CN115859369B - 一种社交网络图片中隐私信息保护方法 - Google Patents

一种社交网络图片中隐私信息保护方法 Download PDF

Info

Publication number
CN115859369B
CN115859369B CN202310173935.9A CN202310173935A CN115859369B CN 115859369 B CN115859369 B CN 115859369B CN 202310173935 A CN202310173935 A CN 202310173935A CN 115859369 B CN115859369 B CN 115859369B
Authority
CN
China
Prior art keywords
gray
target area
picture
complexity
encrypted
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.)
Active
Application number
CN202310173935.9A
Other languages
English (en)
Other versions
CN115859369A (zh
Inventor
于晓光
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.)
Shenzhen Dui Technology Co ltd
Original Assignee
Shenzhen Dui Technology Co ltd
Liaocheng Luoxi 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 Shenzhen Dui Technology Co ltd, Liaocheng Luoxi Information Technology Co ltd filed Critical Shenzhen Dui Technology Co ltd
Priority to CN202310173935.9A priority Critical patent/CN115859369B/zh
Publication of CN115859369A publication Critical patent/CN115859369A/zh
Application granted granted Critical
Publication of CN115859369B publication Critical patent/CN115859369B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Image Analysis (AREA)

Abstract

本发明涉及数据加密技术领域，具体涉及一种社交网络图片中隐私信息保护方法，包括：获取每次划分后所有区域的平均信息熵；获取目标区域；根据每个目标区域内所有像素点的二维熵、每个目标区域内所有像素点的灰度均值、每个目标区域内每个像素点的灰度值和每个目标区域内像素点的个数得到灰度图像中每个目标区域的复杂性；根据每个目标区域的复杂性、每个目标区域的位置和目标区域的个数得到每个目标区域的局部相对相似性；获取灰度图像的整体复杂性，根据灰度图像的整体复杂性对灰度图像所对应的待加密图片进行加密。本发明在保证用户隐私不泄露的前提之下，节约了加密的成本，提高了图片传输效率。

Description

一种社交网络图片中隐私信息保护方法
技术领域
本发明涉及数据加密技术领域，具体涉及一种社交网络图片中隐私信息保护方法。
背景技术
随着科技的发展，即时性通信社交软件在我们的社交生活中占比越来越大，人们可以利用即时性通信社交软件与亲朋好友进行日常的交流与分享，其中，最直观的交流方式为相互传输有关于生活状态的图片，但是在即时性社交软件上进行的图片传输时，传输的图片中往往包含了传输者的隐私信息，而大部分即时性社交软件对于图片的传输是不进行加密的，进行简单的抓包就可以窃取，这对于用户的隐私而言是无法进行保护的，极易造成用户的隐私泄露。
为了避免用户隐私的泄露，现有的往往是对所有进行传输的图片进行加密，以防止用户隐私的泄露，但是，用户传输的图片中并非所有的图片都含有用户的隐私，而直接对所有传输的图片都进行加密，导致系统的计算量过大，大大降低了传输效率，最终影响用户日常交流与分享的体验感。
发明内容
本发明提供一种社交网络图片中隐私信息保护方法，以解决现有的对传输图片进行加密导致传输效率低的问题。
获取社交软件中的待加密图片的灰度图像，将灰度图像多次划分为多个区域，获取每次划分后所有区域的平均信息熵；
获取灰度图像的信息熵，根据灰度图像的信息熵和每次划分后所有区域的平均信息熵得到最佳划分方式，获取最佳划分方式下的多个目标区域；
根据每个目标区域内所有像素点的二维熵、所有像素点的灰度均值、每个像素点的灰度值和像素点的个数得到灰度图像中每个目标区域的复杂性；
根据每个目标区域的复杂性、中心点的位置和所有目标区域的个数得到每个目标区域的局部相对相似性；
根据每个目标区域的局部相对相似性、复杂性和所有目标区域的个数得到灰度图像的整体复杂性，根据灰度图像的整体复杂性判断待加密图片是否为待加密的隐私图片，对判断所得的待加密的隐私图片进行加密。
进一步的，待加密图片是按如下方法确定的：
对社交软件中所有待传输图片进行一级模糊筛选得到含有隐私的图片；
对含有隐私的图片进行二级模糊筛选得到待加密图片。
进一步的，将灰度图像多次划分为多个区域的方法是：
对灰度图像进行多次不同尺寸的划分，其中第一次划分尺寸为
Figure SMS_1
，第二次划分 尺寸为
Figure SMS_2
，当划分后每个区域内的像素点大小超过灰度图像的
Figure SMS_3
时停止划分；每次划分后 会对应多个区域。
进一步的，最佳划分方式是按如下方法确定的：
将灰度图像的信息熵与每次划分后所有区域的平均信息熵进行比较，并得到与灰度图像的信息熵最接近的平均信息熵，将该平均信息熵所对应的划分尺寸作为最佳划分方式。
进一步的，灰度图像中每个目标区域的复杂性的具体表达式为：
Figure SMS_4
式中：
Figure SMS_5
表示第
Figure SMS_10
个目标区域中第
Figure SMS_14
个像素点的灰度值为
Figure SMS_7
时，该像素点的灰度值权 值，
Figure SMS_9
为第
Figure SMS_13
个目标区域中第
Figure SMS_16
个像素点的灰度值，
Figure SMS_6
表示第
Figure SMS_15
个目标区域中所有像素 点的灰度均值，
Figure SMS_18
表示第
Figure SMS_19
个目标区域中的所有像素点的二维熵，
Figure SMS_8
表示第
Figure SMS_11
个目标区域中所 有像素点的总个数，
Figure SMS_12
表示第
Figure SMS_17
个目标区域的复杂性。
进一步的，每个目标区域的局部相对相似性是按如下方法确定的：
获取每个目标区域与其他目标区域的欧式距离；
获取每个目标区域的复杂性与其他目标区域的复杂性的差值的绝对值；
将每个目标区域与其他目标区域的欧式距离和每个目标区域的复杂性与其他目标区域的复杂性的差值的绝对值相乘得到每个目标区域对应的乘积；
将每个目标区域对应的乘积进行累加得到乘积的累加和；
将乘积的累加和作为指数函数的指数得到指数函数值，对该指数函数值求均得到每个目标区域的局部相对相似性。
进一步的，灰度图像的整体复杂性的具体表达式为：
Figure SMS_20
式中：
Figure SMS_22
表示灰度图像的整体复杂性，
Figure SMS_24
表示目标区域的总个数，
Figure SMS_26
表示第
Figure SMS_23
个目标区域的复杂性，
Figure SMS_25
表示第
Figure SMS_27
个目标区域的局部相对相似性，
Figure SMS_28
表示自然常数，函数
Figure SMS_21
表示双曲正切函数。
进一步的，对待加密的隐私图片进行加密的方法是：
设置整体复杂性的第二阈值范围和第三阈值范围；
当待加密的隐私图片对应的灰度图像的整体复杂性属于第二阈值范围时，对灰度图像所对应的待加密隐私图片进行对称式加密；
当待加密的隐私图片对应的灰度图像的整体复杂性属于第三阈值范围时，对灰度图像所对应的待加密隐私图片进行非对称式加密。
进一步的，待加密的隐私图片是按如下方法确定的：
当灰度图像的整体复杂性属于第一阈值范围时，灰度图像对应的待加密图片不属于待加密的隐私图片；
当灰度图像的整体复杂性不属于第一阈值范围时，灰度图像对应的待加密图片属于待加密的隐私图片。
本发明的有益效果是：本发明首先筛选出了可能含用户隐私的图片，再对可能含用户隐私的图片进一步分析，该步骤初步解决了对用户所有待传输的图片进行加密时，导致的传输效率慢的问题；其次，本发明计算了待加密图片对应的灰度图像的整体复杂程度，根据每张待加密图片对应的灰度图像的整体复杂程度，对待加密图片进行不同程度的加密，相较于对所有待传输图像统一加密的方法而言，本发明在保证用户隐私不泄露的前提之下，节约了加密的成本，提高了图片传输效率；
本发明在获取灰度图像的复杂程度时，首先对待加密图片的灰度图像进行区域划分，对每个目标区域的复杂性进行计算，该步骤利用了每个目标区域中像素点的灰度值差异性，每个像素点与该像素点邻域之间的差异性，反映了每个目标区域中的像素点的复杂程度，再以每个目标区域中的像素点的复杂程度得到了灰度图像的整体复杂程度，该整体复杂程度结合了每个目标区域中的像素点的灰度分布和灰度波动范围，且根据每个目标区域中的像素点的复杂程度所得灰度图像的整体复杂程度，使得最终所得灰度图像的复杂程度更准确，即最终对待加密图片的加密方式的选择更精确，保护了用户的隐私。
附图说明
为了更清楚地说明本发明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发明的一些实施例，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1为本发明的一种社交网络图片中隐私信息保护方法的实施例的流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的一种社交网络图片中隐私信息保护方法的实施例，如图1所示，包括：
S1、获取社交软件中的待加密图片的灰度图像，将灰度图像多次划分为多个区域，获取每次划分后每个区域的信息熵得到每次划分后所有区域的平均信息熵。
用户在利用即时性社交软件进行图片的传输的时候，其传输的图片信息不仅包含可能含有用户隐私的图片信息，还包含流传在互联网上常见的图片，这类图片不携带用户隐私，例如大量的表情包图片，这些图片的格式与可能携带用户隐私的图片的格式一般无二，而对这些不携带用户隐私的图片进行加密的时候，会加大传输资源的损耗，所以需要对其进行模糊筛选，对不携带用户隐私的图片进行排除，具体做法如下所示（以表情包为例）。
获取社交软件中的待加密图片的具体步骤为：对社交软件中所有待传输图片进行 一级模糊筛选得到含有隐私的图片；对含有隐私的图片进行二级模糊筛选得到待加密图 片。具体的是，在用户需要进行图片传输的时候，首先对待传输的图片进行一级模糊筛选， 筛选方式为对待传输的图片在用户表情包存储文件夹中利用余弦相似度（现有技术，本发 明不做赘述）进行基于图片相似性的匹配，当该图片相似性超过
Figure SMS_29
时，则认为该张图片为不 含有隐私图片，不进行二级模糊筛选；若该图片相似性低于
Figure SMS_30
则进行二级模糊筛选，二级模 糊筛选为对该张待传输的图片在即时性社交软件的表情包存储数据库中进行基于余弦相 似度的匹配，相似度超过
Figure SMS_31
的，则认为该张待传输的图片为不含有隐私图片，相似度低于
Figure SMS_32
的，则认为该张待传输图片可能含有用户信息，为待加密图片，则对其进行加密处理（
Figure SMS_33
的建 议值为
Figure SMS_34
）。据此，得到用户待传输的图片中的待加密图片。
需要说明的是，根据用户行为分析，其传输的图片为表情包时，大概率为自身已经收藏的表情包，小概率为未收藏的表情包，所以进行分级相似性模糊匹配，可以节省大量匹配时间以及算力。
对待加密图片进行灰度化处理得到待加密图片的灰度图像。至此，数据准备结束，获得了可能含有用户隐私图片的灰度图像。
将灰度图像多次划分为多个区域的具体步骤为：对灰度图像进行多次不同尺寸的 划分，其中第一次划分尺寸为
Figure SMS_35
，第二次划分尺寸为
Figure SMS_36
，当划分后每个区域内的像素 点大小超过灰度图像的
Figure SMS_37
时停止划分；每次划分后会对应多个区域。需要说明的是，以
Figure SMS_38
大小最为基础划分尺寸，是因为现有的对于图片进行加密的算法大多数以
Figure SMS_39
作为基础。
得到每次划分后所有区域的平均信息熵的具体步骤为：以
Figure SMS_40
划分尺寸为例，对 灰度图像进行划分得到多个灰度区域，计算每个灰度区域的信息熵
Figure SMS_41
，将每个灰度区域的 信息熵相加，并求均值，将该均值作为
Figure SMS_42
划分尺寸下所有区域的平均信息熵。据此，可得 到每次划分后所有区域的平均信息熵。其中，信息熵计算方法为现有技术，本发明不再赘 述。
S2、获取灰度图像的信息熵，根据灰度图像的信息熵和每次划分后所有区域的平均信息熵得到最佳划分方式，利用最佳划分方式对灰度图像进行划分得到多个目标区域。
得到最佳划分方式的具体步骤为：获取灰度图像的信息熵，将灰度图像的信息熵与每次划分后所有区域的平均信息熵进行比较，并得到与灰度图像的信息熵最接近的平均信息熵，将该平均信息熵所对应的划分尺寸作为最佳划分方式。
需要说明的是，图片的信息熵表征了图片的混乱程度，因此利用信息熵对图片的混乱程度进行量化，图片的信息熵越大，说明其中像素点的差异性越大，其差异性越大，说明图片中蕴含的信息越复杂。
利用最佳划分方式对灰度图像进行划分得到多个目标区域，其中，最佳划分方式对应了一个划分尺寸。
S3、获取每个目标区域内所有像素点的二维熵，获取每个目标区域内所有像素点的灰度均值，根据每个目标区域内所有像素点的二维熵、每个目标区域内所有像素点的灰度均值、每个目标区域内每个像素点的灰度值和每个目标区域内像素点的个数得到灰度图像中每个目标区域的复杂性。
图片中所携带的隐私信息是十分模糊的概念，本发明对于图片的隐私性是通过图片的复杂性进行量化所得，公知逻辑可知，图片的复杂性越小，其携带的信息越单一，信息维度较少；图片的复杂性越大，其携带的信息越丰富，信息的维度越多。以此逻辑进行常规推理，在单一信息进行隐私信息的确定的时候，因为数据不足，确定的隐私信息具有很大的不确定性，但是在复杂的图片中，其具有多个维度，可以通过不同维度的联系性进行交叉定位，通过相应的推理来进行图片中的隐私信息的获取，（例如图片中仅有一个人脸信息，仅能通过图片获得人脸长相，获得其他信息的几率很小），但是图片中出现大量的复杂信息，如光照、楼宇、标识建筑、车辆以及人体等信息，可通过这些维度的信息进行图片中的人所在位置分析，照片拍摄的时间的分析，而后以这些信息对人物的搜索范围进行缩小，从而精准的获得照片中的人物的大部分隐私），所以本发明通过图片的复杂性对图片进行动态加密来保证图片的安全性。
本发明对于目标区域的复杂性是指每个目标区域中的所有像素点之间的复杂性，具体表现在每个像素点的灰度值距离平均值的差异、整个目标区域中的像素点分布情况是否复杂、整个目标区域中像素点的灰度值波动是否严重。
得到灰度图像中每个目标区域的复杂性的具体步骤为：获取每个目标区域内所有像素点的二维熵（现有技术，本发明不再赘述），获取每个目标区域内所有像素点的灰度均值，根据每个目标区域内所有像素点的二维熵、每个目标区域内所有像素点的灰度均值、每个目标区域内每个像素点的灰度值和每个目标区域内像素点的个数得到灰度图像中每个目标区域的复杂性，每个目标区域的复杂性的具体表达式为：
Figure SMS_43
式中：
Figure SMS_47
表示第
Figure SMS_51
个目标区域中第
Figure SMS_54
个像素点的灰度值为
Figure SMS_46
时，该像素点的灰度值权 值，
Figure SMS_49
为第
Figure SMS_53
个目标区域中第
Figure SMS_56
个像素点的灰度值，
Figure SMS_45
表示第
Figure SMS_50
个目标区域中所有像素 点的灰度均值，
Figure SMS_57
表示第
Figure SMS_58
个目标区域中的所有像素点的二维熵，
Figure SMS_44
表示第
Figure SMS_48
个目标区域中所 有像素点的总个数，
Figure SMS_52
表示第
Figure SMS_55
个目标区域的复杂性。
其中，该公式由4部分组成，第一部分为第
Figure SMS_68
个目标区域中的每个像素点的加权灰 度值与所有像素点的灰度均值的差异值的均值
Figure SMS_60
），第二部分为第
Figure SMS_66
个目标 区域中的所有像素点的二维熵
Figure SMS_61
，第三部分为第
Figure SMS_65
个目标区域中所有的像素点的灰度值的 波动程度
Figure SMS_67
，第四部分为第
Figure SMS_71
个目标区域中的像素点的平均值。以这四个部分 的乘积作为第
Figure SMS_69
个目标区域的复杂性，其中第一部分中的灰度值权值的计算方式为灰度值 为
Figure SMS_75
像素点在该区域中出现的频率，以此作为权值的意义在于利用普通差异值的计算方式 可能会因为偶然的情况导致计算结果为零，从而使得像素点的灰度值与平均灰度值的差异 性无法表示，并且以此进行灰度值与平均灰度值的差异性的计算更加的准确，更能明确的 表现出第
Figure SMS_59
个目标区域中所有的像素点的差异；
Figure SMS_63
为第
Figure SMS_70
个目标区域中的所有像素点的二维 熵，用二维熵作为公式第二部分的目的在于第
Figure SMS_73
个目标区域中像素点与周围邻域内的像素 点的差异性越大，该二维熵的值就越大，并且二维熵为每个像素点与邻域内的像素点的差 异，因此二维熵可以表示出第
Figure SMS_72
个目标区域中的像素点的分布特征；第三部分为第
Figure SMS_74
个目标 区域中像素点灰度值的方差，用以表示第
Figure SMS_62
个目标区域中的像素点的灰度值的波动程度，该 值越大，说明第
Figure SMS_64
个目标区域中的像素点的灰度分布越离散；第四部分为灰度均值，用以表 示整个目标区域中所有像素点的灰度值的分布趋势。
以此四部分的乘积作为第
Figure SMS_76
个目标区域的复杂性，第
Figure SMS_77
个目标区域内的所有的像素 点的灰度值差异越大，则灰度值波动越大，每个像素点与其邻域像素点之间的差异性越大， 对应的
Figure SMS_78
也就越大。
利用步骤S3所述方法，计算得到所有目标区域的复杂性。
S4、根据每个目标区域的复杂性、每个目标区域的位置和目标区域的个数得到每个目标区域的局部相对相似性。
步骤S3中获得了灰度图像中每个目标区域的复杂性，每个目标区域的复杂性中包含了每个目标区域中的像素点的位置分布，灰度值分布以及灰度值的差异信息，而灰度图像的整体复杂性不仅仅在于灰度图像的局部是否复杂，还在于每个区域之间是否相似，所以在量化灰度图像的整体复杂性之前还需要对每个目标区域之间的局部相对相似性进行量化，而后通过灰度图像的目标区域的复杂性与目标区域之间的相似性进行灰度图像的复杂性的量化。
得到每个目标区域的局部相对相似性的具体步骤为：获取每个目标区域与其他目标区域的欧式距离；获取每个目标区域的复杂性与其他目标区域的复杂性的差值的绝对值；将每个目标区域与其他目标区域的欧式距离和每个目标区域的复杂性与其他目标区域的复杂性的差值的绝对值相乘得到每个目标区域对应的乘积；将每个目标区域对应的乘积进行累加得到乘积的累加和；将乘积的累加和作为指数函数的指数得到指数函数值，对该指数函数值求均得到每个目标区域的局部相对相似性。以第一个目标区域为例，该目标区域的局部相对相似性的具体表达式为：
Figure SMS_79
式中：
Figure SMS_81
表示其余目标区域相对于第一个目标区域的相似性，
Figure SMS_84
表示目标区域 的总个数，
Figure SMS_86
表示第
Figure SMS_80
个目标区域的复杂性，
Figure SMS_83
表示第
Figure SMS_85
个目标区域与第一个目标区域间 的欧式距离，
Figure SMS_87
表示第一个目标区域的复杂性，函数
Figure SMS_82
表示以e为底的指数函数，e表示 自然常数。
其中，第一个目标区域的局部相对相似性
Figure SMS_88
是指其余目标区域相对于第一个目 标区域的相似性，因为在进行灰度图像的整体分区域之后，每个目标区域的复杂性包含了 目标区域内像素点的分布，以及像素点的灰度值变化范围，所以根据第一个目标区域与其 余目标区域的复杂性进行局部相对相似性计算，其目的在于，其余目标区域与第一个目标 区域之间的相似性越高，证明第一个目标区域对于整体灰度图像的复杂性贡献不高，该结 论的理论支撑为每个目标区域之间的局部相对相似性越差，整体图片的复杂性越高。
为了防止因为其余目标区域与第一个目标区域所蕴含的信息相同，而导致相似性 计算不准确的问题，公式中添加其余
Figure SMS_89
个目标区域距离第一个目标区域之间的欧式距 离作为权值，一般只有相邻目标区域之间的相似性较高；目标区域间的欧式距离越远，对应 的相似性就越小，即与第一个目标区域临近的目标区域即使与第一个目标区域较为相似， 也不能说明整体灰度图像不复杂，但是，若存在目标区域与第一个目标区域相距较远，且两 者相似，则整体灰度图像一定不复杂，所以利用权值进行限制，距离第一个目标区域越近， 其对应的权值
Figure SMS_90
就越小，而距离第一个区块越远，其对应的权值就越大。以此方式进行第一 个目标区域的局部相对相似性
Figure SMS_91
计算，
Figure SMS_92
越大，说明较多的目标区域与第一个目标区 域相似，或存在目标区域与第一个目标区域相距较远，且两者相似，证明第一个目标区域对 图片的整体复杂性贡献较低。
利用所述第一个目标区域的局部相对相似性的计算方法可得每个目标区域的局部相对相似性。
S5、根据每个目标区域的局部相对相似性、每个目标区域的复杂性和目标区域的个数得到灰度图像的整体复杂性，根据灰度图像的整体复杂性得到待加密的隐私图片，并对待加密的隐私图片进行加密。
得到灰度图像的整体复杂性的具体步骤为：根据每个目标区域的局部相对相似性、每个目标区域的复杂性和目标区域的个数得到灰度图像的整体复杂性，灰度图像的整体复杂性的具体表达式为：
Figure SMS_93
式中：
Figure SMS_94
表示灰度图像的整体复杂性，
Figure SMS_99
表示目标区域的总个数，
Figure SMS_100
表示第
Figure SMS_96
个目标区域的复杂性，
Figure SMS_97
表示第
Figure SMS_101
个目标区域的局部相对相似性，
Figure SMS_102
，
Figure SMS_95
表示自然 常数，函数
Figure SMS_98
表示双曲正切函数。
其中，首先以灰度图像中目标区域之间的复杂性的平均值作为权值
Figure SMS_103
，该值越大，说明灰度图像中的每个目标区域的复杂性越大，而后对每个目 标区域的局部相对相似性进行求和，并计算平均值
Figure SMS_104
，用以表示灰度图像中所 有目标区域的局部相对相似性，该值越大，说明灰度图像中目标区域之间的相似性越高，即 灰度图像中目标区域之间有着较多的相似的地方，表明灰度图像并不复杂，最后利用
Figure SMS_105
的负 指数函数进行取反，并与所计算的权值的乘积来表示灰度图像的复杂性。
Figure SMS_106
越大，说明灰 度图像的复杂性越大，并且灰度图像的每个目标区域的局部相对相似性较小，即目标区域 之间相似性较小，灰度图像整体复杂，结合上述所示，灰度图像越复杂，所携带的用户的隐 私越多，灰度图像对应的待加密图像进行加密的方法越复杂。
根据灰度图像的整体复杂性得到待加密的隐私图片，并对待加密的隐私图片进行 加密的具体步骤为：设置整体复杂性的第一阈值范围
Figure SMS_107
、第二阈值范围
Figure SMS_108
和第三阈 值范围
Figure SMS_109
，其中，
Figure SMS_110
和
Figure SMS_111
的参考值为
Figure SMS_112
，
Figure SMS_113
。
当灰度图像的整体复杂性属于第一阈值时，对灰度图像所对应的待加密图片不加密；当灰度图像的整体复杂性属于第二阈值时，灰度图像所对应的待加密图片为待加密隐私图片，对该待加密隐私图片进行对称式加密；当灰度图像的整体复杂性属于第三阈值时，灰度图像所对应的待加密图片为待加密隐私图片，对该待加密隐私图片进行非对称式加密。
至此，完成了所有含用户隐私信息的图片的加密。
本发明的有益效果是：本发明首先筛选出了可能含用户隐私的图片，再对可能含用户隐私的图片进一步分析，该步骤初步解决了对用户所有待传输的图片进行加密时，导致的传输效率慢的问题；其次，本发明计算了待加密图片对应的灰度图像的整体复杂程度，根据每张待加密图片对应的灰度图像的整体复杂程度，对待加密图片进行不同程度的加密，相较于对所有待传输图像统一加密的方法而言，本发明在保证用户隐私不泄露的前提之下，节约了加密的成本，提高了图片传输效率；
本发明在获取灰度图像的复杂程度时，首先对待加密图片的灰度图像进行区域划分，对每个目标区域的复杂性进行计算，该步骤利用了每个目标区域中像素点的灰度值差异性，每个像素点与该像素点邻域之间的差异性，反映了每个目标区域中的像素点的复杂程度，再以每个目标区域中的像素点的复杂程度得到了灰度图像的整体复杂程度，该整体复杂程度结合了每个目标区域中的像素点的灰度分布和灰度波动范围，且根据每个目标区域中的像素点的复杂程度所得灰度图像的整体复杂程度，使得最终所得灰度图像的复杂程度更准确，即最终对待加密图片的加密方式的选择更精确，保护了用户的隐私。
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、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种社交网络图片中隐私信息保护方法，其特征在于，包括：
获取社交软件中的待加密图片的灰度图像，将灰度图像多次划分为多个区域，获取每次划分后所有区域的平均信息熵；
根据灰度图像的信息熵和每次划分后所有区域的平均信息熵得到最佳划分方式，获取最佳划分方式下的多个目标区域；
根据每个目标区域内所有像素点的二维熵、所有像素点的灰度均值、每个像素点的灰度值和像素点的个数得到灰度图像中每个目标区域的复杂性；
根据每个目标区域的复杂性、中心点的位置和所有目标区域的个数得到每个目标区域的局部相对相似性；
根据每个目标区域的局部相对相似性、复杂性和所有目标区域的个数得到灰度图像的整体复杂性，根据灰度图像的整体复杂性判断待加密图片是否为待加密的隐私图片，对判断所得的待加密的隐私图片进行加密；
每个目标区域的局部相对相似性是按如下方法确定的：
获取每个目标区域与其他目标区域的欧式距离；
获取每个目标区域的复杂性与其他目标区域的复杂性的差值的绝对值；
将每个目标区域与其他目标区域的欧式距离和每个目标区域的复杂性与其他目标区域的复杂性的差值的绝对值相乘得到每个目标区域对应的乘积；
将每个目标区域对应的乘积进行累加得到乘积的累加和；
将乘积的累加和作为指数函数的指数得到指数函数值，对该指数函数值求均得到每个目标区域的局部相对相似性；
最佳划分方式是按如下方法确定的：
将灰度图像的信息熵与每次划分后所有区域的平均信息熵进行比较，并得到与灰度图像的信息熵最接近的平均信息熵，将该平均信息熵所对应的划分尺寸作为最佳划分方式；
灰度图像中每个目标区域的复杂性的具体表达式为：
Figure QLYQS_1
式中：
Figure QLYQS_3
表示第/>
Figure QLYQS_7
个目标区域中第/>
Figure QLYQS_10
个像素点的灰度值为/>
Figure QLYQS_5
时，该像素点的灰度值权值，/>
Figure QLYQS_6
为第/>
Figure QLYQS_12
个目标区域中第/>
Figure QLYQS_15
个像素点的灰度值，/>
Figure QLYQS_2
表示第/>
Figure QLYQS_8
个目标区域中所有像素点的灰度均值，/>
Figure QLYQS_13
表示第/>
Figure QLYQS_16
个目标区域中的所有像素点的二维熵，/>
Figure QLYQS_4
表示第/>
Figure QLYQS_9
个目标区域中所有像素点的总个数，/>
Figure QLYQS_11
表示第/>
Figure QLYQS_14
个目标区域的复杂性；
灰度图像的整体复杂性的具体表达式为：
Figure QLYQS_17
式中：
Figure QLYQS_18
表示灰度图像的整体复杂性，/>
Figure QLYQS_22
表示目标区域的总个数，/>
Figure QLYQS_24
表示第/>
Figure QLYQS_19
个目标区域的复杂性，/>
Figure QLYQS_21
表示第/>
Figure QLYQS_23
个目标区域的局部相对相似性，/>
Figure QLYQS_25
表示自然常数，函数/>
Figure QLYQS_20
表示双曲正切函数。/>
2.根据权利要求1所述的一种社交网络图片中隐私信息保护方法，其特征在于，待加密图片是按如下方法确定的：
对社交软件中所有待传输图片进行一级模糊筛选得到含有隐私的图片；
对含有隐私的图片进行二级模糊筛选得到待加密图片。
3.根据权利要求1所述的一种社交网络图片中隐私信息保护方法，其特征在于，将灰度图像多次划分为多个区域的方法是：
对灰度图像进行多次不同尺寸的划分，其中第一次划分尺寸为
Figure QLYQS_26
，第二次划分尺寸为/>
Figure QLYQS_27
，当划分后每个区域内的像素点大小超过灰度图像的/>
Figure QLYQS_28
时停止划分；每次划分后会对应多个区域。
4.根据权利要求1所述的一种社交网络图片中隐私信息保护方法，其特征在于，对待加密的隐私图片进行加密的方法是：
设置整体复杂性的第二阈值范围和第三阈值范围；
当待加密的隐私图片对应的灰度图像的整体复杂性属于第二阈值范围时，对灰度图像所对应的待加密隐私图片进行对称式加密；
当待加密的隐私图片对应的灰度图像的整体复杂性属于第三阈值范围时，对灰度图像所对应的待加密隐私图片进行非对称式加密。
5.根据权利要求1所述的一种社交网络图片中隐私信息保护方法，其特征在于，待加密的隐私图片是按如下方法确定的：
当灰度图像的整体复杂性属于第一阈值范围时，灰度图像对应的待加密图片不属于待加密的隐私图片；
当灰度图像的整体复杂性不属于第一阈值范围时，灰度图像对应的待加密图片属于待加密的隐私图片。
CN202310173935.9A 2023-02-28 2023-02-28 一种社交网络图片中隐私信息保护方法 Active CN115859369B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310173935.9A CN115859369B (zh) 2023-02-28 2023-02-28 一种社交网络图片中隐私信息保护方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310173935.9A CN115859369B (zh) 2023-02-28 2023-02-28 一种社交网络图片中隐私信息保护方法

Publications (2)

Publication Number Publication Date
CN115859369A CN115859369A (zh) 2023-03-28
CN115859369B true CN115859369B (zh) 2023-06-09

Family

ID=85659234

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310173935.9A Active CN115859369B (zh) 2023-02-28 2023-02-28 一种社交网络图片中隐私信息保护方法

Country Status (1)

Country Link
CN (1) CN115859369B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116975897B (zh) * 2023-09-22 2023-12-19 青岛国信城市信息科技有限公司 一种智慧社区人员隐私信息安全管理系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102521591A (zh) * 2011-11-29 2012-06-27 北京航空航天大学 一种复杂背景下小目标快速识别方法
CN113889232A (zh) * 2021-10-19 2022-01-04 南京工程学院 一种基于医疗影像的隐私保护方法
CN115049664A (zh) * 2022-08-16 2022-09-13 金乡县强力机械有限公司 基于视觉的船舶发动机配件缺陷检测方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105574839B (zh) * 2014-10-16 2021-03-09 中兴通讯股份有限公司 一种图像的处理方法和装置
CN111741313B (zh) * 2020-05-18 2022-12-27 杭州电子科技大学 基于图像熵k均值聚类的3d-hevc快速cu分割方法
CN115242557B (zh) * 2022-09-22 2023-01-06 江苏广海检验检测有限公司 一种环境保护监测数据的安全传输方法及系统
CN115294360B (zh) * 2022-09-29 2023-03-24 汉达科技发展集团有限公司 一种驾驶模拟器混合编队训练考核系统管理方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102521591A (zh) * 2011-11-29 2012-06-27 北京航空航天大学 一种复杂背景下小目标快速识别方法
CN113889232A (zh) * 2021-10-19 2022-01-04 南京工程学院 一种基于医疗影像的隐私保护方法
CN115049664A (zh) * 2022-08-16 2022-09-13 金乡县强力机械有限公司 基于视觉的船舶发动机配件缺陷检测方法

Also Published As

Publication number Publication date
CN115859369A (zh) 2023-03-28

Similar Documents

Publication Publication Date Title
US9692762B2 (en) Systems and methods for efficient detection of fingerprinted data and information
Zhu et al. Fusion of threshold rules for target detection in wireless sensor networks
CN109859054B (zh) 网络社团挖掘方法、装置、计算机设备及存储介质
CN115859369B (zh) 一种社交网络图片中隐私信息保护方法
CN110874488A (zh) 一种基于混合差分隐私的流数据频数统计方法、装置、系统及存储介质
RU2527754C2 (ru) Система генерирования статистической информации и способ генерирования статистической информации
CN112885468A (zh) 一种基于随机响应差分隐私技术的教师共识聚集学习方法
WO2020232999A1 (zh) 基于信息安全的定位数据监控方法及相关设备
CN114239860A (zh) 基于隐私保护的模型训练方法及装置
Jia et al. Privacy-preserving data classification and similarity evaluation for distributed systems
Li et al. A cloaking algorithm based on spatial networks for location privacy
CN113436223B (zh) 点云数据的分割方法、装置、计算机设备和存储介质
US20080104078A1 (en) Method for creating sketches of sets to permit comparison
CN116260970A (zh) 一种基于数据大量传输的网络通信方法及系统
CN111182533A (zh) 一种互联网攻击团伙的定位方法及系统
CN109993178B (zh) 一种特征数据生成和特征匹配方法及装置
CN112100670A (zh) 一种基于大数据的隐私数据分级保护方法
EP3783543A1 (en) Learning system, learning method, and program
Rashid Cover image selection for embedding based on different criteria
CN112766312B (zh) 用户信息获取方法、电子设备和介质
Elkadry et al. Hypothesis testing when data sources are uncertain
WO2019069905A1 (ja) 情報処理装置、制御方法、及びプログラム
Takano¹ et al. Check for updates Privacy-Protective Distributed Machine Learning Between Rich Devices and Edge Servers Using Confidence Level
Mashhadi et al. An Auditing Framework for Analyzing Fairness of Spatial-Temporal Federated Learning Applications
Athanasiou et al. Towards personalization of Trust Management service for ubiquitous healthcare environment

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
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240119

Address after: 518057, C13 Floor, Building 1, Shenzhen Software Industry Base, No. 81, 83, and 85 Gaoxin South Tenth Road, Binhai Community, Yuehai Street, Nanshan District, Shenzhen City, Guangdong Province

Patentee after: Shenzhen Dui Technology Co.,Ltd.

Address before: 252000 station 14-15, South Zone, 2nd floor, V space, No. 16, Huanghe Road, Jiuzhou street, high tech Zone, Liaocheng City, Shandong Province

Patentee before: Liaocheng Luoxi Information Technology Co.,Ltd.

Patentee before: Shenzhen Dui Technology Co.,Ltd.