Resumen

El intercambio de imágenes en línea en plataformas sociales puede llevar a una divulgación no deseada de la privacidad. Por ejemplo, algunas empresas pueden detectar estos grandes volúmenes de imágenes subidas para realizar un análisis profundo de las preferencias de los usuarios con fines comerciales. Y su tecnología podría ser el modelo de aprendizaje más poderoso de hoy en día, la red neuronal profunda (DNN). Para evitar estos detectores automáticos de DNN sin afectar la calidad visual de los ojos humanos, diseñamos e implementamos un nuevo método, que hace que el detector automático sea ciego a la existencia de objetos en una imagen, creando un tipo de. Es como si todos los objetos desaparecieran después de usar un delante de la vista del detector. Luego evaluamos la efectividad de a través de nuestra medida recién definida, llamada. Los resultados indican que nuestro esquema tiene una tasa de éxito considerable para garantizar la privacidad en comparación con otros métodos, como el mosaico, el desenfoque y el ruido. Mejor aún, tiene el menor impacto en la calidad visual de

• Materias:Amenaza avanzada persistente Internet de las cosas Seguridad cibernética Estegoanálisis Cifrado descentralizado
• Subjects:Advanced persistent threat Internet of things Cyber security Stegoanalysis Decentralized encryption
• Palabras claves:Intercambio de imágenes; Divulgación de la privacidad; Red neuronal profunda; Detector ciego; Calidad visual; Intensidad de perturbación
• Keywords:Image sharing; Privacy disclosure; Deep neural network; Detector blind; Visual quality; Perturbation intensity