Advertisement

DeepPrivacy：深度隐私保护

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：ZIP

简介：
DeepPrivacy是一款专注于提供深度隐私保护的应用程序或软件工具。它采用先进的技术和策略来确保用户的数据和通信完全私密安全，让用户在网络世界中自由交流而不必担心信息泄露的风险。 DeepPrivacy 是一种用于图像的全自动匿名化技术。 该存储库包含 ISVC 2019 和 GCPR 2020 上发表论文的源代码。 DeepPrivacy GAN 在处理过程中不会接触到任何隐私敏感信息，从而确保了完全匿名化的图像。它利用边界框注释来识别需要保护隐私的区域，并使用稀疏的姿态信息在复杂情况下指导网络。 DeepPrivacy 使用最新的检测方法来定位人脸。通过应用少量姿态数据以改善面部对齐，进而提高处理旋转脸部的效果。 版本2中的新功能包括： - 支持 FP16 推理 - 采用单一 SSD 模型（retinanet）进行面部和界标检测 - 在匿名化前对面部进行预对齐，从而提升旋转脸的性能 - 对大量代码进行了重构 - 包括我们论文“具有可学习特征插补的图像修补”中的所有改进 - 支持标准图像修复数据集

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • DeepPrivacy：深度隐私保护
    优质
    DeepPrivacy是一款专注于提供深度隐私保护的应用程序或软件工具。它采用先进的技术和策略来确保用户的数据和通信完全私密安全，让用户在网络世界中自由交流而不必担心信息泄露的风险。 DeepPrivacy 是一种用于图像的全自动匿名化技术。 该存储库包含 ISVC 2019 和 GCPR 2020 上发表论文的源代码。 DeepPrivacy GAN 在处理过程中不会接触到任何隐私敏感信息，从而确保了完全匿名化的图像。它利用边界框注释来识别需要保护隐私的区域，并使用稀疏的姿态信息在复杂情况下指导网络。 DeepPrivacy 使用最新的检测方法来定位人脸。通过应用少量姿态数据以改善面部对齐，进而提高处理旋转脸部的效果。 版本2中的新功能包括： - 支持 FP16 推理 - 采用单一 SSD 模型（retinanet）进行面部和界标检测 - 在匿名化前对面部进行预对齐，从而提升旋转脸的性能 - 对大量代码进行了重构 - 包括我们论文“具有可学习特征插补的图像修补”中的所有改进 - 支持标准图像修复数据集
     
  • S7隐私保护功能
    优质
    S7隐私保护功能旨在为用户提供全面的数据安全解决方案，包括应用程序权限管理、私人模式启动以及加密服务等特色功能，确保用户个人信息的安全与私密性不受侵犯。 S7-Block Privacy 功能可以用于加密解密STEP 7功能块，并且可以把加密后的FC或FB下载到CPU中去。此功能比know-how protection 提供了更高级别的安全性。
     
  • Privacy2.0：个人隐私保护
    优质
    Privacy2.0：个人隐私保护探讨了在数字化时代背景下，个人数据安全与隐私权的重要性，提出了一系列创新性的解决方案和未来趋势展望。 Privacy2.0相比1.0版本增加了密码复制、账号复制功能，并新增了三围预测以及两个身材记录选项，在购买衣物时可以直接调用你的三围数据。此外还附带了加密解密软件，最重要的是它提供了导入导出数据的功能，这样在更新软件时可以避免丢失重要信息。另外，Privacy2.0的一大亮点是权限管理功能：对于不想轻易让他人知晓的账号，用户可以在普通权限下登录系统；而需要查看受限制资料时，则可以通过高级权限进行访问。
     
  • LBS位置隐私的保护
    优质
    简介：本文探讨了LBS（基于地理位置的服务）中用户位置隐私面临的挑战与风险，并提出相应的保护措施和策略。 社交网络中的位置服务（LBS）涉及如何保护用户的位置隐私。
     
  • 隐私保护红线系统 v1.0.3
    优质
    隐私保护红线系统v1.0.3致力于为用户提供全面的数据与个人信息安全防护，严格遵循法律法规，确保用户隐私不被侵犯。 红线隐私保护系统是一款能够对应用进行安全加密的软件。其电脑版采用高强度的加密算法，并设有低、中、高三个级别的防护措施，以确保应用程序受到严格的隐私保护，防止信息泄露、不良应用及黑客攻击的发生，且完全免费。 功能特色如下： 1. 使用高于企业级标准的安全技术来保障个人用户的资料安全。 2. 通过创新的技术手段实现无文件重定向和中间临时文件操作，并消除了明文泄密的风险。 3. 界面简洁易用，满足移动办公的需求。用户只需登录账户并授权新设备即可在新的环境中打开加密文档。 4. 使用AES256、AES512以及国家保密局制定的商业级SM2和SM3等高强度加密算法，以适应不同类型用户的隐私保护需求（包括政府及军队人员）。 5. 采用精简高效的内核设计，兼容所有操作系统，并支持透明加解密操作。这种方案减少了冗余并降低了故障发生的可能性。 6. 基于机器硬件特征和随机生成的加密种子实现个性化安全设置，进一步提升了系统的安全性与稳定性。
     
  • 机器学习与隐私保护.pptx
    优质
    本演示文稿探讨了在实施机器学习技术时面临的隐私保护挑战，并提出了一系列旨在平衡数据利用和用户隐私的技术解决方案。 这篇关于隐私保护与机器学习的PPT基于2014年的一篇论文制作而成，共有26页内容，适合大约40分钟的演讲时间。该PPT涵盖了背景介绍、机器学习的基本概念、隐私攻击的方式以及各种隐私保护的方法，并重点介绍了差分隐私这一重要的保护方式。
     
  • 在模型攻击下的深度学习中实现差异隐私保护（PrivateDeepLearning）
    优质
    《PrivateDeepLearning》探讨了如何在面对模型攻击时，于深度学习框架内实施有效的差异隐私保护策略，旨在保障数据安全与模型性能之间的平衡。 在研究论文的标题中提到的技术包括AdLM、pCDBN、dp-Autoencoder 和 StoBatch。这些技术分别用于实现深度学习中的差异隐私保护： 1. **具有对抗性学习认证鲁棒性的可扩展差分隐私自适应拉普拉斯机制**：该方法旨在提高模型在面对攻击时的鲁棒性和隐私保护能力。 2. **卷积深度信念网络中保留差分隐私的方法**：此技术专注于在使用CDBN进行特征提取的过程中保持数据的差异性隐私。 3. **用于人类行为预测应用中的自动编码器差异性隐私保护方法**：该研究探索了如何通过dp-Autoencoder来保护训练过程中产生的敏感信息。 这些软件均基于TensorFlow编写，需要Python 3和Tensorflow版本1.1或更高版本的支持。具体操作步骤如下： - 使用以下命令在MNIST数据集上计算差异专用LRP： ``` python dpLRP_MNIST.py ``` - 计算Cifar10的差分专用LRP，使用此命令： ``` python3 dpLRP_Cifar10.py ``` - 在MNIST数据集上运行AdLM模型，请执行以下命令： ``` python3 AdLM.py ``` - 对于在Cifar10上的AdLM模型的实验，则需要使用下面这个命令来启动程序： ``` python3 AdLMCNN_ ```
     
  • 一键清空QQ资料，保护隐私
    优质
    本工具提供一键清空QQ所有个人信息、聊天记录及文件的功能，帮助用户有效保护个人隐私安全。简单操作，快速清除数据，确保账户信息安全无虞。 一键清空QQ资料，保护个人隐私。
     
  • 关于差分隐私保护的综述
    优质
    本文是对差分隐私这一重要数据保护技术进行全面而深入的回顾。文中梳理了差分隐私的基本概念、发展历程及其在不同领域的应用现状，并探讨了当前面临的挑战和未来的研究方向，旨在为相关研究者提供全面的信息参考。 差分隐私保护是当前备受关注的研究课题，这里提供一篇关于该主题的中文综述文章。
     
  • 阿里云虚拟号-隐私保护SDK
    优质
    简介：阿里云虚拟号-隐私保护SDK旨在为用户提供全面的隐私安全保障服务。它通过匿名通话、信息加密等技术手段，有效防止个人信息泄露，保障用户通讯安全与隐私权益。 PHP可以与阿里云的虚拟号码服务进行对接，实现号码隐私保护功能。