[发明专利]一种基于图像数据和深度学习的隐私决策推荐系统在审

专利信息
申请号: 202210164785.0 申请日: 2022-02-23
公开(公告)号: CN114595382A 公开(公告)日: 2022-06-07
发明(设计)人: 林泽鸿 申请(专利权)人: 哈尔滨学院
主分类号: G06F16/9535 分类号: G06F16/9535;G06F16/9536;G06F16/583;G06K9/62;G06F40/30;G06N20/00;G06Q50/00
代理公司: 北京冠和权律师事务所 11399 代理人: 万晶晶
地址: 150000 黑龙江*** 国省代码: 黑龙江;23
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 图像 数据 深度 学习 隐私 决策 推荐 系统
【说明书】:

发明提供了一种基于图像数据和深度学习的隐私决策推荐系统。模型库:用于通过深度学习技术预先对大量社交隐私样本进行学习,生成多个不同隐私等级判定的深度学习模型;语意识别模块:用于接收到将图像数据发出的指令时,将所述图像数据中图像的表面信息转化为语意信息;隐私识别模块:用于将所述语意信息导入所述模型库,对图像数据的隐私等级进行判定;决策模块:用于在隐私等级确定之后,向用户反馈图像发出决策;其中,所述图像发出决策包括:即时发出决策、禁止发出决策和部分发出决策。

技术领域

本发明涉及隐私处理技术领域,特别涉及一种基于图像数据和深度学习的隐私决策推荐系统。

背景技术

目前,随着社交网络和智能手机技术的发展,人们可以很方便地将随手所拍的图像分享到社交网络中。然而,这种分享如果不加控制或进行引导有可能造成各种隐私泄露,严重的甚至引起人身伤害或侵犯、各种网络犯罪或欺诈。正如相关调查研究所指出,很多青少年喜欢将他们自己、朋友或同学的隐私照片放在社交网络上共享或炫耀,殊不知这么做会造成各种隐私泄露,有的甚至造成终身的负面影响或伤害。另据报道,78%的网络相关犯罪者都利用了社交网络媒体寻找到被害人。犯罪者可以根据社交网络图片(及相关辅助信息)查询或推导出被害者的各种信息。当前的社交网站没有提供有效的隐私决策推荐工具为普通用户(特别是青少年)使用,提醒他们在发布社交网络图像时,该用户自己或社交网络访问控制系统进行决策使用。因此,亟需发展面向社交网络数字图像共享使用的隐私决策推荐方法和系统。

现有技术中,社交网络中对图像的隐私保护主要是通过用户自定义访问控制权限,匿名化处理,图像加密以及阅后即焚等方式。但由于移动终端已经支持即拍即传的实时分享,用户很有可能在上传图像之后才意识到权限设置的不足,或者因醉酒意识不清而不小心发送了带有私密信息的图像,此时图像已经上传,在社交网络的大环境中就会带来难以消除的隐私泄露风险。

发明内容

本发明提供一种基于图像数据和深度学习的隐私决策推荐系统,用以解决用户很有可能在上传图像之后才意识到权限设置的不足,或者因醉酒意识不清而不小心发送了带有私密信息的图像,此时图像已经上传,在社交网络的大环境中就会带来难以消除的隐私泄露风险。的情况。

一种基于图像数据和深度学习的隐私决策推荐系统,包括:

模型库:用于通过深度学习技术预先对大量社交隐私样本进行学习,生成多个不同隐私等级判定的深度学习模型;

语意识别模块:用于接收到将图像数据发出的指令时,将所述图像数据中图像的表面信息转化为语意信息;

隐私识别模块:用于将所述语意信息导入所述模型库,对图像数据的隐私等级进行判定;

决策模块:用于在隐私等级确定之后,向用户反馈图像发出决策;其中,

所述图像发出决策包括:即时发出决策、禁止发出决策和部分发出决策。

作为本发明的一种实施例:所述系统还包括:

隐私判定模块:用于根据用户的历史隐私设定信息,获取用户设定不同隐私等级的设定标准;其中

所述设定标准包括:图片内容标准、社交类型标准和图片存储位置标准;

分类器构建模块:根据所述设定标准,建立基于图片信息提取的图片分类器;其中,

所述图片信息包括:图像表面信息分类器、社交类型分类器和图片存储分类器;

所述图片分类器包括:信息内容分类器和图片类型分类器;

样本筛选模块:根据所述图片分类器,对用户的历史隐私数据进行筛选,确定社交隐私样本;

等级划分模块:用于对不同社交隐私样本进行隐私意识计算和隐私信任计算,根据计算结果,划分隐私等级,确定不同社交隐私等级的社交隐私样本;其中,

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哈尔滨学院,未经哈尔滨学院许可,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/202210164785.0/2.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