基于隐私保护的图像处理方法、装置、设备及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114547682A(43)申请公布日2022.05.27(21)申请号202210139125.7(22)申请日2022.02.15(71)申请人支付宝（杭州）信息技术有限公司地址310000浙江省杭州市西湖区西溪路556号8层B段801-11(72)发明人曹佳炯丁菁汀(74)专利代理机构北京国昊天诚知识产权代理有限公司11315专利代理师姜凤岩(51)Int.Cl.G06F21/62(2013.01)G06F21/60(2013.01)G06N20/00(2019.01)权利要求书4页说明书16页附图7页(54)发明名称基于隐私保护的图像处理方法、装置、设备及存储介质(57)摘要本说明书一个或多个实施例提供了一种基于隐私保护的图像处理方法、装置、设备及存储介质，其中，方法包括：首先获取包含用户隐私信息的第一图像，根据用户操作确定第一图像的隐私保护等级，然后根据隐私保护等级，对第一图像执行与隐私保护等级相对应的操作，所执行的操作包括以下中的一种：将第一图像作为待上传图像；对第一图像进行可逆隐私处理得到第二图像，将第二图像作为待上传图像；对第一图像进行不可逆隐私处理得到第三图像，将第三图像作为待上传图像，最后将待上传图像上传至服务器；其中，可逆隐私处理和不可逆隐私处理通过同一机器学习模型实现。CN114547682ACN114547682A权利要求书1/4页1.一种基于隐私保护的图像处理方法，包括：获取包含用户隐私信息的第一图像，根据用户操作确定所述第一图像的隐私保护等级；根据所述隐私保护等级，对所述第一图像执行与所述隐私保护等级相对应的操作，所述执行的操作包括以下中的一种：将所述第一图像作为待上传图像；对所述第一图像进行可逆隐私处理得到第二图像，将所述第二图像作为待上传图像；对所述第一图像进行不可逆隐私处理得到第三图像，将所述第三图像作为待上传图像；将所述待上传图像上传至服务器；其中，所述可逆隐私处理和所述不可逆隐私处理通过同一机器学习模型实现。2.根据权利要求1所述的方法，其中，所述机器学习模型包括可逆隐私处理单元：对所述第一图像进行可逆隐私处理得到第二图像，包括：将所述第一图像输入至所述可逆隐私处理单元，通过所述可逆隐私处理单元对所述第一图像进行可逆隐私处理，得到所述第二图像。3.根据权利要求2所述的方法，其中，所述机器学习模型还包括非线性变换单元：对所述第一图像进行不可逆隐私处理得到第三图像，包括：将所述第一图像输入至所述可逆隐私处理单元，通过所述可逆隐私处理单元对所述第一图像进行可逆隐私处理，得到所述第二图像；将所述第二图像输入至所述非线性变换单元，通过所述非线性变换单元对所述第二图像进行非线性变换，得到所述第三图像。4.根据权利要求3所述的方法，其中，所述可逆隐私处理单元和所述非线性变换单元通过如下方式训练：获取第一训练样本图像和预设的第一训练约束条件，利用所述第一训练样本图像和所述第一训练约束条件，初步训练所述可逆隐私处理单元；在所述可逆隐私处理单元初步训练完成后，获取第二训练样本图像和预设的第二训练约束条件；利用所述第二训练样本图像和所述第二训练约束条件，优化所述可逆隐私处理单元以及训练所述非线性变换单元。5.根据权利要求4所述的方法，其中，利用所述第一训练样本图像和所述第一训练约束条件，初步训练所述可逆隐私处理单元，包括：获取第一训练样本图像，将所述第一训练样本图像输入至所述可逆隐私处理单元进行处理，得到第一处理图像；通过预设的解码器对所述第一处理图像进行解码，得到第一重构原图；基于所述第一训练样本图像和所述第一处理图像之间的第一距离、所述第一训练样本图像与所述第一重构原图之间的第二距离和所述第一训练约束条件，初步训练所述可逆隐私处理单元。6.根据权利要求4所述的方法，其中，利用所述第二训练样本图像和所述第二训练约束条件，优化所述可逆隐私处理单元以及训练所述非线性变换单元，包括；获取第二训练样本图像，将所述第二训练样本图像输入至所述可逆隐私处理单元进行处理，得到第二处理图像；2CN114547682A权利要求书2/4页将所述第二处理图像输入至所述非线性变换单元进行处理，得到第三处理图像；通过预设的解码器对所述第二处理图像进行解码，得到第二重构原图，通过所述解码器对所述第三处理图像进行解码，得到第三重构原图；基于所述第二训练样本图像和所述第二处理图像之间的第三距离、所述第二训练样本图像与所述第二重构原图之间的第四距离、所述第二训练样本图像和所述第三处理图像之间的第五距离、所述第二训练样本图像与所述第三重构原图之间的第六距离，以及所述第二训练约束条件，优化所述可逆隐私处理单元并训练所述非线性变换单元。7.根据权利要求5所述的方法，其中，所述第一训练约