[发明专利]非法图像鉴别方法、装置、内容安全防火墙及存储介质在审

专利信息
申请号: 201910498093.8 申请日: 2019-06-10
公开(公告)号: CN110222774A 公开(公告)日: 2019-09-10
发明(设计)人: 刘焱 申请(专利权)人: 百度在线网络技术(北京)有限公司
主分类号: G06K9/62 分类号: G06K9/62;G06N3/04;G06N3/08
代理公司: 北京市铸成律师事务所 11313 代理人: 杨瑾瑾;陈建民
地址: 100085 北京市*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 非法图像 图像 鉴别服务 样本 对抗 图像处理 鉴别 内容安全 图像还原 训练条件 防火墙 计算机可读存储介质 存储介质 黑盒攻击 条件生成 图像传递 网络 原有的
【权利要求书】:

1.一种非法图像鉴别方法,其特征在于,包括:

对非法图像样本进行图像处理,生成对应的对抗样本;

使用所述非法图像样本和所述对应的对抗样本,训练条件生成对抗网络;

利用训练好的所述条件生成对抗网络,将第一图像还原成第二图像,所述第一图像是经过所述图像处理后待鉴别的图像,所述第二图像是由所述第一图像还原得到的没有经过所述图像处理的图像;

将所述第二图像传递给非法图像鉴别服务,以便所述非法图像鉴别服务识别所述第二图像是否是非法图像。

2.根据权利要求1所述的方法,其特征在于,对非法图像样本进行图像处理,生成对应的对抗样本,包括:

通过噪音、仿射变换、滤波模糊化、亮度变化和单色化中的至少一种方式对非法图像样本进行图像处理。

3.根据权利要求2所述的方法,其特征在于,对非法图像样本进行图像处理,生成对应的对抗样本,包括:

利用开源计算机视觉库和/或图像处理软件对非法图像样本进行图像处理。

4.根据权利要求1至3中任一项所述的方法,其特征在于,所述条件生成对抗网络包括生成模型和判别模型;使用所述非法图像样本和所述对应的对抗样本,训练条件生成对抗网络,包括:

将所述对抗样本和随机噪声输入所述生成模型,由所述生成模型生成还原图像;

将所述非法图像样本、所述对抗样本和所述还原图像输入到所述判别模型,由所述判别模型产生所述还原图像是所述非法图像样本的真实性概率;

根据所述真实性概率,通过所述生成模型和所述判别模型的博弈学习训练所述条件生成对抗网络。

5.一种非法图像鉴别装置,其特征在于,包括:

生成单元,用于:对非法图像样本进行图像处理,生成对应的对抗样本;

训练单元,用于:使用所述非法图像样本和所述对应的对抗样本,训练条件生成对抗网络;

还原单元,用于:利用训练好的所述条件生成对抗网络,将第一图像还原成第二图像,所述第一图像是经过所述图像处理后待鉴别的图像,所述第二图像是由所述第一图像还原得到的没有经过所述图像处理的图像;

传递单元,用于:将所述第二图像传递给非法图像鉴别服务,以便所述非法图像鉴别服务识别所述第二图像是否是非法图像。

6.根据权利要求5所述的装置,其特征在于,所述生成单元用于:

通过噪音、仿射变换、滤波模糊化、亮度变化和单色化中的至少一种方式对非法图像样本进行图像处理。

7.根据权利要求6所述的装置,其特征在于,所述生成单元用于:

利用开源计算机视觉库和/或图像处理软件对非法图像样本进行图像处理。

8.根据权利要求5至7中任一项所述的装置,其特征在于,所述条件生成对抗网络包括生成模型和判别模型;所述训练单元用于:

将所述对抗样本和随机噪声输入所述生成模型,由所述生成模型生成还原图像;

将所述非法图像样本、所述对抗样本和所述还原图像输入到所述判别模型,由所述判别模型产生所述还原图像是所述非法图像样本的真实性概率;

根据所述真实性概率,通过所述生成模型和所述判别模型的博弈学习训练所述条件生成对抗网络。

9.一种非法图像鉴别装置,其特征在于,包括:

一个或多个处理器;

存储装置,用于存储一个或多个程序;

当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1至4中任一项所述的方法。

10.一种内容安全防火墙,其特征在于,包括:

一个或多个处理器;

存储装置,用于存储一个或多个程序;

所述内容安全防火墙用于:利用权利要求9所述的装置将待鉴别的图像进行还原处理。

11.一种计算机可读存储介质,其存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至4中任一项所述的方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于百度在线网络技术(北京)有限公司,未经百度在线网络技术(北京)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910498093.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top