基于差分隐私保护的服务机器人视觉图像发布算法.pdf
《基于差分隐私保护的服务机器人视觉图像发布算法.pdf》由会员分享,可在线阅读,更多相关《基于差分隐私保护的服务机器人视觉图像发布算法.pdf(10页珍藏版)》请在咨信网上搜索。
1、第41卷 第4期2023年7月应用科学学报JOURNAL OF APPLIED SCIENCESElectronics and Information EngineeringVol.41 No.4Jul.2023DOI:10.3969/j.issn.0255-8297.2023.04.012基于差分隐私保护的服务机器人视觉图像发布算法焦合军1,周万春1,施进发2,刘晟源11.郑州工程技术学院 机电与车辆工程学院,河南 郑州 4500442.华北水利水电大学 机械学院,河南 郑州 450046摘摘摘要要要:为保护服务机器人视觉图像中的敏感个人信息,提出了一种基于离散余弦变换与差分隐私技术相结合的
2、服务机器人图像发布算法。首先,利用离散余弦变换压缩图像,为均衡相关噪声误差和重构误差,引入一种基于随机梯度下降算法的系数选择方法,从而在相应的系数空间中选择出合适的系数来压缩图像;其次,对系数空间添加拉普拉斯噪声来满足-差分隐私需求;再次,基于 4 种真实的室内图像数据集采用小波包变换和最小二乘支持向量机分类技术从算法的查准率等指标上衡量算法。实验结果表明,所提出的图像发布算法有较好的鲁棒性。关键词:服务机器人;图像处理;隐私保护;差分隐私;离散余弦变换中图分类号:TP242文章编号:0255-8297(2023)04-0682-10Image Publication Algorithm of
3、 Service RobotBased on Differential Privacy ProtectionJIAO Hejun1,ZHOU Wanchun1,SHI Jinfa2,LIU Shengyuan11.School of Mechatronics and Vehicle Engineering,Zhengzhou University of Technology,Zhengzhou 450044,Henan,China2.School of Mechanics,North China University of Water Resources and Electric Power,
4、Zhengzhou 450046,Henan,ChinaAbstract:To protect the sensitive personal information in service robots,this paper pro-poses an image publishing algorithm for service robots based on the combination of discretecosine transform and differential privacy.Firstly,the image is compressed by discrete co-sine
5、 transform.In order to balance the correlation noise error and reconstruction error,a coefficient selection method based on random gradient descent algorithm is introduced.Then,appropriate coefficients are selected in the corresponding coefficient space to com-press the image,and Laplace noise is ad
6、ded to the coefficient space.Finally,based on fourreal indoor image data sets,wavelet packet transform and least squares support vectormachine classification techniques are used to measure the accuracy of the algorithm.The收稿日期:2021-09-20基金项目:国家自然科学基金(No.71371172);河南省高等学校重点科研项目(No.21B460015);郑州工程技术学院
7、博士基金项目资助通信作者:施进发,博士,教授,研究方向为制造业信息化。E-mail:第4期焦合军,等:基于差分隐私保护的服务机器人视觉图像发布算法683experimental results demonstrate the robustness of the proposed algorithm.Keywords:service robot,image processing,privacy protection,differential privacy,dis-crete cosine transform人工智能技术的飞跃发展,使得服务机器人的应用场景越来越丰富。服务机器人视觉一般具有人脸识
8、别、位置建图、物体感知等线上功能,这些功能与用户的生活环境、兴趣相联系,容易显露用户的住址、个人信息、偏好和交际情况等隐私信息,如果这些信息被怀有恶意的攻击者利用,用户将面临相应的风险。近年来研究人员提出了多种隐私保护方法来保护线上图像,通常使用的方法包括访问控制、神经网络、隐私加密等。文献 1 提出了一种云环境下基于隐私保护的图像搜索系统(privacy-preserving image search system on cloud,PIC):云服务能够提供安全的大规模图像搜索和细粒度的访问控制。文献 2 提出了一种防止人脸隐私入侵的方法,即模糊或屏蔽面部图像,该方法的有效性取决于攻击者对监
9、控人的熟悉程度以及背景主题的显著性,并认为熟悉度和视觉隐私保护能力之间存在负相关。文献 3 在k-Same-Net 的基础上提出了一种改进非确定性问题(non-deterministic polynomial,NP)的人脸匿名化方法。在目标身份的估计中,充分考虑了每个簇中身份与质心的特征差异,使最终的匿名化图像呈现一定程度的多样性。文献 4 提出了一种新的虹膜图像隐私保护算法,在虹膜图像分别利用高斯机制和拉普拉斯机制以实现隐私信息的保护虹膜。最后通过图像 Hash算法评估图像质量。文献 5 针对超声影像区域提出了一种可逆隐写的医疗隐私保护方法,并使用特征选择和统计建模两种方法分析了保护方法的性
10、能。文献 6 提出了一种保护隐私的图像检索方案,该方案利用安全的局部二元模式(local binary pattern,LBP)特征为每幅图像生成特征向量,之后通过这些特征向量的曼哈顿距离来度量加密图像之间的相似性。在大数据时代,差分隐私是一种有效处理隐私保护的手段,克服了基于限制发布的隐私保护技术的诸多缺点,如等价类中的敏感属性具有相似性特点、敌手拥有背景知识的过多假设等。该技术不关心单条记录的加入对整个数据集的影响,通过向查询结果添加噪声来达到隐私保护的目的。另外它建立在坚实的数学基础上,对隐私保护进行了严格的定义并提供了量化评估方法。文献 7 基于差分隐私的发布技术目前涉及到多种数据类型
11、,包括医疗数据、空间数据、时间序列数据、人脸图像等,然而针对服务机器人视觉图像数据几乎没有相关工作。面临的主要问题在于对机器人视觉图像增加噪声数据时,如何计算其全局敏感度以及噪声处理后的分析,以及如何保持一定的精度。服务机器人一般具有全面陪护的功能,视觉信息覆盖面较为广泛。在隐私保护和服务机器人视觉监控方面需要达成发布协议,隐私保护的重点应该放在服务机器人的数据源上。为了保留服务机器人的更多视觉陪护信息,本文提出了基于差分隐私保护的服务机器人视觉信息发布算法,为服务机器人的视觉隐私保护提供解决方案。该算法在获取相关图像数据集函数 f0(x,y)的过程中出现两种误差8,一种是拉斯扰动导致的噪音误
12、差 L(f0),还有一种是重新恢复带来的重构误差 V(f0)。所以发布服务机器人图像的误差为上述两种误差之和,信息发布时应该考虑减少总体误差。本文主要贡献如下:1)为了减少服务机器人视觉图像中噪音的影响,利用离散余弦变换(discrete cosine transform,DCT)对图像进行压缩,之后对所压缩的图像添加相应的拉普拉斯噪音;2)为了减少离散余弦变换带来的重构误差,引入了一种基于梯度下降算法的低频系数选择方法,该方法通过在变换空间中选择合适的 b 值进行图像压缩,而且选择的 b 值需要满足差分隐私;3)文章提出的服务机器人图像发布方法满足-差分隐私。在 4 种真实的室内环境上验证了
13、本文方法的有效性。684应用科学学报第41卷1理论基础1.1基于邻近数据集的差分隐私服务机器人视觉图像可以理解为二维像素矩阵,像素值的变化情况体现了图像的频率。一个像素数据集 D(n,w)包括 n 行样本量,w 为列或属性的数目。现在结合数据集 D 给出临近数据集的定义。定义 1临近数据集给定一个 n 行 w 列的像素矩阵Dnw=d11d1w.dn1dnw其中,dij是某个像素点的像素值,矩阵 D 的向量形式表示为 D=(d1,d2,dw),dm=(d1m,d2m,dnm)T,Dnw可以理解为含有 n 个样本量,属性的数目为维度 w,这样就可以表示为一个数据集 D(n,w)。假设数据集 D 与
14、 D0有相同的属性结构,D(n,w)和 D0相差一个记录,则称 D 和 D0为邻近数据集8。定义 2-差分隐私保护假设 Z 是一种服务机器人视觉图像发布算法,PM 为 Z 的输出范围,若算法 Z 在矩阵 D 和 D0上的任意输出结果 R(R PM)满足PrZ(D)(R)6 e PrZ(D0)(R)(1)那么 Z 满足-差分隐私9。式(1)中,表示发布图像所需要的隐私保护预算,反映了隐私保护水平,其值越小,水平越高。Pr 为发布事件的概率。差分隐私保护需要在查询的返回值中加入噪声,衡量噪声量大小的重要参数是敏感性和隐私保护预算,两个重要参数在拉普拉斯分布或指数分布的作用下产生噪声,拉普拉斯分布处
15、理数值型结果,指数分布处理非数值型结果。敏感度有全局敏感度和局部敏感度,全局敏感度涉及了任意数据集及其邻居数据集,局部敏感度只涉及了给定数据集及其邻居数据集,本文涉及全局敏感度。1.2图像离散余弦变换离散傅里叶变换(discrete Fourier transform,DFT)需要复数运算,虽然有快速变换,但实时处理方面仍然表现不足,在图像处理方面应用较少。离散余弦变换的本质是实偶函数的DFT,可以将二维图从时间域转换到频率域。以服务机器人图像的像素数据集函数 f(x,y)(x=0,1,M 1,y=0,1,N 1)为例,包括 M 行,N 列,其二维离散余弦变换为F(p,q)=apaqM1Xm=
16、0N1Xn=0f(x,y)cos(2m+1)p2Mcos(2n+1)q2Nap=(1/M,p=0p2/M,1 6 p 6 M 1,aq=(1/N,q=0p2/N,1 6 q 6 N 1(2)第4期焦合军,等:基于差分隐私保护的服务机器人视觉图像发布算法685式中:F(p,q)为 DCT 系数。离散余弦变换是可逆变换,即f(x,y)=M1Xp=0N1Xq=0apaqF(p,q)cos(2m+1)p2Mcos(2n+1)q2Nap=(1/M,p=0p2/M,1 6 p 6 M 1,aq=(1/N,q=0p2/N,1 6 q 6 N 1(3)离散余弦变换具有对称性,可以写成矩阵形式,这里假设行列数相
17、等。F=A(i,j)fA(i,j)TA(i,j)=cicos(j+0.5)Ni)(4)2基于差分隐私的服务机器人图像处理方法2.1LSP发布方法基于拉普拉斯算子的服务机器人图像保护(laplace-based service robot image protection,LSP)方法是基于拉普拉斯噪声对服务机器人的图像数据集进行扰动,之后发布数据10。现提供服务机器人图像数据集 D(n,w),向量形式为 D=(d1,d2,dw)。使用 LSP 方法对向量 D 增加相应的拉普拉斯噪声后得到噪声向量*D=(*d1,*d2,*dw),任意列向量的表现形式为*dt=dt+wXs=1LSP(1D/)(5
18、)LSP 发布方法属于-差分隐私,这里用期望值大小来衡量噪声误差 L,统一采用误差平方和的形式进行计算。L(*D)=E(wXs=1(*dt dt)2)=2wnmaxsnPt=1|dst|22(6)式中:1D 取数据集矩阵形式的最大列范数。从噪声误差的公式上看,当图像数据集样本量和属性集较大时,如果直接使用 LSP 发布图像,发布结果的有效性将收到影响,为了改善有效性,本文基于离散余弦变换技术提出了几种发布方法。2.2基于离散余弦变换的发布方法为了获得较小的噪声误差,本文利用离散余弦变换对服务机器人视觉图像进行压缩。给定数据集向量 D=(d1,d2,dw),向量的行数和列数分别是 n 和 w,利
19、用式(4)对该向量进行 DCT 变换。根据 DCT 变换的性质可知矩阵 F 中的低频系数在矩阵左上角按照从大到小排序,而且下降特别快,从而引起较少的系数之和占据了全部系数之和的大部分比例。因此需要选择 b 个低频系数以及对应的左右向量来近似描述数据集向量 D,即D=(Pnn)1*Fw(Qww)1(Pnb)1*Fb(Qbn)1,低频系数加上拉普拉斯噪声,形成噪声系数矩阵,基于此思路,提出 DCP 方法,具体算法如下:686应用科学学报第41卷算法 1DCP 方法输入服务机器人图像 D,隐私参数,参数 b输出满足-差分隐私的服务机器人图像*DDCT(D)Fn/对 D 进离散余弦变换Fn Fb/取
20、Fn 的左上角 b b DCT 系数for i from 1 to b/i 是矩阵的行for j from 1 to b/j 是矩阵的列Fb(i,j)+LSP(1D/)*Fb(i,j)/加载噪声*Fb(i,j)*Fb*Fb/低频系数处理return*D=(Pnn)1*Fn(Qww)1根据 DCP 算法的 可知,利用 函数来重构*D。只是该过程因为忽略了(n b)2对角矩阵 DA的值,出现了重构误差,采用平方根误差度量 V(*D)。V(*D)=nXi=b+1|PT|2+nXi=b+1wXj=b+1|DA|2+wXi=b+1|Q1|2(7)式中:PT=(a1,a2,an)T,ai=(ai1,ai2
21、,ain),Q1=(q1,q2,qw)1,qi=(qi1,qi2,qiw),从式(7)中可以看出,对角矩阵 DA忽略了(nb)2个矩阵数值,出现了重构误差,其数值为nPi=b+1wPj=b+1|DA|2=nPi=b+1wPj=b+1|DA(i,j)|2,PT和 Q1各自忽视了(n b)列和(wb)行数值,它们产生的重构误差为nPi=b+1|AT|2+nPi=b+1|A|2=nPi=b+1|ai|2+nPi=b+1|aTi|2。假设 1,2,b 为矩阵 D 对应奇异值。从 DCP 算法可以看出,在 中添加了拉普拉斯噪声,因此 DCP 算法的噪声误差上界为L(*D)=E(*D D)2=2bPi=1
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 隐私 保护 服务 机器人 视觉 图像 发布 算法
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。