可选地，所述预设类型的隐私数据包括人脸图像；
所述信息处理模块，包括：
模糊处理单元，采用与人脸图像相对应的隐私保护处理策略，对所述第一隐私数据中的人脸图像进行模糊处理，得到模糊处理后的图像信息；
第三处理单元，采用超分辨率算法对所述模糊处理后的所述图像信息进行清晰化处理，得到处理后的第一隐私数据。
可选地，所述预设类型的隐私数据包括音频数据；
所述信息处理模块，采用与音频数据相对应的语言合成算法，对所述第一隐私数据中的音频数据进行隐私保护处理，得到处理后的第一隐私数据。
可选地，所述预设类型的隐私数据包括文本数据；
所述信息处理模块，包括：
信息输入单元，将所述数据信息输入至预先训练得到的多标签文本分类模型；
数据输出单元，如果所述数据信息中包括需要进行隐私保护处理的第一隐私数据，则通过所述多标签文本分类模型输出需要进行隐私保护处理的第一隐私数据；
第四处理单元，对所述第一隐私数据进行隐私保护处理，得到处理后的第一隐私数据。
可选地，所述信息处理模块，包括：
第五处理单元，基于所述第一隐私数据，生成第二提示信息，并将所述第二提示信息发送至终端设备，其中，所述第二提示信息中包括第一隐私数据，以及信息输入框，所述第二提示信息用于提示用户在所述信息输入框中输入替换数据信息，其中，所述替换数据信息为替换所述第一隐私数据的数据信息；
信息接收单元，接收所述替换数据信息，使用所述替换数据信息替换所述第一隐私数据得到所述处理后的第一隐私数据。
可选地，所述多标签文本分类模型为ALBERT+TextCNN结构模型。
由以上本说明书实施例提供的技术方案可见，本说明书实施例通过获取待发布的数据信息，如果数据信息中包括需要进行隐私保护处理的第一隐私数据，则采用与预设类型相对应的隐私保护处理策略，对第一隐私数据进行隐私保护处理，得到处理后的第一隐私数据，然后，使用处理后的第一隐私数据替换数据信息中的第一隐私数据生成目标数据信息，发布目标数据信息的方式，这样，如果检测出用户待发布的数据信息中包括需要进行隐私保护处理的第一隐私数据，则采用与预设类型相对应的隐私保护处理策略，对第一隐私数据进行隐私保护处理，得到处理后的第一隐私数据，然后，使用处理后的第一隐私数据替换数据信息中的第一隐私数据生成目标数据信息，从而使得发布的数据中不会携带有用户的隐私数据，进而有效避免了用户隐私数据的泄露，提高了用户个人隐私数据的安全性。
本说明书实施例提供的基于隐私保护的数据信息发布装置能够实现上述基于隐私保护的数据信息发布方法对应的实施例中的各个过程，为避免重复，这里不再赘述。
需要说明的是，本说明书实施例提供的基于隐私保护的数据信息发布装置与本说明书实施例提供的基于隐私保护的数据信息发布方法基于同一发明构思，因此该实施例的具体实施可以参见上述基于隐私保护的数据信息发布方法的实施，重复之处不再赘述。
对应上述实施例提供的基于隐私保护的数据信息发布方法，基于相同的技术构思，本说明书实施例还提供了一种基于隐私保护的数据信息发布设备，如图7所示。图7为本说明书实施例提供的基于隐私保护的数据信息发布设备的硬件结构示意图，该基于隐私保护的数据信息发布设备用于执行图1-图5描述的基于隐私保护的数据信息发布方法。
基于隐私保护的数据信息发布设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上的处理器701和存储器702，存储器702中可以存储有一个或一个以上存储应用程序或数据。其中，存储器702可以是短暂存储或持久存储。存储在存储器702的应用程序可以包括一个或一个以上模块(图示未示出)，每个模块可以包括对任务的分配设备中的一系列计算机可执行指令。更进一步地，处理器701可以设置为与存储器702通信，在数据访问设备上执行存储器702中的一系列计算机可执行指令。数据访问设备还可以包括一个或一个以上电源703，一个或一个以上有线或无线网络接口704，一个或一个以上输入输出接口705，一个或一个以上键盘706。
具体在本实施例中，基于隐私保护的数据信息发布设备包括有存储器，以及一个或一个以上的程序，其中一个或者一个以上程序存储于存储器中，且一个或者一个以上程序可以包括一个或一个以上模块，且每个模块可以包括对任务的分配设备中的一系列计算机可执行指令，且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令：
获取待发布的数据信息；
如果所述数据信息中包括需要进行隐私保护处理的第一隐私数据，则采用与预设类型相对应的隐私保护处理策略，对所述第一隐私数据进行隐私保护处理，得到处理后的第一隐私数据，其中，所述第一隐私数据中包括预设类型的隐私数据，所述隐私保护处理策略是通过模型训练的方式构建的机器学习模型而生成；
使用所述处理后的第一隐私数据替换所述数据信息中的第一隐私数据生成目标数据信息，发布所述目标数据信息。
可选地，所述采用与预设类型相对应的隐私保护处理策略，对所述第一隐私数据进行隐私保护处理，得到处理后的第一隐私数据，包括：
基于所述第一隐私数据生成第一提示信息，并将所述第一提示信息发送至终端设备，其中，所述第一提示信息用于提示用户是否对所述第一隐私数据进行隐私保护处理；
在接收到确认对所述第一隐私数据进行隐私保护处理的指令后，采用与预设类型相对应的隐私保护处理策略，对所述第一隐私数据进行隐私保护处理，得到处理后的第一隐私数据。
可选地，所述预设类型的隐私数据包括人脸图像；
所述采用与预设类型相对应的隐私保护处理策略，对所述第一隐私数据进行隐私保护处理，得到处理后的第一隐私数据，包括：
采用DeepFake技术对所述第一隐私数据中的人脸图像进行隐私保护处理，得到处理后的第一隐私数据。
可选地，所述预设类型的隐私数据包括人脸图像；
所述采用与预设类型相对应的隐私保护处理策略，对所述第一隐私数据进行隐私保护处理，得到处理后的第一隐私数据，包括：
采用与人脸图像相对应的隐私保护处理策略，对所述第一隐私数据中的人脸图像进行模糊处理，得到模糊处理后的图像信息；
采用超分辨率算法对所述模糊处理后的所述图像信息进行清晰化处理，得到处理后的第一隐私数据。
可选地，所述预设类型的隐私数据包括音频数据；
所述采用与预设类型相对应的隐私保护处理策略，对所述第一隐私数据进行隐私保护处理，得到处理后的第一隐私数据，包括：
采用与音频数据相对应的语言合成算法，对所述第一隐私数据中的音频数据进行隐私保护处理，得到处理后的第一隐私数据。
可选地，所述预设类型的隐私数据包括文本数据；
所述如果所述数据信息中包括需要进行隐私保护处理的第一隐私数据，则采用与预设类型相对应的隐私保护处理策略，对所述第一隐私数据进行隐私保护处理，得到处理后的第一隐私数据，包括：
将所述数据信息输入至预先训练得到的多标签文本分类模型；
如果所述数据信息中包括需要进行隐私保护处理的第一隐私数据，则通过所述多标签文本分类模型输出需要进行隐私保护处理的第一隐私数据；
对所述第一隐私数据进行隐私保护处理，得到处理后的第一隐私数据。
可选地，所述采用与预设类型相对应的隐私保护处理策略，对所述第一隐私数据进行隐私保护处理，得到处理后的第一隐私数据，包括：
基于所述第一隐私数据，生成第二提示信息，并将所述第二提示信息发送至终端设备，其中，所述第二提示信息中包括第一隐私数据，以及信息输入框，所述第二提示信息用于提示用户在所述信息输入框中输入替换数据信息，所述替换数据信息为替换所述第一隐私数据的数据信息；
接收所述替换数据信息，使用所述替换数据信息替换所述第一隐私数据得到处理后的第一隐私数据。
可选地，所述多标签文本分类模型为ALBERT+TextCNN结构模型。
由以上本说明书实施例提供的技术方案可见，本说明书实施例通过获取待发布的数据信息，如果数据信息中包括需要进行隐私保护处理的第一隐私数据，则采用与预设类型相对应的隐私保护处理策略，对第一隐私数据进行隐私保护处理，得到处理后的第一隐私数据，然后，使用处理后的第一隐私数据替换数据信息中的第一隐私数据生成目标数据信息，发布目标数据信息的方式，这样，如果检测出用户待发布的数据信息中包括需要进行隐私保护处理的第一隐私数据，则采用与预设类型相对应的隐私保护处理策略，对第一隐私数据进行隐私保护处理，得到处理后的第一隐私数据，然后，使用处理后的第一隐私数据替换数据信息中的第一隐私数据生成目标数据信息，从而使得发布的数据中不会携带有用户的隐私数据，进而有效避免了用户隐私数据的泄露，提高了用户个人隐私数据的安全性。
进一步的，对应上述实施例提供的基于隐私保护的数据信息发布方法，本说明书实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器701执行时实现如上述基于隐私保护的数据信息发布方法实施例的各步骤，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，所述的计算机可读存储介质，如只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random AccessMemory，简称RAM)、磁碟或者光盘等。
需要说明的是，本说明书实施例提供的基于隐私保护的数据信息发布设备和计算机可读存储介质能够实现上述基于隐私保护的数据信息发布方法实施例中的各个过程，为避免重复，这里不再赘述。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
可以理解的是，本说明书实施例描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现，处理单元可以实现在一个或多个专用集成电路(Application Specific Integrated Circuits，ASIC)、数字信号处理器(Digital SignalProcessing，DSP)、数字信号处理设备(DSP Device，DSPD)、可编程逻辑设备(ProgrammableLogic Device，PLD)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本发明所述功能的其它电子单元或其组合中。
对于软件实现，可通过执行本说明书实施例所述功能的模块(例如过程、函数等)来实现本说明书实施例所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。
还需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。

Claims (10)

1.一种基于隐私保护的数据信息发布方法，所述方法包括：
获取待发布的数据信息；
如果所述数据信息中包括需要进行隐私保护处理的第一隐私数据，则采用与预设类型相对应的隐私保护处理策略，对所述第一隐私数据进行隐私保护处理，得到处理后的第一隐私数据，其中，所述第一隐私数据中包括预设类型的隐私数据，所述隐私保护处理策略是通过模型训练的方式构建的机器学习模型而生成；
使用所述处理后的第一隐私数据替换所述数据信息中的第一隐私数据生成目标数据信息，发布所述目标数据信息。
2.根据权利要求1所述的方法，所述采用与预设类型相对应的隐私保护处理策略，对所述第一隐私数据进行隐私保护处理，得到处理后的第一隐私数据，包括：
基于所述第一隐私数据生成第一提示信息，并将所述第一提示信息发送至终端设备，其中，所述第一提示信息用于提示用户是否对所述第一隐私数据进行隐私保护处理；
在接收到确认对所述第一隐私数据进行隐私保护处理的指令后，采用与预设类型相对应的隐私保护处理策略，对所述第一隐私数据进行隐私保护处理，得到处理后的第一隐私数据。
3.根据权利要求1所述的方法，所述预设类型的隐私数据包括人脸图像；
所述采用与预设类型相对应的隐私保护处理策略，对所述第一隐私数据进行隐私保护处理，得到处理后的第一隐私数据，包括：
采用DeepFake技术对所述第一隐私数据中的人脸图像进行隐私保护处理，得到处理后的第一隐私数据。
4.根据权利要求1所述的方法，所述预设类型的隐私数据包括人脸图像；
所述采用与预设类型相对应的隐私保护处理策略，对所述第一隐私数据进行隐私保护处理，得到处理后的第一隐私数据，包括：
采用与人脸图像相对应的隐私保护处理策略，对所述第一隐私数据中的人脸图像进行模糊处理，得到模糊处理后的图像信息；
采用超分辨率算法对所述模糊处理后的所述图像信息进行清晰化处理，得到处理后的第一隐私数据。
5.根据权利要求1所述的方法，所述预设类型的隐私数据包括音频数据；
所述采用与预设类型相对应的隐私保护处理策略，对所述第一隐私数据进行隐私保护处理，得到处理后的第一隐私数据，包括：
采用与音频数据相对应的语言合成算法，对所述第一隐私数据中的音频数据进行隐私保护处理，得到处理后的第一隐私数据。
6.根据权利要求1所述的方法，所述预设类型的隐私数据包括文本数据；
所述如果所述数据信息中包括需要进行隐私保护处理的第一隐私数据，则采用与预设类型相对应的隐私保护处理策略，对所述第一隐私数据进行隐私保护处理，得到处理后的第一隐私数据，包括：
将所述数据信息输入至预先训练得到的多标签文本分类模型；
如果所述数据信息中包括需要进行隐私保护处理的第一隐私数据，则通过所述多标签文本分类模型输出需要进行隐私保护处理的第一隐私数据；
对所述第一隐私数据进行隐私保护处理，得到处理后的第一隐私数据。
7.根据权利要求6所述的方法，所述采用与预设类型相对应的隐私保护处理策略，对所述第一隐私数据进行隐私保护处理，得到处理后的第一隐私数据，包括：
基于所述第一隐私数据，生成第二提示信息，并将所述第二提示信息发送至终端设备，其中，所述第二提示信息中包括第一隐私数据，以及信息输入框，所述第二提示信息用于提示用户在所述信息输入框中输入替换数据信息，所述替换数据信息为替换所述第一隐私数据的数据信息；
接收所述替换数据信息，使用所述替换数据信息替换所述第一隐私数据得到所述处理后的第一隐私数据。
8.一种基于隐私保护的数据信息发布装置，所述装置包括：
信息获取模块，获取待发布的数据信息；
信息处理模块，如果所述数据信息中包括需要进行隐私保护处理的第一隐私数据，则采用与预设类型相对应的隐私保护处理策略，对所述第一隐私数据进行隐私保护处理，得到处理后的第一隐私数据，其中，所述第一隐私数据中包括预设类型的隐私数据，所述隐私保护处理策略是通过模型训练的方式构建的机器学习模型而生成；
信息发布模块，使用所述处理后的第一隐私数据替换所述数据信息中的第一隐私数据生成目标数据信息，发布所述目标数据信息。
9.一种基于隐私保护的数据信息发布设备，所述设备包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：
获取待发布的数据信息；
如果所述数据信息中包括需要进行隐私保护处理的第一隐私数据，则采用与预设类型相对应的隐私保护处理策略，对所述第一隐私数据进行隐私保护处理，得到处理后的第一隐私数据，其中，所述第一隐私数据中包括预设类型的隐私数据，所述隐私保护处理策略是通过模型训练的方式构建的机器学习模型而生成；
使用所述处理后的第一隐私数据替换所述数据信息中的第一隐私数据生成目标数据信息，发布所述目标数据信息。
10.一种存储介质，所述存储介质用于存储计算机可执行指令，所述可执行指令在被执行时实现以下流程：
获取待发布的数据信息；
如果所述数据信息中包括需要进行隐私保护处理的第一隐私数据，则采用与预设类型相对应的隐私保护处理策略，对所述第一隐私数据进行隐私保护处理，得到处理后的第一隐私数据，其中，所述第一隐私数据中包括预设类型的隐私数据，所述隐私保护处理策略是通过模型训练的方式构建的机器学习模型而生成；
使用所述处理后的第一隐私数据替换所述数据信息中的第一隐私数据生成目标数据信息，发布所述目标数据信息。
CN202110103274.3A 2021-01-26 2021-01-26 一种基于隐私保护的数据信息发布方法、装置及设备 Pending CN112818390A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110103274.3A CN112818390A (zh) 2021-01-26 2021-01-26 一种基于隐私保护的数据信息发布方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110103274.3A CN112818390A (zh) 2021-01-26 2021-01-26 一种基于隐私保护的数据信息发布方法、装置及设备

Publications (1)

Publication Number Publication Date
CN112818390A true CN112818390A (zh) 2021-05-18

Family

ID=75859351

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110103274.3A Pending CN112818390A (zh) 2021-01-26 2021-01-26 一种基于隐私保护的数据信息发布方法、装置及设备

Country Status (1)

Country Link
CN (1) CN112818390A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114339398A (zh) * 2021-12-24 2022-04-12 天翼视讯传媒有限公司 一种在大型视频直播中实时特效处理的方法
WO2022253025A1 (zh) * 2021-05-31 2022-12-08 华为技术有限公司 视频通话处理的方法和装置
CN115470523A (zh) * 2022-10-31 2022-12-13 深圳市明源云科技有限公司 售楼访客信息处理方法、装置、终端设备以及存储介质
CN115935421A (zh) * 2022-12-23 2023-04-07 星环信息科技(上海)股份有限公司 一种数据产品发布方法、系统及存储介质
WO2023217026A1 (zh) * 2022-05-13 2023-11-16 维沃移动通信有限公司 业务处理方法、设备及可读存储介质
CN118014011A (zh) * 2024-04-07 2024-05-10 蚂蚁科技集团股份有限公司 大语言模型训练及训练数据构建方法、装置、设备、介质
WO2024125020A1 (zh) * 2022-12-12 2024-06-20 中兴通讯股份有限公司 数据处理方法、数据发送方法、电子设备及存储介质

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106055996A (zh) * 2016-05-18 2016-10-26 维沃移动通信有限公司 一种多媒体信息分享方法及移动终端
CN109274919A (zh) * 2017-07-18 2019-01-25 福州瑞芯微电子股份有限公司 视频通话中隐私保护方法、系统、视频通话终端及系统
CN109543424A (zh) * 2018-11-05 2019-03-29 东软集团股份有限公司 数据隐私保护方法、装置、系统及存储介质
CN109583227A (zh) * 2018-10-30 2019-04-05 中国科学院信息工程研究所 一种隐私信息保护方法、装置及系统
CN109981549A (zh) * 2017-12-28 2019-07-05 中移（杭州）信息技术有限公司 一种安全防护系统、方法及介质
CN110020545A (zh) * 2018-01-08 2019-07-16 国际商业机器公司 用于保护隐私和安全的认知部件及用户界面组件
CN110447035A (zh) * 2017-03-23 2019-11-12 微软技术许可有限责任公司 结构化用户数据文件中用户内容模糊
CN110874491A (zh) * 2020-01-16 2020-03-10 支付宝(杭州)信息技术有限公司 基于机器学习的隐私数据处理方法、装置及电子设备
CN110968889A (zh) * 2018-09-30 2020-04-07 中兴通讯股份有限公司 一种数据保护方法、设备、装置和计算机存储介质
CN111625863A (zh) * 2020-05-27 2020-09-04 上海明略人工智能(集团)有限公司 隐私保护方法、装置、电子设备及存储介质
CN111709052A (zh) * 2020-06-01 2020-09-25 支付宝(杭州)信息技术有限公司 一种隐私数据识别和处理方法、装置、设备和可读介质
CN112100041A (zh) * 2020-08-03 2020-12-18 联想(北京)有限公司 一种处理方法、装置及电子设备
CN112106049A (zh) * 2018-05-11 2020-12-18 贝宝公司 生成隐私数据隔离和报告的系统和方法
CN112132238A (zh) * 2020-11-23 2020-12-25 支付宝(杭州)信息技术有限公司 一种识别隐私数据的方法、装置、设备和可读介质
CN112182648A (zh) * 2020-09-18 2021-01-05 支付宝(杭州)信息技术有限公司 一种隐私图像、人脸隐私的处理方法、装置及设备
CN112214791A (zh) * 2020-09-24 2021-01-12 广州大学 基于强化学习的隐私策略优化方法、系统及可读存储介质

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106055996A (zh) * 2016-05-18 2016-10-26 维沃移动通信有限公司 一种多媒体信息分享方法及移动终端
CN110447035A (zh) * 2017-03-23 2019-11-12 微软技术许可有限责任公司 结构化用户数据文件中用户内容模糊
CN109274919A (zh) * 2017-07-18 2019-01-25 福州瑞芯微电子股份有限公司 视频通话中隐私保护方法、系统、视频通话终端及系统
CN109981549A (zh) * 2017-12-28 2019-07-05 中移（杭州）信息技术有限公司 一种安全防护系统、方法及介质
CN110020545A (zh) * 2018-01-08 2019-07-16 国际商业机器公司 用于保护隐私和安全的认知部件及用户界面组件
CN112106049A (zh) * 2018-05-11 2020-12-18 贝宝公司 生成隐私数据隔离和报告的系统和方法
CN110968889A (zh) * 2018-09-30 2020-04-07 中兴通讯股份有限公司 一种数据保护方法、设备、装置和计算机存储介质
CN109583227A (zh) * 2018-10-30 2019-04-05 中国科学院信息工程研究所 一种隐私信息保护方法、装置及系统
CN109543424A (zh) * 2018-11-05 2019-03-29 东软集团股份有限公司 数据隐私保护方法、装置、系统及存储介质
CN110874491A (zh) * 2020-01-16 2020-03-10 支付宝(杭州)信息技术有限公司 基于机器学习的隐私数据处理方法、装置及电子设备
CN111625863A (zh) * 2020-05-27 2020-09-04 上海明略人工智能(集团)有限公司 隐私保护方法、装置、电子设备及存储介质
CN111709052A (zh) * 2020-06-01 2020-09-25 支付宝(杭州)信息技术有限公司 一种隐私数据识别和处理方法、装置、设备和可读介质
CN112100041A (zh) * 2020-08-03 2020-12-18 联想(北京)有限公司 一种处理方法、装置及电子设备
CN112182648A (zh) * 2020-09-18 2021-01-05 支付宝(杭州)信息技术有限公司 一种隐私图像、人脸隐私的处理方法、装置及设备
CN112214791A (zh) * 2020-09-24 2021-01-12 广州大学 基于强化学习的隐私策略优化方法、系统及可读存储介质
CN112132238A (zh) * 2020-11-23 2020-12-25 支付宝(杭州)信息技术有限公司 一种识别隐私数据的方法、装置、设备和可读介质

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022253025A1 (zh) * 2021-05-31 2022-12-08 华为技术有限公司 视频通话处理的方法和装置
CN114339398A (zh) * 2021-12-24 2022-04-12 天翼视讯传媒有限公司 一种在大型视频直播中实时特效处理的方法
WO2023217026A1 (zh) * 2022-05-13 2023-11-16 维沃移动通信有限公司 业务处理方法、设备及可读存储介质
CN115470523A (zh) * 2022-10-31 2022-12-13 深圳市明源云科技有限公司 售楼访客信息处理方法、装置、终端设备以及存储介质
WO2024125020A1 (zh) * 2022-12-12 2024-06-20 中兴通讯股份有限公司 数据处理方法、数据发送方法、电子设备及存储介质
CN115935421A (zh) * 2022-12-23 2023-04-07 星环信息科技(上海)股份有限公司 一种数据产品发布方法、系统及存储介质
CN115935421B (zh) * 2022-12-23 2024-01-30 星环信息科技(上海)股份有限公司 一种数据产品发布方法、系统及存储介质
CN118014011A (zh) * 2024-04-07 2024-05-10 蚂蚁科技集团股份有限公司 大语言模型训练及训练数据构建方法、装置、设备、介质
CN118014011B (zh) * 2024-04-07 2024-07-05 蚂蚁科技集团股份有限公司 大语言模型训练及训练数据构建方法、装置、设备、介质

Similar Documents

Publication Publication Date Title
CN112818390A (zh) 一种基于隐私保护的数据信息发布方法、装置及设备
US20210097297A1 (en) Image processing method, electronic device and storage medium
US10885178B2 (en) Methods and devices for generating security questions and verifying identities
US20230081645A1 (en) Detecting forged facial images using frequency domain information and local correlation
CN114787813A (zh) 上下文敏感化身字幕
US11016640B2 (en) Contextual user profile photo selection
CN111275784B (zh) 生成图像的方法和装置
CN113552989A (zh) 录屏方法、装置及电子设备
CN108470131B (zh) 用于生成提示信息的方法和装置
CN112040145A (zh) 图像处理方法、装置及电子设备
CN110633773B (zh) 用于终端设备的二维码生成方法和装置
CN112182648A (zh) 一种隐私图像、人脸隐私的处理方法、装置及设备
CN114115664A (zh) 截图处理方法、装置、设备及介质
CN110866292B (zh) 界面显示方法、装置、终端设备及服务器
CN111291685B (zh) 人脸检测模型的训练方法及装置
CN113312668A (zh) 一种基于隐私保护的图像识别方法、装置及设备
CN114154465B (zh) 结构图的结构重构方法、装置、电子设备及存储介质
CN110781348B (zh) 一种视频文件分析方法
CN116385597B (zh) 文本配图方法和装置
CN114419067B (zh) 基于隐私保护的图像处理方法及装置
CN112055847B (zh) 处理图像的方法和系统
CN107945134B (zh) 图像处理方法及装置
CN116758258A (zh) 一种图像采集方法、装置及电子设备
CN117670734A (zh) 一种图像修复方法、装置、电子设备及存储介质
CN114078176A (zh) 一种图像处理方法、装置和电子设备

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