面向网络内容安全的图像识别技术研究

doi:10.3969/j.issn.1671-1122.2015.09.035

信息网络安全 ›› 2015, Vol. 15 ›› Issue (9): 154-157.doi: 10.3969/j.issn.1671-1122.2015.09.035

面向网络内容安全的图像识别技术研究

崔鹏飞¹(), 裘玥², 孙瑞²

1.郑州金惠计算机系统工程有限公司,河南郑州450001
2.北京市公安局网络安全保卫总队,北京 100740

收稿日期:2015-07-15 出版日期:2015-09-30 发布日期:2015-11-13
作者简介:
作者简介：崔鹏飞（1982-）,男,河南,硕士,主要研究方向：图像处理与识别;裘玥（1974-）,女,北京,高级工程师,硕士,主要研究方向：信息安全;孙瑞（1984-）,男,北京,助理工程师,本科,主要研究方向：软件工程。

Research on Image Recognition Technology for the Network Content Security

Peng-fei CUI¹(), Yue QIU², Rui SUN²

1. ZhengZhou Jinhui Computer System Engineering Co., Ltd, Zhengzhou Henan 450001, China
2.Network Security Defense Corps of Beijing Public Security Bureau, Beijing 100740, China

Received:2015-07-15 Online:2015-09-30 Published:2015-11-13

摘要/Abstract

摘要：

随着网络技术的快速发展,大量的违法不良图像在网络中大肆传播,严重危害了网络内容安全。文章从网络安全工作的实际出发,针对传统文本过滤技术的缺点,指出了图像识别技术对于过滤违法不良信息的重要性。文章分析总结了几种违法不良图像识别技术,并探讨了每种技术的适用场景。最后,结合图像识别的本质问题,指出深度学习是未来图像识别技术的发展趋势,讨论了利用卷积神经网络代替传统的方法对违法不良图像进行识别的方法。

关键词: 图像识别, 网络内容安全, 深度学习

Abstract:

With the rapid development of network technology, a variety of illegal images spread suddenly in the network, which endangers the network content security seriously. From the reality of network security in this paper, aiming at the shortcomings of the traditional text filtering technology, this paper point out the importance of the image recognition technology for filtering the illegal and bad information. The paper analyzes and summarizes some kinds of recognition technologies of the illegal images, and discusses the application scene of each technology. Finally, combining with the essence of image recognition problems, the paper indicate that deep learning is the development trend of the image recognition technology in the future, and discuss how to use convolution neural network instead of the traditional method to recognize the illegal images.

Key words: image recognition, network content security, deep learning

中图分类号:

TP309

崔鹏飞, 裘玥, 孙瑞. 面向网络内容安全的图像识别技术研究[J]. 信息网络安全, 2015, 15(9): 154-157.

Peng-fei CUI, Yue QIU, Rui SUN. Research on Image Recognition Technology for the Network Content Security[J]. Netinfo Security, 2015, 15(9): 154-157.

图/表 2

参考文献 16

[1]	王世伟. 论信息安全、网络安全、网络空间安全[J]. 中国图书馆学报,2015,41(36):72-81.
[2]	刘亚春,王景中. 基于人脸检测的网络图像内容过滤技术研究[J]. 信息网络安全,2014,(3):7-11.
[3]	任民宏,郭伟钢. 基于肤色特征的色情图像识别方法[J]. 陕西理工学院学报(自然科学版),2014,30(1):38-40.
[4]	DONG K K, GUO L, FU Q S.An Adult Image Detection Algorithm Based on Bag-of-Visual-Words and Text Information[C]//10th International Conference on Natural Computation, 2014: 556-560.
[5]	VIOLA P, JONES M J.Robust real-time face detection[J]. International journal of computer vision, 2004, 57(2): 137-154.
[6]	FELZENSZWALBP F, GIRSHICK R B, MCALLESTER D, et al.Object detection with discriminatively trained part based models[J]. IEEE Trans on PAMI, 2009, 32(9): 1627-1645.
[7]	刘建忠,刘心蓉. 一种基于简单背景变化规则的图像滤波方法[J]. 信息网络安全,2014,(8):77-81.
[8]	郭志刚,彭天强,李弼程. 基于直方图和交叉熵的文本图像识别方法[J]. 数据采集与处理,2009,24(5):638-642.
[9]	牟群刚,蒋天发,刘晶. 基于量子Haar小波变换的图像水印算法[J]. 信息网络安全,2015,(6):55-60.
[10]	林朝晖,于俊清,何云峰,等. 高维分布式局部敏感哈希索引方法[J]. 计算机科学与探索,2013,7(9):811-816.
[11]	刘建伟,刘媛,罗雄麟. 深度学习研究进展[J]. 计算机应用研究,2014,31(7):1921-1928.
[12]	刘建忠,刘鎏,张云东,等. 二值图像中基于陡变度的拐角点集检测方法[J]. 信息网络安全,2014,(3):12-16.
[13]	KRIZHEVSKY A, SUTSKEVER I, HINTON G E.Imagenet classification with deep convolutional neural networks[C]//Proceeding of 26th Annual Conference on Neural Information Processing Systems.Lake Tahoe: Neural information processing system foundation, 2012: 1097–1105.
[14]	Howard A G. Some improvements on deep convolutional neural network based image classification[EB/OL]. .
[15]	李珊珊,周爽,蒋天发. 一种分块压缩感知观测值的图像篡改认证算法[J]. 信息网络安全,2014,(4):35-39.
[16]	王枞,钟义信. 网络信息内容安全[J]. 计算机工程与应用,2003,(30):153-154.

面向网络内容安全的图像识别技术研究

Research on Image Recognition Technology for the Network Content Security

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 2

参考文献 16

相关文章 11

编辑推荐

Metrics

本文评价

[1]	王蓉, 马春光, 武朋. 基于联邦学习和卷积神经网络的入侵检测方法[J]. 信息网络安全, 2020, 20(4): 47-54.
[2]	谢永恒, 冯宇波, 董清风, 王梅. 基于深度学习的数据接入方法研究[J]. 信息网络安全, 2019, 19(9): 36-40.
[3]	马春光, 郭瑶瑶, 武朋, 刘海波. 生成式对抗网络图像增强研究综述[J]. 信息网络安全, 2019, 19(5): 10-12.
[4]	方勇, 朱光夏天, 刘露平, 贾鹏. 基于深度学习的浏览器Fuzz样本生成技术研究[J]. 信息网络安全, 2019, 19(3): 26-33.
[5]	朱海麒, 姜峰. 人工智能时代面向运维数据的异常检测技术研究与分析[J]. 信息网络安全, 2019, 19(11): 24-35.
[6]	段大高, 谢永恒, 盖新新, 刘占斌. 基于神经网络的微博虚假消息识别模型[J]. 信息网络安全, 2017, 17(9): 134-137.
[7]	任浩, 罗森林, 潘丽敏, 高君丰. 基于图结构的文本表示方法研究[J]. 信息网络安全, 2017, 17(3): 46-52.
[8]	崔正阳, 胡爱群, 彭林宁. 一种基于轮廓特征的射频指纹识别方法[J]. 信息网络安全, 2017, 17(10): 75-80.
[9]	雷青, 荆丽桦, 赵德明, 郑继龙. 基于深度学习的安卓APP视频枪支检测技术研究[J]. 信息网络安全, 2016, 16(9): 149-153.
[10]	姚罡;蒋书琴;劳麒环. 网络钓鱼的防范与对策[J]. , 2010, (1): 0-0.
[11]	王潇茵;胡昌振. 基于直觉模糊——神经网络的色情图像识别算法[J]. , 2009, 9(7): 0-0.