融合深度学习特征的图像隐私加密保护方法研究
Journal: Engineering and Management Science DOI: 10.32629/ems.v8i5.20199
Abstract
随着云计算、大数据与人工智能技术发展，图像广泛应用于多领域，隐私泄露风险突出，图像隐私加密成为研究热点。传统加密方法存在适应性差、抗攻击弱、难平衡安全与效率等问题，无法满足复杂场景需求。深度学习的强大特征提取与自适应能力为其提供新路径，本文结合深度学习特性，分析传统方法局限与融合方法优势，探讨其实现路径与优化策略，旨在提出科学加密方法，为图像隐私保护提供支撑，推动技术创新。
Keywords
深度学习；图像隐私；加密保护；特征提取；抗攻击能力；加密效率
Full Text
PDF - Viewed/Downloaded: 1 TimesReferences
[1] 鲁瑞,张南,辛君芳.基于深度学习的人脸图像加密算法研究[J].计算机测量与控制,2023,31(6):217-222,230.
[2] 游丽.基于人脸检测与图像加密的隐私保护应用研究[D].吉林:延边大学,2024.
[3] 何汇林,沈佳辰,曹珍富,等.基于隐私保护无监督学习的区块链算力回收共识机制[J].网络空间安全科学学报,2025,3(2):59-69.
[4] 杨凯新.基于感知加密的监控图像人脸隐私保护算法[J].山东通信技术,2025,45(1):28-32.
[5] 陈鹏宇,李兴旺.图像隐私保护的加密处理模型设计与实现[J].通讯世界,2024,31(5):67-69.
[2] 游丽.基于人脸检测与图像加密的隐私保护应用研究[D].吉林:延边大学,2024.
[3] 何汇林,沈佳辰,曹珍富,等.基于隐私保护无监督学习的区块链算力回收共识机制[J].网络空间安全科学学报,2025,3(2):59-69.
[4] 杨凯新.基于感知加密的监控图像人脸隐私保护算法[J].山东通信技术,2025,45(1):28-32.
[5] 陈鹏宇,李兴旺.图像隐私保护的加密处理模型设计与实现[J].通讯世界,2024,31(5):67-69.
Copyright © 2026 陈柯柯
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License