基于人物图像视觉特征的人物性格隐私分析
人脸识别技术的隐私问题探讨
人脸识别技术的隐私问题探讨人脸识别技术的广泛应用，给我们的生活带来了便利。
然而，随之而来的隐私问题也逐渐显现出来。
本文将探讨人脸识别技术对个人隐私的影响，并提出一些应对措施。
一、人脸识别技术的背景和应用随着人工智能和计算机视觉技术的飞速发展，人脸识别技术逐渐成为一种重要的生物识别技术。
它通过对人脸图像进行采集、处理和比对，能够实现人脸的自动检测、识别和分析。
人脸识别技术已经广泛应用于各个领域。
在公共安全领域，它可以帮助警方迅速锁定犯罪嫌疑人；在金融领域，它能够提供更加安全的身份认证方式；在社交媒体和手机解锁上，它可以方便人们的生活等。
二、人脸识别技术带来的隐私问题然而，人脸识别技术的广泛应用也引发了人们对隐私的担忧。
以下是人脸识别技术可能导致的隐私问题：1. 信息泄露：人脸图像一旦被采集，就有可能被用于非法用途，例如个人信息盗窃、身份冒充等。
2. 大数据搜集：人脸识别技术需要大量的数据支持，这就意味着大量的个人信息将被搜集和存储。
这些数据的安全性和隐私保护面临严峻的挑战。
3. 跨领域关联：通过人脸识别技术，不同领域的数据可以进行关联，进一步加剧了隐私泄露的风险。
例如，通过与其他数据库的关联，可以获取到一个人的详细背景信息。
三、应对人脸识别技术的隐私问题为了保护个人的隐私，有以下几种应对措施可供选择：1. 加强法律法规：相关部门应积极出台和完善人脸识别技术的监管法规，明确个人信息的边界和保护责任。
同时，对于违法使用人脸识别技术的行为，应加大处罚力度。
2. 强化数据安全：数据存储和传输的安全性是保护个人隐私的重要环节。
相关机构和企业应增强对数据安全的意识，采取严格的措施保护个人信息不被非法获取。
3. 提升用户参与度：个人信息的使用和共享应该得到用户的明确允许。
相关企业应该提供明确的隐私政策，告知用户他们的个人信息将如何被使用，并给予用户选择的权利。
4. 技术改进：人脸识别技术还有很大的改进空间。
例如，可以开发更加隐私友好的人脸识别算法，减少个人信息的暴露机会。
人脸识别技术的隐私保护问题分析
人脸识别技术的隐私保护问题分析随着科技的进步和应用的普及，人脸识别技术已经成为了现实生活中的常见事物。
从解锁手机、自动支付到身份验证等多个领域都能见到人脸识别技术的应用。
然而，伴随着对便利性和安全性的追求，人脸识别技术的隐私保护问题也备受关注。
人脸识别技术旨在通过面部特征的分析、录入和比对，对个人进行身份认证和辨识。
虽然这项技术在一定程度上提高了生活的便捷性和安全性，但是也引发了一系列的隐私保护问题。
以下将就人脸识别技术的隐私保护问题展开分析。
首先，人脸识别技术可能导致个人隐私泄露。
在现代社会，个人数据的保护越来越重要。
然而，人脸识别技术的应用往往需要个人面部图像的采集与传输，这就意味着个人的隐私信息有可能被滥用或者泄露出去。
如果面部图像存储在未经充分保护的数据库中，黑客或者其他不法分子可能会获取这些敏感数据。
此外，一旦面部图像落入不专业或者不道德的公司或个人手中，个人可能面临身份被盗用、合成虚假证据等风险。
其次，人脸识别技术对社会公众监控的程度带来了担忧。
在一些国家和地区，人脸识别摄像头被广泛部署在公共场所，用于犯罪抓捕、公共安全等方面。
然而，这种全天候的监控行为对社会公众造成了强烈的担忧。
个人的行踪、行为习惯等信息不断被搜集和分析，人们对于个人隐私的保护感受到了威胁。
特别是对于政府滥用人脸识别技术的担忧，可能导致个人人权受侵犯、社会信任危机、舆论压力等后果。
此外，人脸识别技术的错误率与公平性也值得关注。
人脸识别技术的准确性是保证其有效性和可靠性的关键指标之一。
然而，由于各种原因，如光线、角度、遮挡等，人脸识别技术并不是100%准确的。
一些研究表明，人脸识别技术对于特定种族、特定性别、特定年龄的人群可能存在较高的误识率，这就带来了公平性的问题。
如果人脸识别技术被广泛应用于就业、犯罪调查、政府治理等领域，错误率和公平性问题可能会引发不公正和歧视。
在面对这些问题时，相关部门和企业可以采取一系列措施来保护人脸识别技术的隐私。
基于人脸识别的个人信息保护与隐私安全研究
基于人脸识别的个人信息保护与隐私安全研究一、引言随着科技的发展，人脸识别技术被广泛运用于各个领域，如安全防护、金融支付、社交娱乐等。
然而，同时也引发了个人信息保护与隐私安全的关注。
个人信息的泄露和滥用给人们带来了巨大的困扰和安全威胁。
因此，基于人脸识别的个人信息保护与隐私安全研究显得尤为重要。
二、人脸识别技术的原理与应用1. 人脸识别技术的原理人脸识别技术是一种通过对人脸图像进行特征提取、匹配和识别来实现个体身份辨认的技术。
它的主要原理是通过摄像头采集人脸图像，提取图像特征，与数据库中事先存储的人脸特征进行比对和匹配，最终确定个体身份。
2. 人脸识别技术的应用人脸识别技术已经广泛应用于各个领域。
在安全防护方面，人脸识别技术可以用于出入口控制、智能锁等。
在金融支付领域，人脸识别技术可以用于支付验证和身份认证。
在社交娱乐领域，人脸识别技术可以用于拍照美颜、表情识别等。
三、个人信息保护与隐私安全问题1. 个人信息泄露风险在人脸识别技术中，个人的生物特征图像被采集和存储，这些信息可能会被黑客非法获取或者遭受内部人员的非法利用，从而导致个人信息泄露风险。
2. 个人信息滥用问题人脸识别技术可以获取个人的真实身份信息，如果这些信息被用于商业利益追求或者其他不良目的，将会对个人权益产生严重影响。
四、个人信息保护与隐私安全的挑战1. 技术挑战目前人脸识别技术仍存在许多问题，如光线变化、遮挡、姿态变化等都可能影响识别的准确性。
因此，在实际应用中需要解决这些问题以提高识别准确率。
2. 法律和道德挑战个人信息保护与隐私安全也是一个法律和道德的问题。
各国在立法和监管方面仍存在差异，对于个人信息的获取和使用也有不同的规范和要求。
五、个人信息保护与隐私安全的对策1. 强化技术手段在人脸识别技术上，需要不断改进算法和模型，提高识别率和稳定性。
同时，采用多种因素结合的身份验证方式，如指纹识别、声纹识别等，以提高安全性。
2. 加强隐私保护措施加强个人信息的加密和存储措施，确保个人信息在传输和存储过程中不会被窃取或篡改。
基于人脸识别技术的个人隐私保护方法研究
基于人脸识别技术的个人隐私保护方法研究随着科技的迅猛发展，人脸识别技术已经逐渐渗透到我们的生活中。
然而，与此同时，人们对于个人隐私保护的关注也日益增强。
本文旨在探讨基于人脸识别技术的个人隐私保护方法，并提出一些应对措施。
首先，我们需要了解人脸识别技术的原理。
人脸识别技术是一种通过分析和识别人脸特征，从而判断出某个人身份的一种技术手段。
它通过采集和比对人脸的特征点，以图像识别和模式识别为基础，通过计算机进行模拟，最终实现对人脸的识别。
然而，人脸识别技术也带来了一系列的隐私问题。
比如在公共场合，我们的面部信息可能会被无意泄露或者被恶意使用。
为了解决这个问题，我们可以采用如下的隐私保护方法。
首先，加强法律保护。
政府应该制定相关的法律法规，明确规定个人隐私的保护范围和标准。
禁止未经允许的人脸识别行为，同时对违规行为给予相应的处罚。
此外，个人在与相关企事业单位签署协议时，也应加入隐私保护条款，规定明确的使用和保护措施。
其次，采用去中心化的隐私保护技术。
传统的人脸识别技术中，一般需要将个人的面部信息上传到中心服务器进行比对，容易导致个人隐私泄露。
因此，将人脸识别模型和个人信息保存在本地设备，通过设备间的点对点连接进行识别，可以有效地减少个人信息外泄的风险。
此外，可以结合加密技术来保护个人隐私。
通过对人脸图像进行加密处理，可以使其难以被非法解密，从而有效保护个人隐私。
同时，在数据传输过程中，也可以采用加密算法，防止信息被截取和窃取。
另外，人脸识别技术的误识别问题也需要引起重视。
为了减少误识别率，可以加入多模态信息进行识别，如结合声音或者指纹等其他生物特征进行认证。
这样可以提高识别的准确性，避免因人脸相似度高而导致的错误识别，从而更好地保护个人隐私。
最后，教育公众和提高个人意识也是保护个人隐私的关键。
需要加强对人脸识别技术的普及和宣传，让公众了解其原理和风险，并相应提高自身的信息安全意识。
此外，对于涉及个人隐私的应用和系统，个人也应该保持谨慎，审慎选择和使用。
人脸识别技术的隐私问题分析
人脸识别技术的隐私问题分析人脸识别技术的迅猛发展给我们的生活带来了许多便利，但同时也引发了一系列隐私问题。
本文将对人脸识别技术的隐私问题进行分析，并探讨解决这些问题的方法和措施。
一、人脸识别技术的原理与应用人脸识别技术是基于图像识别、模式识别和人工智能等技术的综合应用。
通过对人脸的采集、特征提取和比对，系统可以识别出一个人的身份信息。
目前，人脸识别技术广泛应用于安全检测、人员管理、支付系统等领域。
二、人脸识别技术面临的隐私问题尽管人脸识别技术为我们提供了便捷，但它也面临着一些潜在的隐私问题。
首先，人脸数据的采集和存储可能泄露个人隐私。
当个人的人脸数据被恶意利用时，可能导致身份盗窃和隐私泄露等问题。
其次，人脸识别技术在公共场所的使用可能侵犯个人隐私权。
例如，一些商场和酒店安装了摄像头进行人脸识别，未经用户的明确同意，就将用户的个人信息暴露在公众视野中。
此外，人脸识别技术的误识率也存在问题，可能会导致无辜人士被错误识别和侵害。
三、保护人脸识别技术的隐私问题为了应对人脸识别技术的隐私问题，我们可以采取一系列措施来保护个人隐私。
首先，加强对人脸数据的保护措施，采用加密技术和安全存储措施，确保人脸数据不被非法获取和利用。
其次，建立严格的数据使用和共享机制，明确规定人脸数据的合法使用范围和条件，禁止未经授权的数据共享和交易。
此外，加强对人脸识别技术的监管和审查，确保技术的合法合规使用，防止滥用和误用。
四、社会对于人脸识别技术隐私问题的关注近年来，人脸识别技术的隐私问题引起了广泛的社会关注。
公众对于自身隐私的保护越来越重视，对于人脸识别技术的合法性和透明度提出了更高的要求。
各方面的专家学者也纷纷就人脸识别技术的隐私问题进行研究和讨论，提出了一些解决方案和政策建议。
社会舆论的压力促使相关部门加强对人脸识别技术的监管，并推动隐私保护法律法规的完善。
五、未来的发展趋势与展望随着人脸识别技术的不断发展和普及，隐私问题仍然是一个亟待解决的难题。
人脸识别算法的隐私保护研究与方法优化分析
人脸识别算法的隐私保护研究与方法优化分析人脸识别技术在当今社会得到了广泛应用，其在安防、金融、教育等领域具有重要的应用价值。
然而，随着人脸识别技术的不断发展，人们对于个人隐私保护的关注也越来越高。
因此，人脸识别算法的隐私保护成为一个重要的研究方向。
随着深度学习技术的兴起，人脸识别算法在准确率和鲁棒性方面取得了长足的进步。
然而，现有的人脸识别算法往往在隐私保护方面存在一定的问题。
它们可能会收集和存储用户的个人生物信息，如脸部特征等，进一步暴露用户的隐私。
另外，一些黑客攻击技术也可能通过利用漏洞，获取用户的个人信息，进而进行恶意行为。
针对以上问题，研究人员一直在努力寻找隐私保护的方法，以确保人脸识别算法的安全性和隐私性。
下面将从三个方面进行具体分析：差异化隐私保护、数据去标识化和加密技术。
首先，差异化隐私保护是一种常见的方法。
其基本思想是在保障人脸识别算法的准确性的同时，对用户的个人身份进行模糊化处理，以保护用户的隐私。
例如，在训练人脸识别算法时，可以引入一些噪声数据，对原始人脸图像进行修改，使得识别结果与用户的真实身份不完全一致。
这样一来，即使黑客获取了人脸识别算法的数据，也难以准确获得用户的真实身份。
其次，数据去标识化也是一种重要的隐私保护方法。
数据去标识化的目的是消除个人信息中的标识性特征，使得数据无法追溯到具体的个人。
在人脸识别算法中，可以对输入图像进行随机变换，如旋转、翻转、缩放等操作，以减少个人身份信息的泄露。
此外，为了进一步增加隐私保护，可以采用模糊化技术对人脸进行处理，使得识别结果无法准确反映用户的真实特征。
最后，加密技术也是一种常见的隐私保护方法。
在人脸识别算法中，可以使用加密算法对人脸特征进行加密处理，使得黑客无法准确获取用户的个人信息。
同时，为了保证识别的准确性，需要将加密算法与人脸识别算法相结合，确保解密后的人脸特征与原始特征一致。
综上所述，人脸识别算法的隐私保护研究涉及差异化隐私保护、数据去标识化和加密技术等多个方面。
《人脸识别技术的隐私威胁研究》范文
《人脸识别技术的隐私威胁研究》篇一一、引言随着科技的快速发展，人脸识别技术已逐渐渗透到我们的日常生活中，从智能手机解锁到公共安全监控，其应用场景越来越广泛。
然而，这种便捷性的背后也引发了关于隐私保护的担忧。
本文旨在深入探讨人脸识别技术可能带来的隐私威胁，以期为相关研究和政策制定提供参考。
二、人脸识别技术的发展与现状人脸识别技术是一种生物识别技术，通过分析比对人脸特征进行身份识别。
近年来，随着深度学习、计算机视觉等技术的发展，人脸识别技术在准确性和速度上都有了显著提升。
目前，该技术已广泛应用于金融、安防、医疗、教育等领域。
三、人脸识别技术带来的隐私威胁1. 侵犯个人隐私人脸识别技术能够无感知地收集个人的面部信息，这些信息往往与个人的隐私密切相关。
如果这些信息被非法获取或滥用，可能导致个人隐私泄露，给个人带来不必要的麻烦和损失。
2. 监控滥用在公共场所安装的人脸识别摄像头可能对公众进行24小时无死角的监控。
这种大规模的监控不仅侵犯了公民的隐私权，还可能引发公众对政府监控的担忧和反感。
3. 数据安全风险人脸识别系统需要大量的面部数据进行训练和优化。
如果这些数据存储不当或被黑客攻击，可能导致数据泄露。
一旦这些数据落入恶意之手，可能会被用于非法目的，如诈骗、敲诈勒索等。
4. 歧视与偏见问题人脸识别技术在应用过程中可能存在歧视和偏见问题。
由于算法的准确性受到数据集的影响，如果数据集中存在种族、性别、年龄等方面的偏见，可能导致算法在处理不同人群时出现不公平的现象。
这可能引发社会公平和正义的争议。
四、应对人脸识别技术隐私威胁的策略1. 制定法律法规政府应制定相关法律法规，规范人脸识别技术的使用，保护公民的隐私权。
同时，应建立相应的监管机构，对人脸识别技术的研发、应用和数据进行监管。
2. 提高技术安全性研发人员应提高人脸识别技术的安全性，采用加密、匿名化等手段保护个人数据。
同时，应定期对系统进行安全审计和漏洞检测，确保系统不被黑客攻击。
基于人脸检测的性格分析
本文尝试提出面相分析算法，该算法训练一个 规则模型，并在测试中不断完善。
面相分析算法
收集样本的照片 与性格信息分组
利用stasm算法获 得人脸特征点
处于阈值内
判定成功
对每一个面部 特征信息
根据该面部特征 可能的性格方向，
将样本归类
根据每一类数据 的加权平均值，
选取阈值
将新样本分类
实验结果
Research Result
实验结果
欢迎界面
检测界面
实验结果
选择照片
返回结果
THANKS
将面相学部分信 息参数化
Value 04 Value 03
Value 02 Value 01
实现对照片中正脸人物 的初步性格信息分析
尝试提出面相分 析算法
核心算法
The Algorithm
核心算法
01 Stasm算法
Stasm算法是人脸检测算法，可以将人脸面部特 征点标记出来。本文借助stasm库，获取面部特 征点位置信息，用以后续的面相分析算法。
• 例如，“人中长”这一位置感觉。
所需变量-Variable
1 性格信息条目xi
根据面相学得到需要的性格信息 条目，其值取决于问卷中的选项， 为-1，0，1。
2 个人性格信息向量Mn
Mn=（x1, x2, …, xi）相当于一 个人的全部所需性格信息条 目集合。n为对应的样本编号。
3 面部特征Si
根据面相分析 算法得到的规 则进行分类
由各个类别中的 性格信息条目汇 总形成性格分析
问题探讨
Problem Exploration
主要问题 - Problems
1.训练样本问题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
பைடு நூலகம்
关键词 ：人物 图像 ：视觉特征 ；人物性格；隐私
中图分 类号 ：Ｔ Ｐ ３ ７ 文献标识码：Ａ
Ｈ 一 一 ｕｍ ａｎ Ｄｅ ｒ Ｓ ０ｎａｎｔ １ ● Ｊ Ｖ Ｄｒ ｌ ● ｖａｃ ｙ ａｎａｌ ０ ｙｓ ｉ ‘ ｓ １ Ｄａｓ ｅ ｄ １ ｏｎ ｖｌ ● Ｓ Ｕａ ｌ ■● Ｉ ’ ｅ ａｔ ・ ｕｒ ｅ ｓ
ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ ｒ ｅ ｃ ｏ ｍｍｅ ｎ ｄ ａ ｔ ｉ ｏ ｎ ． Ｂｕ ｔ ｒｏ ｆ ｍ ｐ ｅ ｓｐ ｒ ｅ ｃ ｔ ｉ ｖ ｅ ｏ ｆ ｐ ｒ ｉ ｖ ａ ｃ ｙ ｐ ｒ ｏ ｔ ｅ ｃ ｔ ｉ ｏ ｎ ， ｔ ｈ ｉ ｓ ｗｉ ｌ ｌ ａ ｆｅ ｃ ｔ ｈｅ ｔ ｐ ｉｖ ｒ ａ ｃ ｙ ｓ ｅ ｃ ｕ ｒ ｉ ｙ． ｔ Ａ ｎ ｏ ｖ ｅ ｌ ｈ ｕ － ｍａ ｎ ｐ ｅ ｒ ｓ ｏ ｎ ａ ｌ ｉ ｙ ｔ ｐ ｒ ｉ ｖ ａ ｃ ｙ ｎａ ａ ｌ ｙ ｓ ｉ ｓ ｍｅ ｔ ｈ ｏ ｄ ｂ ｓｅ ａ ｄ ｏ ｎ ｐ ｏ ｒ ｔ ｒ ａ ｉ ｔ ｗａ ｓ ｐ ｒ ｏ ｐ ｏ ｓ ｅ ｄ ． Ｂｙ ｎａ ａ ｌ ｙ ｚ ｎｇ ｉ ｈｅ ｔ ｐ ｅ ｒ ｓ ｏ ｎ ａ ｌ ｉ ｙ ｔ ｍｏ ｄ ｅ ｌ ｏ ｆ ｔ ｈ ｅ ｐ ｓ ｙ －
２ ． Ｃ ｏ ｌ ｌ ｅ ｇ ｅ ｏ ｆ Ｉ ｎ ｆ ｏ ｒ ｍａ ｉ ｆ ｏ ｎ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ａ ｎ ｄ Ｅ ｎ ｇ ｎｅ ｉ ｅ ｒ ｉ ｎ ｇ ， Ｏ ｃ ｅ ｎ ａ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｙ ｔ ｏ ｆ Ｃ ｈ ｎａ ｉ ， Ｑ ｎｇ ｉ ｄ ａ ｏ ２ ６ ６ １ ０ ０ ， Ｃ ｈ ｎａ ｉ ） Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ： Ｐ ｅ ｒ ｓ ｏ ｎ ａ ｌ ｉ ｚ ｅ ｄ ｒ ｅ ｃ ｏ ｍｍ ｅ ｎ ｄ ａ ｔ ｉ ｏ ｎ ｉ ｎ ｓ ｏ ｃ ｉ ａ ｌ ｍｅ ｄ ｉ ａ ａ ｔ ｔ ｅ ｍｐ ｔ ｓ ｔ ｏ ａ ｎ ａ ｌ ｙ ｚ ｅ ｔ ｈ ｅ ｈ ａ ｂ ｉ ｔ ｓ ａ ｎ ｄ ｐ ｅ ｒ ｓ ｏ ｎ ａ ｌ ｉ ｔ ｙ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｈｅ ｔ ｌ ｏ ｃ ａ － ｔ ｉ ｏ ｎ ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ ｎｄ ａ ｐ ｉ ｃ ｔ ｕ ｒ ｅ ｓ ｆ ｒ ｏ ｍ ｈｅ ｔ ｕ ｓ ｅ ｒ ｓ ’ ｃ ｏ ｍｍｅ ｎ ｔ ｓ ｏ ｎ ｔ ｈ ｅ ｐ ｕ ｂ ｌ ｉ ｃ ｐ ｌ ａ ｔ ｆ ｏ ｒ ｍ． Ｔｈ ｉ ｓ ｉ ｓ ｖ ｅ ｒ ｙ ｕ ｓ ｅ ｆ ｕ ｌ ｆ ｏ ｒ ｐ ｅ ｒ ｓ ｏ ｎ ａ ｌ ｉ ｚ ｅ ｄ ｉ ｎ —
性格等 ，以提供个性化服务，但也 因此给用户 的隐私 安全造成威胁 。从隐私挖掘的角度，提 出了一种基于人物图 像的人物性格隐私分析方法。基于认知科学中的人物 性格 模型，提 出了 ５ 类视觉特征 ，包括颜色 、纹理、形状、 伊顿对 比和表情特征 。实验表 明，所提方法可 以有效挖掘用户 的性格隐私，特征选择 实验进一步验证 了所提出特
ｃ ｈ ｏ ｌ ｏ ｇ ｙ ，ｆ ｉ ｖ ｅ ｖ ｉ ｓ ｕ ａ ｌ ｆ ｅ ａ ｔ ｕ ｒ ｅ ｓ ｗｅ ｒ ｅ ｐ ｒ ｏ ｐ ｏ ｓ ｅ ｄ ， ｉ ｎ ｃ ｌ ｕ ｄ ｉ ｎ ｇ ｃ ｏ ｌ ｏ ｒ ｆ ｅ ａ ｔ ｕ ｒ ｅ ｓ ， ｔ ｅ ｘ ｔ ｕ ｒ ｅ ｆ ｅ ａ ｔ ｕ ｒ ｅ ｓ ，ｓ ｈ ａ ｐ ｅ ｆ ｅ ａ ｔ ｕ ｒ ｅ ｓ ， Ｉ ｔ ｅ ｎ ｃ ｏ ｎ ｔ ｒ ｓｔ ａ ｆ ｅ ａ － ｔ ｕ ｒ ｅ ｓ ｎｄ ａ ｅ ｘ ｐ ｒ ｅ ｓ ｓ ｉ ｏ ｎ ｆ ｅ ａ ｔ ｕ ｒ ｅ ｓ ． Ｃｏ ｍｐ ｒ ｅ ｈ ｅ ｎ ｓ ｉ ｖ ｅ ｅ ｘ ｐ ｅ ｉ ｒ ｍｅ ｎ ｔ ｓ ｄ ｅ ｍｏ ｎ ｓ ｔ ｒ ａ ｔ ｅ ｔ ｈ ｅ ｅ ｆｅ ｃ ｔ ｉ ｖ ｅ ｎ ｅ ｓ ｓ ｏ ｆ ｔ ｈ ｅ ｐ ｒ ｏ ｐ ｏ ｓ ｅ ｄ ｍｅ ｔ ｈ ｏ ｄ ． Ｆ ｕ ｒ ｔ ｈ ｅ ｒ ，
第３ ７卷第 １ １ 期
２ ０ １ ６年 １ １月
通
信
学
报
、 ， ０ １ ． ３ ７ Ｎｏ ． １ １ Ｎｏ ｖ ｅ ｍｂ ｅ ｒ ２ ０１ ６
Ｊ ｏ ｕ ｒ ｎ ａ ｌ Ｏ ｎ Ｃｏ ｍｍｕ ｎ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｓ
ｄ ｏ ｉ ： １ ０ ． １ １ ９ ５ ９ ／ ｊ ． ｉ ｓ ｓ ｎ ． １ ０ ０ ０ － ４ ３ ６ ｘ ． ２ ０ １ ６ ２ ２ ３
基 于人物 图像视 觉特征 的人物性格 隐私分析
聂婕 ，黄磊 ，李臻 ，张健 ，闫艳 ，魏志强
（ １ ． 清华 大 学计算 机科 学与 技术 系 ，北京 １ ０ ０ ０ ８ ４ ；２ ． 中国海 洋大 学信 息科 学与 工程 学院 ， 山东 青岛 ２ ６ ６ １ ０ ０ ）
摘
要： 社交媒体 中的个性化推荐试 图通过对公开在公众平 台中的用户位置、图片等信息 的分析得到用 户的习惯 、
ＮＩ Ｅ Ｊ ｉ ｅ ， ＨＵＡＮＧ Ｌ ｅ ｉ ， Ｌ Ｉ Ｚ ｈ ｅ ｎ ， ＺＨＡＮＧ Ｊ ｉ ａ ｎ ， Ｙ ＡＮ Ｙ ａ ｈ ， ＷＥ Ｉ Ｚ ｈ ｉ ． ｑ ｉ ａ ｎ ｇ
（ １ ． Ｄ ｅ ｐ ａ ｒ ｔ ｍｅ ｎ ｔ ｏ ｆ Ｃ ｏ ｍ ｐ ｕ ｔ ｅ ｒ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ａ ｎ ｄ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ， Ｔ ｓ ｉ ｎ ｇ ｈ ｕ ａ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ， Ｂ ｅ ｉ ｊ ｉ ｎ ｇ １ ０ ０ ０ ８ ４ ， Ｃ ｈ ｉ ｎ ａ ；