CN117688614A - 差分隐私保护数据可用性增强方法、装置及电子设备 - Google Patents
差分隐私保护数据可用性增强方法、装置及电子设备 Download PDFInfo
- Publication number
- CN117688614A CN117688614A CN202410146376.7A CN202410146376A CN117688614A CN 117688614 A CN117688614 A CN 117688614A CN 202410146376 A CN202410146376 A CN 202410146376A CN 117688614 A CN117688614 A CN 117688614A
- Authority
- CN
- China
- Prior art keywords
- block
- noise reduction
- target
- target image
- histogram
- 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 39
- 230000009467 reduction Effects 0.000 claims abstract description 208
- 238000012545 processing Methods 0.000 claims abstract description 39
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012163 sequencing technique Methods 0.000 claims description 7
- 230000002708 enhancing effect Effects 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 5
- 238000000638 solvent extraction Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 description 6
- 238000012805 post-processing Methods 0.000 description 6
- 238000001914 filtration Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000001502 supplementing effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本申请提供一种差分隐私保护数据可用性增强方法、装置及电子设备,该方法包括:获取待保护匿名直方图;将所述待保护匿名直方图转换为目标图像;对所述目标图像进行差分隐私处理,得到处理后的目标图像;对所述处理后的目标图像进行降噪处理,得到降噪后的目标图像;将所述降噪后的目标图像转换为匿名直方图,并输出该匿名直方图。该方法可以在保证数据隐私得到保护的情况下,提高数据精度和可用性。
Description
技术领域
本申请涉及网络信息安全领域,尤其涉及一种差分隐私保护数据可用性增强方法、装置及电子设备。
背景技术
差分隐私(Differential Privacy,简称DP)作为一种事实上的隐私保护标准技术,已经被广泛应用于各种数据隐私保护领域。但是 DP 会向受保护数据中添加噪声扰动,一定程度上降低数据精度,影响数据可用性。
发明内容
有鉴于此,本申请提供一种差分隐私保护数据可用性增强方法、装置及电子设备。
具体地,本申请是通过如下技术方案实现的:
根据本申请实施例的第一方面,提供一种差分隐私保护数据可用性增强方法,包括:
获取待保护匿名直方图;
将所述待保护匿名直方图转换为目标图像;
对所述目标图像进行差分隐私处理,得到处理后的目标图像;
对所述处理后的目标图像进行降噪处理,得到降噪后的目标图像;
将所述降噪后的目标图像转换为匿名直方图,并输出该匿名直方图。
根据本申请实施例的第二方面,提供一种差分隐私保护数据可用性增强装置,包括:
获取单元,用于获取待保护匿名直方图;
转换单元,用于将所述待保护匿名直方图转换为目标图像;
处理单元,用于对所述目标图像进行差分隐私处理,得到处理后的目标图像;
降噪单元,用于对所述处理后的目标图像进行降噪处理,得到降噪后的目标图像;
所述转换单元,还用于将所述降噪后的目标图像转换为匿名直方图,并输出该匿名直方图。
根据本申请实施例的第三方面,提供一种电子设备,包括处理器和存储器,其中,
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现第一方面提供的方法。
根据本申请实施例的第四方面,提供一种计算机程序产品,所述计算机程序产品内存储有计算机程序,所述计算机程序被处理器执行时实现第一方面提供的方法。
本申请实施例的差分隐私保护数据可用性增强方法,通过将待保护匿名直方图转换为目标图像,并对目标图像进行差分隐私处理,得到处理后的目标图像;对于处理后的目标图像,可以通过进行降噪处理,得到降噪后的目标图像,进而,将降噪后的目标图像转换为直方图,并输出得到的直方图,通过将待保护匿名直方图转换为图像数据,并针对图像进行DP处理和图像降噪处理,将差分隐私的噪声降低问题转化为图像降噪问题,通过图像降噪方式,实现差分隐私的噪声降低,在保证数据隐私得到保护的情况下,提高数据精度和可用性。
附图说明
图1为本申请一示例性实施例示出的一种差分隐私保护数据可用性增强方法的流程示意图;
图2为本申请一示例性实施例示出的一种差分隐私保护数据可用性增强装置的结构示意图;
图3为本申请一示例性实施例示出的一种电子设备的硬件结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
为了使本领域技术人员更好地理解本申请实施例提供的技术方案,下面先对本申请实施例涉及的部分术语进行简单说明。
1、差分隐私:一种保护数据隐私的技术,通过在查询结果中添加控制的噪声,来防止泄露个体数据的信息。差分隐私可以量化隐私保护的程度,并且对任何后处理操作都是免疫的。
2、均方误差(Mean Square Error,简称MSE):反映估计量与被估计量之间差异程度的一种度量。它等于误差的平方的期望值,也就是各数据偏离真实值的距离平方和的平均数。实验中MSE越低,代表性能越好。
3、匿名直方图(Anonymized Histogram): 一种对数据进行匿名化的方法,通过将数据分组为不同的区间,并统计每个区间内的数据频数,来隐藏个体数据的具体值。匿名直方图可以用于发布数据的分布信息,而不暴露个体数据。
4、后处理(Post-Processing):在应用差分隐私机制后,对噪声数据进行一些操作以提高其准确性或可用性,而不破坏隐私保障。后处理方法有多种,例如,基于滤波器的后处理、基于一致性的后处理、基于贝叶斯规则的后处理等。
5、维纳收缩系数(Wiener shrinkage coefficients):用于在频域中对图像块进行降噪。具体来说,维纳收缩系数是根据图像块的信噪比来计算的,它可以压缩变换系数,从而减少噪声的影响。
为了使本申请实施例的上述目的、特征和优点能够更加明显易懂,下面结合附图对本申请实施例中技术方案作进一步详细的说明。
请参见图1,为本申请实施例提供的一种差分隐私保护数据可用性增强方法的流程示意图,如图1所示,该差分隐私保护数据可用性增强方法可以包括以下步骤:
步骤S100、获取待保护匿名直方图。
示例性的,待保护匿名直方图可以包括任一按照本申请实施例提供的方案进行处理的匿名直方图。
步骤S110、将待保护匿名直方图转换为目标图像。
步骤S120、对目标图像进行差分隐私处理,得到处理后的目标图像。
步骤S130、对处理后的目标图像进行降噪处理,得到降噪后的目标图像。
本申请实施例中,考虑到DP 会向受保护数据中添加噪声扰动,一定程度上降低数据精度,影响数据可用性,而差分隐私的噪声降低问题实现较为复杂,因而,可以通过将待保护匿名直方图转换为图像数据,并针对图像进行DP处理和图像降噪处理,将差分隐私的噪声降低问题转化为图像降噪问题,通过图像降噪方式,实现差分隐私的噪声降低,提高数据精度和可用性。
相应地,对于获取到的待保护匿名直方图,可以将该待保护匿名直方图转换为图像(本文中称为目标图像),并对目标图像进行DP处理,得到处理后的目标图像。
对于处理后的目标图像,可以通过图像降噪方式,对处理后的目标图像进行降噪处理,得到降噪后的目标图像。
示例性的,可以通过滤波,如高斯滤波、均值滤波、中值滤波等方式对图像进行降噪。
步骤S140、将降噪后的目标图像转换为直方图,并输出该直方图。
本申请实施例中,在按照上述方式对目标图像进行了DP处理和降噪处理,得到降噪后的目标图像的情况下,可以将降噪后的目标图像转换为直方图,并输出该直方图。
可见,在图1所示方法流程中,通过将待保护匿名直方图转换为目标图像,并对目标图像进行差分隐私处理,得到处理后的目标图像;对于处理后的目标图像,可以通过进行降噪处理,得到降噪后的目标图像,进而,将降噪后的目标图像转换为直方图,并输出得到的直方图,通过将待保护匿名直方图转换为图像数据,并针对图像进行DP处理和图像降噪处理,将差分隐私的噪声降低问题转化为图像降噪问题,通过图像降噪方式,实现差分隐私的噪声降低,在保证数据隐私得到保护的情况下,提高数据精度和可用性。
在一些实施例中,上述将待保护匿名直方图转换为目标图像,可以包括:
对待保护匿名直方图中各数据进行归一化,并转换为像素值,得到各数据对应的像素值;
对各数据对应的像素值进行排序,得到目标图像。
示例性的,为了实现匿名直方图到图像的转换,可以对待保护匿名直方图中各数据进行归一化。
示例性的,可以依据匿名直方图中各数据中的最大值和最小值,对匿名直方图中的各数据进行归一化。
例如,可以通过如下公式对待保护匿名直方图中各数据进行归一化:
其中,代表匿名直方图中的每一个数据,/>代表匿名直方图的各数据中的最大值,/>代表匿名直方图的各数据中的最小值。
示例性的,可以依据图像中像素值的取值范围,将归一化的匿名直方图中的各数据转换为像素值,得到匿名直方图中各数据对应的像素值。
为了优化降噪效果,在得到了匿名直方图中各数据对应的像素值的情况下,可以对各数据对应的像素值进行排序(如按照从小到大的顺序,或,从大到小的顺序进行排序),并依据排序后的各数据对应的像素值,按照逐行排列的方式,得到指定尺寸的目标图像。
例如,假设指定尺寸为M0*N0(M0行N0列,M0、N0均为大于等于2的正整数),则对于排序后的各数据对应的像素值,前N0个像素值作为第1行、第N0 +1个~2 N0个像素值作为第2行,以此类推,得到M0*N0的目标图像。
其中,待保护匿名直方图中数据的数量小于M0*N0的情况下,可以通过补充默认像素值,如补0的方式,补齐剩余位置。
示例性的,目标图像的尺寸可以依据待保护匿名直方图中数据的数量来确定,目标图像能够容纳的数据的数量可以大于等于待保护匿名直方图中数据的数量,且在目标图像能够容纳的数据的数量大于待保护匿名直方图中数据的数量的情况下,通过补充默认像素值的方式,补齐剩余位置。
例如,假设待保护匿名直方图中数据的数量为10000个,则上述指定尺寸可以为100*100。
又例如,假设待保护匿名直方图中数据的数量为9995个,则上述指定尺寸可以为100*100,且在将待保护匿名直方图转换为目标图像时,有5个位置需要进行数据补充(如补0)。
在一个示例中,为了降低数据处理的复杂度,可以将待保护匿名直方图转换为灰度图像。
示例性的,对于灰度图像,图像中各每个像素的取值范围为0 ~ 255,因此,匿名直方图中各数据对应的像素值可以为:
示例性的,在按照上述方式得到了待保护匿名直方图中各数据对应的像素值的情况下,可以对各数据对应的像素值进行排序,组成目标图像。
示例性的,可以对各数据对应的像素值按照从小到大的顺序,或者,从大到小的顺序进行排序,组成目标图像。
在一些实施例中,上述对处理后的目标图像进行降噪处理,可以包括:
基于图像的自相似性,对处理后的目标图像进行降噪处理。
示例性的,可以利用图像中的自相似性,对处理后的目标图像进行降噪处理,从而,在不需要先验知识或假设的情况下,实现图像噪声降低。
在一个示例中,上述基于图像的自相似性,对处理后的目标图像进行降噪处理,可以包括:
对处理后的目标图像进行分块,得到多个等大小,且存在重叠的原始图像块;
对于目标块,从该多个原始图像块中除该目标块之外的其它原始图像块中确定出该目标块的相似图像块,并将该相似图像块作为第一参考块;其中,目标块为该多个原始图像块中的任一原始图像块;
利用预设阈值,确定第一参考块对应的估计参考块;其中,对于任一第一参考块中的任一元素位置,在目标块中该元素位置的值与该第一参考块中该元素位置的值二者之差的绝对值小于所述预设阈值的情况下,该第一参考块对应的估计参考块中该元素位置的值与该第一参考块中该元素位置的值一致;否则,该第一参考块对应的估计参考块中该元素位置的值为0;
利用加权平均方式合并估计参考块,得到该目标块对应的第一降噪块;其中,估计参考块的加权权重与估计参考块中非0元素的数量负相关;
依据各目标块对应的第一降噪块,确定处理后的目标图像的降噪结果。
示例性的,为了实现对处理后的目标图像的降噪,可以将处理后的目标图像划分为多个等大小,且存在重叠的图像块(可以称为原始图像块)。
需要说明的是,上述存在重叠是指相邻图像块之间存在重叠。
示例性的,图像块的大小和图像块之间重叠区域的大小可以依据实际需求设置,例如,可以尝试不同的参数组合(图像块的大小和图像块之间重叠区域的大小),并通过对比结果来选择最佳的参数设置,以达到较好的降噪效果和计算效率。
对于该多个原始图像块中的任一原始图像块(可以称为目标块),可以从该多个原始图像块中除目标块之外的其它原始图像块中确定出该目标块的相似图像块。
示例性的,可以依据图像块之间的欧式距离,确定目标块的相似图像块。
例如,可以将与目标块之间的欧式距离最小的原始图像块,确定为目标块的相似图像块。
其中,目标块的相似图像块可以包括一个或多个(通常为多个)。
示例性的,为了降低噪声对距离计算,可以将图像块从空域转换到频域,并在频域进行图像块之间的欧式距离的计算。
示例性的,可以将确定出的目标块的相似图像块作为参考块(可以称为第一参考块),并利用预设阈值,确定参考块对应的估计参考块。
示例性的,对于任一第一参考块,可以确定该第一参考块各元素位置的值与目标块中对应元素位置的值的差值的绝对值。
对于任一元素位置,若该元素位置对应的差值的绝对值小于预设阈值,则第一参考块对应的估计参考块中该元素位置的值与第一参考块中该元素位置的值一致;若该元素位置对应的差值的绝对值大于等于预设阈值,则第一参考块对应的估计参考块中该元素位置的值置为0。
需要说明的是,在图像块未进行空域到频域的转换的情况下,上述元素位置可以为像素位置;在图像块进行了空域到频域的转换的情况下,上述元素位置可以为频率位置。
对于任一目标块,在确定了该第一参考块对应的估计参考块的情况下,可以利用加权平均方式合并估计参考块,实现针对目标块的降噪,得到该目标块对应的降噪后的图像块(可以称为第一降噪块)。
即对于目标块中的任一元素位置,对各估计参考块中该元素位置的值进行加权平均运算,将运算结果确定为目标块对应的第一降噪块该元素位置的值。
其中,估计参考块的加权权重与估计参考块中非0元素的数量负相关,以降低噪声块的影响。
例如,估计参考块的加权权重可以通过以下方式确定:
其中,wxR为估计参考块的权重,NxR为估计参考块中非0元素的数量,为噪声方差。
需要说明的是,在本申请实施例中,对于任一目标块,在该目标块的第一参考块的数量为一个的情况下,可以将该参考估计块确定为该目标块对应的第一降噪块,或者,按照其它策略确定该目标块对应的第一降噪块,其具体实现在此不做赘述。
示例性的,在按照上述方式确定各目标块对应的第一降噪块的情况下,可以依据各目标块对应的第一降噪块,确定处理后的目标图像的降噪结果。
在一个示例中,上述依据各目标块对应的第一降噪块,确定处理后的目标图像的降噪结果,包括:
对于任一目标块,从各第一降噪块中除目标第一降噪块之外的其它第一降噪块中确定出该目标第一降噪块的相似第一降噪块,并将与该相似第一降噪块位置一致的原始图像块确定为第二参考块;其中,目标第一降噪块为该目标块对应的第一降噪块;
确定第二参考块的维纳缩减系数,并依据该维纳缩减系数对第二参考块进行降噪处理,得到降噪后的第二参考块;
依据该维纳缩减系数,利用加权平均方式合并降噪后的第二参考块,得到该目标块对应的第二降噪块;
依据各目标块对应的第二降噪块,确定处理后的目标图像的最终降噪结果。
示例性的,为了进一步降低图像中的噪声,优化图像降噪效果,在按照上述方式得到了各目标块对应的第一降噪块的情况下,还可以进一步进行降噪处理。
示例性的,对于任一目标块,从各第一降噪块中除目标第一降噪块之外的其它第一降噪块中确定出该目标第一降噪块的相似第一降噪块。
示例性的,可以依据该目标块对应的第一降噪块与其它第一降噪块之间的欧式距离,确定该目标块对应的第一降噪块(可以称为目标第一降噪块)的相似降噪块。
例如,可以将与目标第一降噪块之间的欧式距离最小的其它第一降噪块,确定为目标第一降噪块的相似降噪块。
其中,目标第一降噪块的相似降噪块可以包括一个或多个(通常为多个)。
需要说明的是,由于第一降噪块已经经过了降噪处理,噪声已经比较低,因此,在计算第一降噪块之间的欧式距离的过程中,可以不需要进行空域到频域的转换。
示例性的,在按照上述方式确定了目标降噪块对应的相似第一降噪块的情况下,可以将与该相似第一降噪块位置(在目标图像中的位置)一致的原始图像块确定为参考块(可以称为第二参考块)。
由于第一降噪块为噪声降低的图像块,因此,基于第一降噪块之间的欧式距离,可以更准确地确定出图像块的相似图像块,以便更准确地利用图像中的自相似性来估计噪声数据的真实值,优化降噪效果。
示例性的,在确定了目标块的第二参考块的情况下,可以利用维纳滤波方式,对目标块进行降噪。
具体地,可以依据目标块的第二参考块,确定维纳缩减系数。
例如,可以将目标块的第二参考块堆叠为3维组(可以记为),并基于该3维组,通过以下方式确定维纳缩减系数(可以记为/>):
其中,为将图像从空间域变换到频域的 3D 变换,/>为噪声方差。
示例性的,在确定了维纳缩减系数的情况下,可以依据维纳缩减系数,对第二参考块进行降噪处理,得到降噪后的第二参考块。
例如,可以通过以下方式得到降噪后的第二参考块(可以记为):
示例性的,可以依据维纳缩减系数,利用加权平均方式合并降噪后的第二参考块,得到该目标块对应的降噪块(可以称为第二降噪块)。
即对于目标块中的任一位置,对各降噪后的第二参考块中该位置的值进行加权平均运算,将运算结果确定为目标块对应的第二降噪块该位置的值。
其中,降噪后的第二参考块的权重系数可以基于维纳缩减系数确定。
例如,可以通过以下公式计算权重系数(可以记为):
需要说明的是,在本申请实施例中,对于任一目标块,在该目标块的第二参考块的数量为一个的情况下,可以将降噪后的第二参考块确定为该目标块对应的第二降噪块,或者,按照其它策略确定该目标块对应的第二降噪块,其具体实现在此不做赘述。
示例性的,可以按照上述方式分别确定各目标块对应的第二降噪块,并依据各目标块对应的第二降噪块,确定处理后的目标图像的最终降噪结果。
可见,在上述实施例中,通过利用图像中的自相似性来对图像进行降噪处理,在不需要先验知识或假设的情况下,实现了噪声降低,扩展了方案的适用性,避免了对数据的先验假设,可以更加灵活地处理各种情况。
在一些实施例中,上述将降噪后的目标图像转换为直方图,可以包括:
对降噪后的目标图像进行展平,并对各像素值进行反归一化,得到降噪后的匿名直方图;
对降噪后的匿名直方图中各数据进行排序,得到待输出的匿名直方图。
示例性的,对于按照上述方式得到降噪后的目标图像,可以对其进行展平。
示例性的,图像展平是指将图像的二维像素矩阵转化为一维数组。这个过程可以通过将图像的每一行连接起来,形成一个长向量来实现。
例如,假设降噪后的目标图像为M×N大小的二维像素矩阵,可以创建一个长度为M×N的一维数组。遍历图像的每一行,将每个像素的值逐个添加到一维数组中。即将第一行的像素值按顺序添加到一维数组的开头,然后是第二行的像素值,依此类推,直到遍历完整个图像。完成遍历后,得到的一维数组就是展平后的图像。
对于展平后的图像数据,可以将各像素值进行反归一化,将图像重新转换为匿名直方图。
示例性的,可以依据待保护匿名直方图中各数据的最大值,以及,降噪后的目标图像中的最大像素值和最小像素值,对各像素值进行反归一化。
例如,可以通过以下公式实现对各像素值进行反归一化:
其中,Imax和Imin为降噪后的目标图像中的最大像素值和最小像素值。
示例性的,在按照上述方式得到了降噪后的匿名直方图的情况下,可以对降噪后的匿名直方图进行顺序一致性校验,确保降噪后的数据是按序(如从小到大或从大到小)排列,得到最终输出结果。
以上对本申请提供的方法进行了描述。下面对本申请提供的装置进行描述:
请参见图2,为本申请实施例提供的一种差分隐私保护数据可用性增强装置的结构示意图,如图2所示,该差分隐私保护数据可用性增强装置可以包括:
获取单元210,用于获取待保护匿名直方图;
转换单元220,用于将所述待保护匿名直方图转换为目标图像;
处理单元230,用于对所述目标图像进行差分隐私处理,得到处理后的目标图像;
降噪单元240,用于对所述处理后的目标图像进行降噪处理,得到降噪后的目标图像;
所述转换单元220,还用于将所述降噪后的目标图像转换为匿名直方图,并输出该匿名直方图。
在一些实施例中,所述转换单元220将所述待保护匿名直方图转换为目标图像,包括:
对所述待保护匿名直方图中各数据进行归一化,并转换为像素值,得到各数据对应的像素值;
对各数据对应的像素值进行排序,组成目标图像。
在一些实施例中,所述降噪单元240对所述处理后的目标图像进行降噪处理,包括:
基于图像的自相似性,对所述处理后的目标图像进行降噪处理。
在一些实施例中,所述降噪单元240基于图像的自相似性,对所述处理后的目标图像进行降噪处理,包括:
对处理后的目标图像进行分块,得到多个等大小,且存在重叠的原始图像块;
对于目标块,从所述多个原始图像块中除该目标块之外的其它原始图像块中确定出该目标块的相似图像块,并将该相似图像块作为第一参考块;其中,目标块为所述多个原始图像块中的任一原始图像块;
利用预设阈值,确定所述第一参考块对应的估计参考块;其中,对于任一第一参考块中的任一元素位置,在目标块中该元素位置的值与该第一参考块中该元素位置的值二者之差的绝对值小于所述预设阈值的情况下,该第一参考块对应的估计参考块中该元素位置的值与该第一参考块中该元素位置的值一致;否则,该第一参考块对应的估计参考块中该元素位置的值为0;
利用加权平均方式合并所述估计参考块,得到该目标块对应的第一降噪块;其中,估计参考块的加权权重与估计参考块中非0元素的数量负相关;
依据各目标块对应的第一降噪块,确定处理后的目标图像的降噪结果。
在一些实施例中,所述降噪单元依据各目标块对应的第一降噪块,确定处理后的目标图像的降噪结果,包括:
对于任一目标块,从各第一降噪块中除目标第一降噪块之外的其它第一降噪块中确定出该目标第一降噪块的相似第一降噪块,并将与该相似第一降噪块位置一致的原始图像块确定为第二参考块;其中,目标第一降噪块为该目标块对应的第一降噪块;
确定所述第二参考块的维纳缩减系数,并依据所述维纳缩减系数对所述第二参考块进行降噪处理,得到降噪后的第二参考块;
依据所述维纳缩减系数,利用加权平均方式合并降噪后的第二参考块,得到该目标块对应的第二降噪块;
依据各目标块对应的第二降噪块,确定处理后的目标图像的最终降噪结果。
在一些实施例中,所述转换单元220将所述降噪后的目标图像转换为匿名直方图,包括:
对所述降噪后的目标图像进行展平,并对各像素值进行反归一化,得到降噪后的匿名直方图;
对降噪后的直方图中各数据进行排序,得到待输出的匿名直方图。
本申请实施例还提供一种电子设备,包括处理器和存储器,其中,存储器,用于存放计算机程序;处理器,用于执行存储器上所存放的程序时,实现上文描述的差分隐私保护数据可用性增强方法。
请参见图3,为本申请实施例提供的一种电子设备的硬件结构示意图。该电子设备可包括处理器301、存储有机器可执行指令的存储器302。处理器301与存储器302可经由系统总线303通信。并且,通过读取并执行存储器302中差分隐私保护数据可用性增强逻辑对应的机器可执行指令,处理器301可执行上文描述的差分隐私保护数据可用性增强方法。
本文中提到的存储器302可以是任何电子、磁性、光学或其它物理存储装置,可以包含或存储信息,如可执行指令、数据,等等。例如,机器可读存储介质可以是:RAM(RadomAccess Memory,随机存取存储器)、易失存储器、非易失性存储器、闪存、存储驱动器(如硬盘驱动器)、固态硬盘、任何类型的存储盘(如光盘、dvd等),或者类似的存储介质,或者它们的组合。
在一些实施例中,还提供了一种机器可读存储介质,如图3中的存储器302,该机器可读存储介质内存储有机器可执行指令,所述机器可执行指令被处理器执行时实现上文描述的差分隐私保护数据可用性增强方法。例如,所述机器可读存储介质可以是ROM、RAM、CD-ROM、磁带、软盘和光数据存储设备等。
本申请实施例还提供了一种计算机程序产品,存储有计算机程序,并且当处理器执行该计算机程序时,促使处理器执行上文中描述的差分隐私保护数据可用性增强方法。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物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、物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、物品或者设备中还存在另外的相同要素。
以上所述仅为本申请的较佳实施例而已,并不用以限制本申请,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请保护的范围之内。
Claims (10)
1.一种差分隐私保护数据可用性增强方法,其特征在于,包括:
获取待保护匿名直方图;
将所述待保护匿名直方图转换为目标图像;
对所述目标图像进行差分隐私处理,得到处理后的目标图像;
对所述处理后的目标图像进行降噪处理,得到降噪后的目标图像;
将所述降噪后的目标图像转换为匿名直方图,并输出该匿名直方图。
2.根据权利要求1所述的方法,其特征在于,所述将所述待保护匿名直方图转换为目标图像,包括:
对所述待保护匿名直方图中各数据进行归一化,并转换为像素值,得到各数据对应的像素值;
对各数据对应的像素值进行排序,组成目标图像。
3.根据权利要求1所述的方法,其特征在于,所述对所述处理后的目标图像进行降噪处理,包括:
基于图像的自相似性,对所述处理后的目标图像进行降噪处理。
4.根据权利要求3所述的方法,其特征在于,所述基于图像的自相似性,对所述处理后的目标图像进行降噪处理,包括:
对处理后的目标图像进行分块,得到多个等大小,且存在重叠的原始图像块;
对于目标块,从所述多个原始图像块中除该目标块之外的其它原始图像块中确定出该目标块的相似图像块,并将该相似图像块作为第一参考块;其中,目标块为所述多个原始图像块中的任一原始图像块;
利用预设阈值,确定所述第一参考块对应的估计参考块;其中,对于任一第一参考块中的任一元素位置,在目标块中该元素位置的值与该第一参考块中该元素位置的值二者之差的绝对值小于所述预设阈值的情况下,该第一参考块对应的估计参考块中该元素位置的值与该第一参考块中该元素位置的值一致;否则,该第一参考块对应的估计参考块中该元素位置的值为0;
利用加权平均方式合并所述估计参考块,得到该目标块对应的第一降噪块;其中,估计参考块的加权权重与估计参考块中非0元素的数量负相关;
依据各目标块对应的第一降噪块,确定处理后的目标图像的降噪结果。
5.根据权利要求4所述的方法,其特征在于,所述依据各目标块对应的第一降噪块,确定处理后的目标图像的降噪结果,包括:
对于任一目标块,从各第一降噪块中除目标第一降噪块之外的其它第一降噪块中确定出该目标第一降噪块的相似第一降噪块,并将与该相似第一降噪块位置一致的原始图像块确定为第二参考块;其中,目标第一降噪块为该目标块对应的第一降噪块;
确定所述第二参考块的维纳缩减系数,并依据所述维纳缩减系数对所述第二参考块进行降噪处理,得到降噪后的第二参考块;
依据所述维纳缩减系数,利用加权平均方式合并降噪后的第二参考块,得到该目标块对应的第二降噪块;
依据各目标块对应的第二降噪块,确定处理后的目标图像的最终降噪结果。
6.根据权利要求1所述的方法,其特征在于,所述将所述降噪后的目标图像转换为匿名直方图,包括:
对所述降噪后的目标图像进行展平,并对各像素值进行反归一化,得到降噪后的匿名直方图;
对降噪后的匿名直方图中各数据进行排序,得到待输出的匿名直方图。
7.一种差分隐私保护数据可用性增强装置,其特征在于,包括:
获取单元,用于获取待保护匿名直方图;
转换单元,用于将所述待保护匿名直方图转换为目标图像;
处理单元,用于对所述目标图像进行差分隐私处理,得到处理后的目标图像;
降噪单元,用于对所述处理后的目标图像进行降噪处理,得到降噪后的目标图像;
所述转换单元,还用于将所述降噪后的目标图像转换为匿名直方图,并输出该匿名直方图。
8.根据权利要求7所述的装置,其特征在于,所述转换单元将所述待保护匿名直方图转换为目标图像,包括:
对所述待保护匿名直方图中各数据进行归一化,并转换为像素值,得到各数据对应的像素值;
对各数据对应的像素值进行排序,组成目标图像;
和/或,
所述降噪单元对所述处理后的目标图像进行降噪处理,包括:
基于图像的自相似性,对所述处理后的目标图像进行降噪处理;
其中,所述降噪单元基于图像的自相似性,确定所述处理后的目标图像中的噪声数据,并依据所述处理后的目标图像中的噪声数据,对所述处理后的目标图像进行降噪处理,包括:
对处理后的目标图像进行分块,得到多个等大小,且存在重叠的原始图像块;
对于目标块,从所述多个原始图像块中除该目标块之外的其它原始图像块中确定出该目标块的相似图像块,并将该相似图像块作为第一参考块;其中,目标块为所述多个原始图像块中的任一原始图像块;
利用预设阈值,确定所述第一参考块对应的估计参考块;其中,对于任一第一参考块中的任一元素位置,在目标块中该元素位置的值与该第一参考块中该元素位置的值二者之差的绝对值小于所述预设阈值的情况下,该第一参考块对应的估计参考块中该元素位置的值与该第一参考块中该元素位置的值一致;否则,该第一参考块对应的估计参考块中该元素位置的值为0;
利用加权平均方式合并所述估计参考块,得到该目标块对应的第一降噪块;其中,估计参考块的加权权重与估计参考块中非0元素的数量负相关;
依据各目标块对应的第一降噪块,确定处理后的目标图像的降噪结果;
其中,所述降噪单元依据各目标块对应的第一降噪块,确定处理后的目标图像的降噪结果,包括:
对于任一目标块,从各第一降噪块中除目标第一降噪块之外的其它第一降噪块中确定出该目标第一降噪块的相似第一降噪块,并将与该相似第一降噪块位置一致的原始图像块确定为第二参考块;其中,目标第一降噪块为该目标块对应的第一降噪块;
确定所述第二参考块的维纳缩减系数,并依据所述维纳缩减系数对所述第二参考块进行降噪处理,得到降噪后的第二参考块;
依据所述维纳缩减系数,利用加权平均方式合并降噪后的第二参考块,得到该目标块对应的第二降噪块;
依据各目标块对应的第二降噪块,确定处理后的目标图像的最终降噪结果;
和/或,
所述转换单元将所述降噪后的目标图像转换为匿名直方图,包括:
对所述降噪后的目标图像进行展平,并对各像素值进行反归一化,得到降噪后的匿名直方图;
对降噪后的直方图中各数据进行排序,得到待输出的匿名直方图。
9.一种电子设备,其特征在于,包括处理器和存储器,其中,
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1~6任一项所述的方法。
10.一种计算机程序产品,其特征在于,所述计算机程序产品内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1~6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410146376.7A CN117688614B (zh) | 2024-02-01 | 2024-02-01 | 差分隐私保护数据可用性增强方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410146376.7A CN117688614B (zh) | 2024-02-01 | 2024-02-01 | 差分隐私保护数据可用性增强方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117688614A true CN117688614A (zh) | 2024-03-12 |
CN117688614B CN117688614B (zh) | 2024-04-30 |
Family
ID=90133769
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410146376.7A Active CN117688614B (zh) | 2024-02-01 | 2024-02-01 | 差分隐私保护数据可用性增强方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117688614B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130114897A1 (en) * | 2010-07-12 | 2013-05-09 | Canon Kabushiki Kaisha | Image processing apparatus, image processing method, and program |
KR101621723B1 (ko) * | 2015-02-13 | 2016-05-19 | 경일대학교산학협력단 | 얼굴 인식 기반 프라이버시 보호를 위한 영상 처리 장치, 이를 위한 방법 및 이 방법이 기록된 컴퓨터 판독 가능한 기록매체 |
KR101764530B1 (ko) * | 2016-02-27 | 2017-08-02 | 삼육대학교산학협력단 | 픽셀 값 예측기법을 적용한 가역 데이터 은닉방법, 가역 데이터 워터마킹 방법 및 데이터 은닉 장치 |
US20190164008A1 (en) * | 2017-11-30 | 2019-05-30 | Canon Kabushiki Kaisha | Image processing apparatus, image processing method, and storage medium |
CN112991205A (zh) * | 2021-03-10 | 2021-06-18 | 中国科学院云南天文台 | 一种日冕图像增强方法、系统、介质、设备及应用 |
CN115495778A (zh) * | 2022-09-13 | 2022-12-20 | 中南民族大学 | 基于分组合并的差分隐私直方图发布方法及设备 |
CN115797194A (zh) * | 2022-06-29 | 2023-03-14 | Oppo广东移动通信有限公司 | 图像降噪方法、装置、电子设备、存储介质和程序产品 |
CN116628360A (zh) * | 2023-07-25 | 2023-08-22 | 北京科技大学 | 一种基于差分隐私的社交网络直方图发布方法及装置 |
-
2024
- 2024-02-01 CN CN202410146376.7A patent/CN117688614B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130114897A1 (en) * | 2010-07-12 | 2013-05-09 | Canon Kabushiki Kaisha | Image processing apparatus, image processing method, and program |
KR101621723B1 (ko) * | 2015-02-13 | 2016-05-19 | 경일대학교산학협력단 | 얼굴 인식 기반 프라이버시 보호를 위한 영상 처리 장치, 이를 위한 방법 및 이 방법이 기록된 컴퓨터 판독 가능한 기록매체 |
KR101764530B1 (ko) * | 2016-02-27 | 2017-08-02 | 삼육대학교산학협력단 | 픽셀 값 예측기법을 적용한 가역 데이터 은닉방법, 가역 데이터 워터마킹 방법 및 데이터 은닉 장치 |
US20190164008A1 (en) * | 2017-11-30 | 2019-05-30 | Canon Kabushiki Kaisha | Image processing apparatus, image processing method, and storage medium |
CN112991205A (zh) * | 2021-03-10 | 2021-06-18 | 中国科学院云南天文台 | 一种日冕图像增强方法、系统、介质、设备及应用 |
CN115797194A (zh) * | 2022-06-29 | 2023-03-14 | Oppo广东移动通信有限公司 | 图像降噪方法、装置、电子设备、存储介质和程序产品 |
CN115495778A (zh) * | 2022-09-13 | 2022-12-20 | 中南民族大学 | 基于分组合并的差分隐私直方图发布方法及设备 |
CN116628360A (zh) * | 2023-07-25 | 2023-08-22 | 北京科技大学 | 一种基于差分隐私的社交网络直方图发布方法及装置 |
Non-Patent Citations (6)
Title |
---|
TAO, T ETC.: "A Symmetry Histogram Publishing Method Based on Differential Privacy", 《SYMMETRY-BASEL》, 8 June 2023 (2023-06-08), pages 1 - 14 * |
WENFEN LIU ETC.: "Degree Histogram Publishing Method of Dynamic Graph Data Based on Node Differential Privacy", 《2021 INTERNATIONAL CONFERENCE ON COMPUTER INFORMATION SCIENCE AND ARTIFICIAL INTELLIGENCE》, 28 February 2022 (2022-02-28), pages 422 - 429 * |
夏志华: "基于学习的图像隐藏信息检测技术研究", 中国博士学位论文全文数据库, no. 07, 15 July 2013 (2013-07-15), pages 138 - 3 * |
张剑;杨宇;赵怀勋;: "差值保序直方图发布隐私保护方法研究", 中国科技论文, no. 02, 23 January 2017 (2017-01-23), pages 232 - 235 * |
钱晴: "基于差分隐私的图数据直方图发布研究", 《中国优秀硕士学位论文全文数据库(信息科技辑)》, 15 April 2020 (2020-04-15), pages 138 - 38 * |
陈龙: "一种基于阶梯分布的差分隐私直方图发布技术研究", 《中国优秀硕士学位论文全文数据库(信息科技辑》, 15 March 2022 (2022-03-15), pages 138 - 106 * |
Also Published As
Publication number | Publication date |
---|---|
CN117688614B (zh) | 2024-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Solbo et al. | Homomorphic wavelet-based statistical despeckling of SAR images | |
Rodríguez | Total variation regularization algorithms for images corrupted with different noise models: a review | |
CN111783583B (zh) | 基于非局部均值算法的sar图像相干斑抑制方法 | |
Yoshizawa et al. | Fast gauss bilateral filtering | |
CN113222853B (zh) | 一种基于噪声估计的渐进式红外图像降噪方法 | |
Huang et al. | Two-step approach for the restoration of images corrupted by multiplicative noise | |
Roels et al. | An overview of state‐of‐the‐art image restoration in electron microscopy | |
CN115082336A (zh) | 一种基于机器学习的sar图像相干斑抑制方法 | |
CN113935925B (zh) | 气动光学效应空变模糊图像复原方法及系统 | |
CN111047587B (zh) | 图像的噪声估计方法、计算机设备和存储介质 | |
CN117688614B (zh) | 差分隐私保护数据可用性增强方法、装置及电子设备 | |
CN107085839B (zh) | 基于纹理增强与稀疏编码的sar图像降斑方法 | |
Huang et al. | Multiplicative noise removal based on unbiased box-cox transformation | |
CN114078149A (zh) | 一种图像估计方法、电子设备及存储介质 | |
CN111461999A (zh) | 一种基于超像素相似性测量的sar图像相干斑抑制方法 | |
CN115937302A (zh) | 结合边缘保持的高光谱图像亚像元定位方法 | |
Igarashi et al. | Accuracy improvement of histogram-based image filtering | |
Rama Lakshmi et al. | A Review on Image Denoising Algorithms for Various Applications | |
CN112686814B (zh) | 一种基于仿射低秩的图像去噪方法 | |
CN112927169B (zh) | 一种基于小波变换和改进的加权核范数最小化的遥感影像去噪方法 | |
CN113160069B (zh) | 一种基于图信号的高光谱图像去噪方法 | |
Chen et al. | Image denoising via generative adversarial networks with detail loss | |
CN112837242B (zh) | 一种图像降噪处理方法、装置、设备及介质 | |
CN112541873A (zh) | 一种基于双边滤波器的图像处理方法 | |
CN110738612A (zh) | X光透视图像的降噪方法及计算机可读存储介质 |
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 |