CN116320713A - 一种基于图像信号处理器参数优化的隐私保护方法 - Google Patents
一种基于图像信号处理器参数优化的隐私保护方法 Download PDFInfo
- Publication number
- CN116320713A CN116320713A CN202310196874.8A CN202310196874A CN116320713A CN 116320713 A CN116320713 A CN 116320713A CN 202310196874 A CN202310196874 A CN 202310196874A CN 116320713 A CN116320713 A CN 116320713A
- Authority
- CN
- China
- Prior art keywords
- privacy
- parameters
- signal processor
- image signal
- algorithm
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000005457 optimization Methods 0.000 title claims abstract description 18
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 68
- 238000011156 evaluation Methods 0.000 claims description 9
- 230000002068 genetic effect Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 239000002245 particle Substances 0.000 claims description 3
- 238000007637 random forest analysis Methods 0.000 claims description 3
- 238000002955 isolation Methods 0.000 abstract description 2
- 238000005065 mining Methods 0.000 abstract 1
- 241000282414 Homo sapiens Species 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000000586 desensitisation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/776—Validation; Performance evaluation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- 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
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Human Computer Interaction (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于图像信号处理器参数优化的隐私保护方法,该方法利用现有摄像头中图像信号处理器自身参数的优化,来防止恶意第三方利用该摄像头拍摄的图像进行隐私信息挖掘(例如,人脸识别),但是在同一组图像信号处理器参数下,该摄像头所拍摄的画面仍然可以被一些隐私不敏感的算法识别。本发明方法将隐私保护嵌入图像生成过程中,相比于已有的隐私保护方法,主要优势在于:不需额外的硬件和软件,仅需改造已有摄像头的图像信号处理器参数;摄像头与图像识别所用的处理器形成地址空间隔离,被恶意篡改的可能性大大降低;图像信号处理器是现代摄像头模组的必要组成部分,该方法适用于大多数现存摄像头模组的隐私保护。
Description
技术领域
本发明属于图像隐私保护领域,涉及一种基于图像信号处理器参数优化的隐私保护方法。
背景技术
随着图像识别等智能技术的广泛应用,摄像头的使用几乎无处不在,应用的领域包括视频监控、健康监测、自动驾驶、人机交互等等。例如,全球监控摄像头在2021年就已经超过10亿台,到2024年市场规模预计将达到579亿美元。虽然图像智能应用给人们带来了便利的生活体验,但是摄像头所拍摄的图像中的隐私信息可能被恶意第三方用于犯罪,引起了人们对于摄像头隐私侵害的担忧。
现有的大多数方法都需要将带有敏感隐私信息的图像从摄像头传递给软件层进行脱敏处理,但原始图像可能在数据传输链的各个环节中被泄露,并且,纯软件层的处理容易被恶意程序跳过。因此,如何更可靠地保护图像隐私,是业界亟待解决的技术问题。
发明内容
本发明提供一种基于图像信号处理器参数优化的隐私保护方法,该方法利用现有摄像头的图像信号处理器可调参数的特点,通过多目标优化的方式,使得调整后的参数拍摄的画面难以被隐私敏感算法(例如,人脸识别)提取内容,但仍然能被一些隐私不敏感算法(例如,人体检测、姿态估计、手势识别)识别,实现智能识别功能,方便人类生活便利。
本发明采用以下技术方案实现:
一种基于图像信号处理器参数优化的隐私保护方法,包括以下步骤:
1)确定图像信号处理器可调参数以及参数的约束范围,可从图像信号处理器的数据手册或说明文档中获取,具体一般包括数据范围约束和数据类型约束两种;再使用等概率随机的方式构造多组参数组合,作为算法初始化;
2)在每一组参数下,对原始图像数据集进行实际拍摄或者仿真拍摄,获得经过处理的图像数据集,具体包括以下子步骤:
(1)确定所有隐私敏感算法和隐私不敏感算法;
(2)确定所有隐私敏感算法和隐私不敏感算法对应的图像数据集;
(3)使用当前设置的可调参数的摄像头对所述步骤(2)中确定的图像数据集进行实际拍摄或仿真拍摄,得到经过处理的图像数据集;
3)将经过处理的图像数据集分别使用隐私敏感算法和隐私不敏感算法进行识别,利用各算法对应的通用指标对算法识别结果进行效能评估,得到一个分数向量,再经过加权求和函数计算出总体效能分数,具体包括以下子步骤:
(1)确定所有隐私敏感算法和隐私不敏感算法的通用指标以及效能评估函数;
(2)使用所有隐私敏感算法和隐私不敏感算法识别经过处理的图像数据集,获得对应的算法识别结果;
(3)依据各算法对应的通用指标,使用效能评估函数评估算法识别结果,得到一个分数向量;
(4)基于所述分数向量通过加权求和函数计算出总体效能分数;
4)若当前总体效能分数最大值超过历史最大值,则更新最优的图像信号处理器的可调参数;否则,直接进入步骤5);
5)使用任意一种通用优化算法,例如,梯度下降算法、遗传算法、粒子群算法、随机森林算法等,更新每一组参数,并且标准化更新后的参数,使其满足参数的约束范围。其中标准化包括:
(1)对于整数类型约束,非整数参数使用去尾法、进一法或者四舍五入法标准化为整数;
(2)对于数值范围约束,大于范围最大值的参数将被标准化为范围最大值,小于范围最小值的参数将被标准化为范围最小值。
6)重复2)到5)的步骤直到指定迭代次数,输出最优的图像信号处理器的可调参数,将其设置到摄像头的图像信号处理器中。
本发明的有益效果是:
(1)本发明方法从根本上遏制人脸识别滥用对人类造成的隐私侵害,符合国内外隐私相关立法趋势,从技术层面上,指出了一条新的方向;
(2)本发明方法不需额外的硬件和软件,仅需改造已有摄像头的图像信号处理器参数,成本低廉;
(3)本发明方法中摄像头与图像识别所用的处理器形成地址空间隔离,隐私保护被恶意篡改或者跳过的可能性大大降低,安全性强;
(4)本发明方法适用于大多数现存摄像头模组的隐私保护,因为图像信号处理器是现代摄像头模组的必要组成部分,通用性强。
附图说明
图1是本发明方法的流程图。
具体实施方式
为了便于本领域普通技术人员理解和实施此发明,下面结合附图及实施例对本发明作进一步的详细阐述,应当理解,此处所描述的实施示例仅用于说明和解释本发明,并不用于限定本发明。
本发明实施例的方法流程,如图1所示。
本发明的基于图像信号处理器参数优化的隐私保护方法,包括以下步骤:
1)确定图像信号处理器可调参数以及参数的约束范围,可从图像信号处理器的数据手册或说明文档中获取,具体一般包括数据范围约束和数据类型约束两种;再使用等概率随机的方式构造多组参数组合,作为算法初始化;
2)在每一组参数下,对原始图像数据集进行实际拍摄或者仿真拍摄,获得经过处理的图像数据集,具体包括以下子步骤:
(1)确定所有隐私敏感算法和隐私不敏感算法;
(2)确定所有隐私敏感算法和隐私不敏感算法对应的图像数据集;
(3)使用当前设置的可调参数的摄像头对所述步骤(2)中确定的图像数据集进行实际拍摄或仿真拍摄,得到经过处理的图像数据集;
3)将经过处理的图像数据集分别使用隐私敏感算法和隐私不敏感算法进行识别,利用各算法对应的通用指标对算法识别结果进行效能评估,得到一个分数向量,再经过加权求和函数计算出总体效能分数,具体包括以下子步骤:
(1)确定所有隐私敏感算法和隐私不敏感算法的通用指标以及效能评估函数;
(2)使用所有隐私敏感算法和隐私不敏感算法识别经过处理的图像数据集,获得对应的算法识别结果;
(3)依据各算法对应的通用指标,使用效能评估函数评估算法识别结果,得到一个分数向量;
(4)基于所述分数向量通过加权求和函数计算出总体效能分数;
4)若当前总体效能分数最大值超过历史最大值,则更新最优的图像信号处理器的可调参数;否则,直接进入步骤5);
5)使用任意一种通用优化算法,例如,梯度下降算法、遗传算法、粒子群算法、随机森林算法等,更新每一组参数,并且标准化更新后的参数,使其满足参数的约束范围。其中标准化包括:
(1)对于整数类型约束,非整数参数使用去尾法、进一法或者四舍五入法标准化为整数;
(2)对于数值范围约束,大于范围最大值的参数将被标准化为范围最大值,小于范围最小值的参数将被标准化为范围最小值。
6)重复2)到5)的步骤直到指定迭代次数,输出最优的图像信号处理器的可调参数,将其设置到摄像头的图像信号处理器中。
应当理解的是,本说明书未详细阐述的部分均属于现有技术。
应当理解的是,上述针对实施例的描述较为详细,并不能因此而认为是对本发明专利保护范围的限制,本领域的普通人员在本发明的启示下,在不脱离本发明权利要求所保护的范围情况下,还可以作出替换或变形,均落入本发明的保护范围之内,本发明的请求保护范围应该以所附权利要求为准。
Claims (6)
1.一种基于图像信号处理器参数优化的隐私保护方法,其特征在于,该方法包括以下步骤:
1)确定图像信号处理器的可调参数以及参数的约束范围,并随机生成多组在约束范围内的可调参数,作为算法初始化;
2)在每一组参数下,对原始图像数据集进行实际拍摄或者仿真拍摄,获得经过处理的图像数据集;
3)将经过处理的图像数据集分别使用隐私敏感算法和隐私不敏感算法进行识别,利用各算法对应的通用指标对算法识别结果进行效能评估,得到一个分数向量,再基于所述分数向量经过加权求和函数计算出总体效能分数;
4)若当前总体效能分数最大值超过历史最大值,则更新最优的图像信号处理器的可调参数;否则,直接进入步骤5);
5)使用优化算法更新每一组参数,并且标准化更新后的参数,使其满足参数的约束范围;
6)重复2)到5)的步骤直到指定迭代次数,输出最优的图像信号处理器的可调参数,将其设置到摄像头的图像信号处理器中。
2.根据权利要求1所述的基于图像信号处理器参数优化的隐私保护方法,其特征在于,所述步骤1)中可调参数以及参数的约束范围由图像信号处理器本身的设计所确定,包括数据范围约束和数据类型约束两种;使用等概率随机的方式构造多组参数组合,作为算法初始化。
3.根据权利要求1所述的基于图像信号处理器参数优化的隐私保护方法,其特征在于,所述步骤2)具体包括以下步骤:
(1)确定所有隐私敏感算法和隐私不敏感算法;
(2)确定所有隐私敏感算法和隐私不敏感算法对应的图像数据集;
(3)使用当前设置的可调参数的摄像头对所述步骤(2)中确定的图像数据集进行实际拍摄或仿真拍摄,得到经过处理的图像数据集。
4.根据权利要求1所述的基于图像信号处理器参数优化的隐私保护方法,其特征在于,所述步骤3)具体包括以下步骤:
(1)确定所有隐私敏感算法和隐私不敏感算法的通用指标以及效能评估函数;
(2)使用所有隐私敏感算法和隐私不敏感算法识别经过处理的图像数据集,获得对应的算法识别结果;
(3)依据各算法对应的通用指标,使用效能评估函数评估算法识别结果,得到一个分数向量;
(4)基于所述分数向量通过加权求和函数计算出总体效能分数。
5.根据权利要求1所述的基于图像信号处理器参数优化的隐私保护方法,其特征在于,所述步骤5)的优化算法包括梯度下降算法、遗传算法、粒子群算法和随机森林算法。
6.根据权利要求1所述的基于图像信号处理器参数优化的隐私保护方法,其特征在于,所述步骤5)的参数标准化包括:
(1)对于整数类型约束,非整数参数使用去尾法、进一法或者四舍五入法标准化为整数;
(2)对于数值范围约束,大于范围最大值的参数将被标准化为范围最大值,小于范围最小值的参数将被标准化为范围最小值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310196874.8A CN116320713B (zh) | 2023-03-03 | 2023-03-03 | 一种基于图像信号处理器参数优化的隐私保护方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310196874.8A CN116320713B (zh) | 2023-03-03 | 2023-03-03 | 一种基于图像信号处理器参数优化的隐私保护方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116320713A true CN116320713A (zh) | 2023-06-23 |
CN116320713B CN116320713B (zh) | 2024-02-20 |
Family
ID=86828170
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310196874.8A Active CN116320713B (zh) | 2023-03-03 | 2023-03-03 | 一种基于图像信号处理器参数优化的隐私保护方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116320713B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108280217A (zh) * | 2018-02-06 | 2018-07-13 | 南京理工大学 | 一种基于差分隐私保护的矩阵分解推荐方法 |
CN114003957A (zh) * | 2021-11-04 | 2022-02-01 | 陕西师范大学 | 一种基于联邦学习社交媒体用户隐私信息保护方法和系统 |
US20220138348A1 (en) * | 2020-10-30 | 2022-05-05 | Sap Se | Interpretability Framework for Differentially Private Deep Learning |
CN115310122A (zh) * | 2022-07-13 | 2022-11-08 | 广州大学 | 一种多模态数据融合训练中的隐私参数优化方法 |
CN115455471A (zh) * | 2022-09-05 | 2022-12-09 | 深圳大学 | 提升隐私和鲁棒的联邦推荐方法、装置、设备及存储介质 |
-
2023
- 2023-03-03 CN CN202310196874.8A patent/CN116320713B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108280217A (zh) * | 2018-02-06 | 2018-07-13 | 南京理工大学 | 一种基于差分隐私保护的矩阵分解推荐方法 |
US20220138348A1 (en) * | 2020-10-30 | 2022-05-05 | Sap Se | Interpretability Framework for Differentially Private Deep Learning |
CN114003957A (zh) * | 2021-11-04 | 2022-02-01 | 陕西师范大学 | 一种基于联邦学习社交媒体用户隐私信息保护方法和系统 |
CN115310122A (zh) * | 2022-07-13 | 2022-11-08 | 广州大学 | 一种多模态数据融合训练中的隐私参数优化方法 |
CN115455471A (zh) * | 2022-09-05 | 2022-12-09 | 深圳大学 | 提升隐私和鲁棒的联邦推荐方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116320713B (zh) | 2024-02-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7376593B2 (ja) | 人工知能を利用した安全保障システム | |
US10535120B2 (en) | Adversarial learning of privacy protection layers for image recognition services | |
CN111046379A (zh) | 一种对抗攻击的监测方法和装置 | |
US20230306107A1 (en) | A Method of Training a Submodule and Preventing Capture of an AI Module | |
CN111783146B (zh) | 基于隐私保护的图像处理方法、装置和电子设备 | |
CN113487521A (zh) | 自编码器训练方法及组件,异常图像检测方法及组件 | |
Giorgi et al. | Privacy-Preserving Analysis for Remote Video Anomaly Detection in Real Life Environments. | |
CN108512651B (zh) | 一种人工智能图像辨识攻击防御方法、系统及存储介质 | |
CN114598514A (zh) | 工控威胁检测方法及装置 | |
CN112837202B (zh) | 基于隐私保护的水印图像的生成、攻击溯源方法及装置 | |
CN116320713B (zh) | 一种基于图像信号处理器参数优化的隐私保护方法 | |
CN113360911A (zh) | 恶意代码同源分析方法、装置、计算机设备和存储介质 | |
CN110503697B (zh) | 一种基于随机噪声机制的虹膜特征隐藏方法 | |
CN108600168A (zh) | 一种用于人工智能图像辨识攻击的安全编码方法及系统 | |
Ravi et al. | Forensic analysis of linear and nonlinear image filtering using quantization noise | |
CN116383814A (zh) | 一种神经网络模型后门检测方法和系统 | |
CN115695002A (zh) | 流量入侵检测方法、装置、设备、存储介质和程序产品 | |
CN113114489A (zh) | 一种网络安全态势评估方法、装置、设备及存储介质 | |
US20230289436A1 (en) | A Method of Training a Submodule and Preventing Capture of an AI Module | |
Giarimpampa | Blind image steganalytic optimization by using machine learning | |
Twenning et al. | Using Perceptual Hashing for Targeted Content Scanning | |
US20230056064A1 (en) | Systems and methods for detecting insider attacks on a communication network | |
CN117454380B (zh) | 恶意软件的检测方法、训练方法、装置、设备及介质 | |
Twenning | Check for updates Using Perceptual Hashing for Targeted Content Scanning Leon Twenning, Harald Baier, and Thomas Göbel Bundeswehr University, Munich, Germany | |
Chouragade et al. | A Survey on Privacy Preserving Content Based Image Retrieval and Information Sharing in Cloud 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 |