As an information carrier, face images contain abundant sensitive information. Due to its natural weak privacy, direct publishing may divulge privacy. Anonymization Technology and Data Encryption Technology are limited by the background knowledge and attack means of attackers, which cannot completely content the needs of face image privacy protection. Therefore, this paper proposes a face image publishing SWP (sliding window publication) algorithm, which satisfies the differential privacy. Firstly, the SWP translates the image gray matrix into a one-dimensional ordered data stream by using image segmentation technology. The purpose of this step is to transform the image privacy protection problem into the data stream privacy protection problem. Then, the sliding window model is used to model the data flow. By comparing the similarity of data in adjacent sliding windows, the privacy budget is dynamically allocated, and Laplace noise is added. In SWP, the data in the sliding window comes from the image. To present the image features contained in the data more comprehensively and use the privacy budget more reasonably, this paper proposes a fusion similarity measurement EM (exact mechanism) mechanism and a dynamic privacy budget allocation DA (dynamic allocation) mechanism. Also, for further improving the usability of human face images and reducing the impact of noise, a sort-SWP algorithm based on the SWP method is proposed in the paper. Through the analysis, it can be seen that ordered input can further improve the usability of the SWP algorithm, but direct sorting of data will destroy the -differential privacy. Therefore, this paper proposes a sorting method-SAS method, which satisfies the -differential privacy; SAS obtain an initial sort by using an exponential mechanism firstly. And then an approximate correct sort is obtained by using the Annealing algorithm to optimize the initial sort. Compared with LAP algorithm and SWP algorithm, the average accuracy rate of sort-SWP algorithm in ORL, Yale is increased by 56.63% and 21.55%, the recall rate is increased by 6.85% and 3.32%, and F1-sroce is improved by 55.62% and 16.55%.

中文翻译：

---

基于差异隐私的人脸图像发布

作为信息载体，人脸图像包含大量敏感信息。由于其天然的弱隐私性，直接发布可能会泄露隐私。匿名技术和数据加密技术受到攻击者的背景知识和攻击手段的限制，无法完全满足面部图像隐私保护的需求。因此，本文提出了一种满足差异隐私的人脸图像发布SWP（滑动窗口发布）算法。首先，SWP通过使用图像分割技术将图像灰度矩阵转换为一维有序数据流。此步骤的目的是将图像隐私保护问题转换为数据流隐私保护问题。然后，使用滑动窗口模型对数据流进行建模。通过比较相邻滑动窗口中数据的相似性，可以动态分配隐私预算，并添加拉普拉斯噪声。在SWP中，滑动窗口中的数据来自图像。为了更全面地展示数据中包含的图像特征并更合理地使用隐私预算，本文提出了一种融合相似度度量EM（精确机制）机制和动态隐私预算分配DA（动态分配）机制。此外，为了进一步提高人脸图像的可用性并减少噪声的影响，提出了一种基于SWP方法的SWP排序算法。通过分析可以看出，有序输入可以进一步提高SWP算法的可用性，但是直接对数据进行排序会破坏SWP算法的可用性。动态分配隐私预算，并添加拉普拉斯噪声。在SWP中，滑动窗口中的数据来自图像。为了更全面地展示数据中包含的图像特征并更合理地使用隐私预算，本文提出了一种融合相似度度量EM（精确机制）机制和动态隐私预算分配DA（动态分配）机制。此外，为了进一步提高人脸图像的可用性并减少噪声的影响，提出了一种基于SWP方法的SWP排序算法。通过分析可以看出，有序输入可以进一步提高SWP算法的可用性，但是直接对数据进行排序将破坏SWP算法的可用性。动态分配隐私预算，并添加拉普拉斯噪声。在SWP中，滑动窗口中的数据来自图像。为了更全面地展示数据中包含的图像特征并更合理地使用隐私预算，本文提出了一种融合相似度度量EM（精确机制）机制和动态隐私预算分配DA（动态分配）机制。此外，为了进一步提高人脸图像的可用性并减少噪声的影响，提出了一种基于SWP方法的SWP排序算法。通过分析可以看出，有序输入可以进一步提高SWP算法的可用性，但是直接对数据进行排序会破坏SWP算法的可用性。为了更全面地展示数据中包含的图像特征并更合理地使用隐私预算，本文提出了一种融合相似度度量EM（精确机制）机制和动态隐私预算分配DA（动态分配）机制。此外，为了进一步提高人脸图像的可用性并减少噪声的影响，提出了一种基于SWP方法的SWP排序算法。通过分析可以看出，有序输入可以进一步提高SWP算法的可用性，但是直接对数据进行排序会破坏SWP算法的可用性。为了更全面地展示数据中包含的图像特征并更合理地使用隐私预算，本文提出了一种融合相似度度量EM（精确机制）机制和动态隐私预算分配DA（动态分配）机制。此外，为了进一步提高人脸图像的可用性并减少噪声的影响，提出了一种基于SWP方法的SWP排序算法。通过分析可以看出，有序输入可以进一步提高SWP算法的可用性，但是直接对数据进行排序会破坏SWP算法的可用性。为了进一步提高人脸图像的可用性并减少噪声的影响，提出了一种基于SWP方法的SWP排序算法。通过分析可以看出，有序输入可以进一步提高SWP算法的可用性，但是直接对数据进行排序会破坏SWP算法的可用性。为了进一步提高人脸图像的可用性并减少噪声的影响，提出了一种基于SWP方法的SWP排序算法。通过分析可以看出，有序输入可以进一步提高SWP算法的可用性，但是直接对数据进行排序会破坏SWP算法的可用性。-差异性隐私。因此，本文提出了一种分选方法- SAS方法，该方法满足-微分隐私; SAS首先通过使用指数机制获得初始排序。然后，通过使用退火算法优化初始排序​​，获得近似正确的排序。与LAP算法和SWP算法相比，ORL，Yale中sort-SWP算法的平均准确率分别提高了56.63％和21.55％，召回率分别提高了6.85％和3.32％，F1处理提高了55.62 ％和16.55％。