楊觀賜 胡丙齊 蔣亞汶 李楊 王陽(yáng)

摘 要：智能家居環(huán)境中廣泛使用攝像頭、語(yǔ)音監(jiān)聽(tīng)設(shè)備而存在隱私泄漏的風(fēng)險(xiǎn)，這影響人的心理狀態(tài)甚至?xí)鹦睦碚系K。首先，論文基于調(diào)查問(wèn)卷結(jié)果分析了人們對(duì)服務(wù)機(jī)器人涉及的隱私信息的關(guān)注方面及程度;然后，分別從基于數(shù)據(jù)保護(hù)的隱私保護(hù)、基于回避工作模式的隱私識(shí)別保護(hù)、聚焦特定目標(biāo)的隱私識(shí)別保護(hù)、隱私度量4個(gè)方面進(jìn)行了綜述，并給出了未來(lái)值得關(guān)注的幾個(gè)方向。

關(guān)鍵詞：服務(wù)機(jī)器人;機(jī)器視覺(jué);隱私識(shí)別;隱私保護(hù);隱私度量

中圖分類(lèi)號(hào)：TP181 ?文獻(xiàn)標(biāo)志碼：A

《2017年中國(guó)機(jī)器人產(chǎn)業(yè)發(fā)展報(bào)告》指出[1]：截至2016年底，我國(guó)60歲以上人口已達(dá)2.3億人，占總?cè)丝诘?6.7%。2021年政府工作報(bào)告在“十四五”規(guī)劃目標(biāo)任務(wù)概述中提出：人均預(yù)期壽命再提高1歲。隨著人口老齡化趨勢(shì)加快，到2035年我國(guó)老年人口將達(dá)到4億人，如何借助現(xiàn)代科技發(fā)展的成果（特別是服務(wù)機(jī)器人）讓老年人安享晚年，減輕因子女在外工作而無(wú)法時(shí)刻照顧家中老人的負(fù)擔(dān)，是值得深入研究的課題。國(guó)務(wù)院發(fā)布的《中國(guó)制造2025》明確提出：圍繞醫(yī)療健康、家庭服務(wù)、教育娛樂(lè)等服務(wù)機(jī)器人應(yīng)用需求，積極研發(fā)新產(chǎn)品，促進(jìn)機(jī)器人標(biāo)準(zhǔn)化、模塊化發(fā)展，擴(kuò)大市場(chǎng)應(yīng)用的要求。針對(duì)機(jī)器人，特別是服務(wù)機(jī)器人，國(guó)內(nèi)外均開(kāi)展了較多的研究，如：Jibo機(jī)器人[2]，法國(guó)科技公司Blue Frog Robotics研發(fā)的Buddy機(jī)器人[3]，新松機(jī)器人自動(dòng)化股份有限公司的講解機(jī)器人[4]，北京科技大學(xué)研制的兒童玩伴機(jī)器人、表情頭機(jī)器人[5]等。

2017年6月18日，國(guó)家質(zhì)檢總局官網(wǎng)發(fā)布了關(guān)于智能攝像頭的質(zhì)量安全的風(fēng)險(xiǎn)警示，稱(chēng)已檢測(cè)的40批次中，32批次樣品存在質(zhì)量安全隱患，可能導(dǎo)致用戶(hù)監(jiān)控視頻被泄露，甚至智能攝像頭被惡意控制等危害。2018年1月22日，《財(cái)經(jīng)》雜志以“失控的攝像頭：誰(shuí)在售賣(mài)你的私生活？”為題報(bào)道了“私生活正被攝像頭同步直播”[6]，并指出要提高裝備有智能攝像頭類(lèi)設(shè)備與系統(tǒng)的安全防護(hù)性能，從源頭上最大化減少安全風(fēng)險(xiǎn)。

有研究表明：1）用于照顧老年人的智能家居系統(tǒng)，因其廣泛使用攝像頭、語(yǔ)音監(jiān)聽(tīng)設(shè)備而存在隱私泄漏的風(fēng)險(xiǎn)，影響人的心理狀態(tài)甚至?xí)鹦睦碚系K，這是此類(lèi)系統(tǒng)部署推廣的最大障礙之一[7]。2）人需要獨(dú)立的空間進(jìn)行思考與行為表達(dá)（如大聲唱歌、夸張地跳舞等），當(dāng)一個(gè)人發(fā)現(xiàn)自己被偷窺或者監(jiān)聽(tīng)時(shí)，他會(huì)立刻停止做此類(lèi)事情，并且會(huì)感到非常驚恐、羞恥和屈辱[8]。很明顯，一些事私下可以做，但不想讓人知道。而認(rèn)知科學(xué)的研究表明：心理障礙可以直接影響人們正常的生活、行為，甚至直接或間接地導(dǎo)致犯罪、自殺，以及其他一些危害社會(huì)治安的行為。對(duì)隱私內(nèi)容有符合人心理需求反應(yīng)的系統(tǒng)，可以改善用戶(hù)體驗(yàn)感受。

為了全面深入地把握智能家居服務(wù)機(jī)器人視覺(jué)和聽(tīng)覺(jué)行為隱私保護(hù)技術(shù)，本文首先基于問(wèn)卷調(diào)查的結(jié)果，扼要地分析了人們對(duì)服務(wù)機(jī)器人所涉及的隱私問(wèn)題的關(guān)注方面及程度;然后，分別從基于數(shù)據(jù)的隱私保護(hù)、基于回避工作模式的隱私識(shí)別保護(hù)、聚焦特定目標(biāo)的隱私識(shí)別保護(hù)、隱私度量4個(gè)方面進(jìn)行了綜述;最后，總結(jié)展望了未來(lái)的發(fā)展趨勢(shì)。

1 問(wèn)卷調(diào)查分析

為了掌握人們對(duì)服務(wù)機(jī)器人所涉及的隱私問(wèn)題的關(guān)注方面及程度，課題組按照統(tǒng)計(jì)調(diào)查的知識(shí)，設(shè)計(jì)了服務(wù)機(jī)器人與個(gè)人隱私保護(hù)調(diào)查問(wèn)卷[9]。問(wèn)卷共設(shè)計(jì)了12個(gè)問(wèn)題，限于篇幅不再贅述，詳細(xì)內(nèi)容可以查閱https：//www.wenjuan.com/s/zMRFFb2。通過(guò)在線調(diào)查的方式，共收集有效調(diào)查問(wèn)卷共707份。參與調(diào)查的人員中，從性別的角度看，男性占45.40%;從年齡分布方面，<18，18～35歲，36～50歲，51～60歲和>60歲的分別占0.85%，47.52%，42.15%，7.64%和1.84%;在受教育的最高學(xué)歷分布方面，初中，高中，本科（大專(zhuān)），碩士研究生，博士研究生及其他學(xué)歷情況的占比分別是2.69%，5.23%，63.37%，18.25%，9.76%和0.71%。參與調(diào)查的人員地理位置分布方面，涉及到全國(guó)的10余個(gè)省份，具體如圖1所示。這些數(shù)據(jù)表明，調(diào)查數(shù)據(jù)具有較好的分布與代表性。圖2是涉及隱私信息問(wèn)題的調(diào)查結(jié)果統(tǒng)計(jì)。

問(wèn)卷調(diào)查結(jié)果表明：97.58%的參與人關(guān)心隱私檢測(cè)和隱私保護(hù)問(wèn)題;74.60%的調(diào)查者希望服務(wù)機(jī)器人能檢測(cè)出隱私情況，如：衣服特別少的時(shí)候，停止記錄這些信息，并且機(jī)器人主動(dòng)調(diào)整攝像頭，不再盯著使用者。當(dāng)攝像頭、語(yǔ)音監(jiān)聽(tīng)設(shè)備獲取隱私數(shù)據(jù)時(shí)，超過(guò)56.86%的參與人感覺(jué)非常不舒服。同時(shí)，出于對(duì)隱私安全的擔(dān)憂(yōu)，55.87%的參與人主張將所有數(shù)據(jù)保存在機(jī)器人系統(tǒng)或者本地磁盤(pán)，不傳送到云端并將隱私數(shù)據(jù)轉(zhuǎn)換為非隱私數(shù)據(jù)。

2 基于數(shù)據(jù)保護(hù)的隱私保護(hù)技術(shù)

從數(shù)據(jù)保護(hù)的角度，針對(duì)智能家居及服務(wù)機(jī)器人數(shù)據(jù)安全的問(wèn)題，許多研究者采用了訪問(wèn)控制、密碼驗(yàn)證等方式保護(hù)數(shù)據(jù)安全。

針對(duì)傳統(tǒng)防火墻不能滿(mǎn)足用戶(hù)對(duì)自身網(wǎng)絡(luò)安全管理的需求，文獻(xiàn)[10]在分析服務(wù)和用戶(hù)屬性量化的基礎(chǔ)上，提出了量化服務(wù)和角色的訪問(wèn)控制模型，但對(duì)于區(qū)域網(wǎng)絡(luò)策略的沖突和冗余問(wèn)題，并沒(méi)有提出檢測(cè)及消減的方法。為了解決智能家居環(huán)境中內(nèi)網(wǎng)信息共享與外網(wǎng)連接引起的信息數(shù)據(jù)安全問(wèn)題，文獻(xiàn)[11]在家庭網(wǎng)絡(luò)和網(wǎng)絡(luò)提供商之間建立數(shù)據(jù)安全集線器，并使用用戶(hù)匹配策略搭建隱私信息保護(hù)控制框架。雖然該框架有助于解決用戶(hù)隱私問(wèn)題，但隨著安全集線器數(shù)據(jù)量的增加，將會(huì)造成集線器冗余，且未從用戶(hù)心理的角度進(jìn)行數(shù)據(jù)存儲(chǔ)和共享。文獻(xiàn)[12]分析了物聯(lián)網(wǎng)架構(gòu)下不同層次的安全問(wèn)題，并強(qiáng)調(diào)應(yīng)建立法律的隱私保護(hù)機(jī)制。雖然研究者建立了隱私機(jī)密認(rèn)證控制機(jī)制，但是即使給數(shù)據(jù)加密進(jìn)行傳輸，攻擊者仍然可通過(guò)分析數(shù)據(jù)流來(lái)提取用戶(hù)信息。文獻(xiàn)[13]通過(guò)分析物理層的性能，運(yùn)用分布式控制、決策和推理算法建立隱私保護(hù)機(jī)制，在一定程度上能防范隱私泄露問(wèn)題，但是當(dāng)可信任傳感器的網(wǎng)絡(luò)節(jié)點(diǎn)信息泄露，攻擊者仍可從中獲取用戶(hù)信息。

就采用加密方式保護(hù)用戶(hù)信息安全方面，文獻(xiàn)[14]通過(guò)分析智能家居信息安全的特點(diǎn)，采用對(duì)稱(chēng)密碼算法作為數(shù)據(jù)與接入認(rèn)證的加密算法，對(duì)輸入和接收設(shè)備的數(shù)據(jù)進(jìn)行了加密認(rèn)證，但遺憾的是作者并沒(méi)有進(jìn)行整個(gè)智能家居的網(wǎng)絡(luò)攻擊測(cè)試。文獻(xiàn)[15]從智能家居系統(tǒng)的風(fēng)險(xiǎn)分析入手，開(kāi)發(fā)隱私保護(hù)軟件，該方法從應(yīng)用層面上試圖保護(hù)隱私信息，但對(duì)于網(wǎng)絡(luò)連接層隱私保護(hù)的研究還有待深入。文獻(xiàn)[16]針對(duì)智能家庭環(huán)境中移動(dòng)設(shè)備和家用電器增加而導(dǎo)致內(nèi)容共享域擴(kuò)展的問(wèn)題，提出了一種細(xì)粒度訪問(wèn)控制策略的隱私保護(hù)機(jī)制，并對(duì)內(nèi)容進(jìn)行加密處理。以上研究主要是通過(guò)訪問(wèn)權(quán)限控制、密碼學(xué)技術(shù)、身份認(rèn)證等技術(shù)以實(shí)現(xiàn)保護(hù)數(shù)據(jù)和保護(hù)隱私的目的，但數(shù)據(jù)在傳輸過(guò)程中一旦被入侵，則所有的信息都將被泄漏。

3 基于回避工作模式的隱私識(shí)別保護(hù) ?從監(jiān)控手段的多樣化與協(xié)同工作方面看，當(dāng)前市面上也出現(xiàn)了一些多傳感設(shè)備協(xié)同工作以解決信息安全的產(chǎn)品，如：三星SmartTV2[17]，當(dāng)用戶(hù)將提及敏感話(huà)題時(shí)，可以使用其語(yǔ)音交互功能，告訴SmartTV2關(guān)閉語(yǔ)音監(jiān)聽(tīng)功能?？拼笥嶏w與如家酒店聯(lián)合推出的叮咚智能音[18]，通過(guò)與叮咚進(jìn)行高自由度的語(yǔ)音對(duì)話(huà)，客人可以實(shí)現(xiàn)對(duì)客房所有電器的控制以及語(yǔ)音的監(jiān)聽(tīng)。通過(guò)向叮咚下達(dá)指令，就會(huì)啟用對(duì)應(yīng)的服務(wù);同時(shí)，當(dāng)涉及個(gè)人隱私內(nèi)容時(shí)，也可以命令叮咚關(guān)閉其語(yǔ)音監(jiān)聽(tīng)功能。此類(lèi)系統(tǒng)雖然可以避免隱私敏感內(nèi)容的監(jiān)聽(tīng)，但是當(dāng)突發(fā)危險(xiǎn)情況時(shí)（如有人入侵但系統(tǒng)卻是處于被“叫?！倍鴽](méi)有工作的狀態(tài)），會(huì)因?yàn)橄到y(tǒng)的“不作為”而失去一些重要的信息。文獻(xiàn)[19]提出了基于改進(jìn)YOLO的隱私情境檢測(cè)算法，并搭建了隱私情境檢測(cè)硬件平臺(tái)，實(shí)現(xiàn)了具有隱私情境檢測(cè)功能的服務(wù)機(jī)器人系統(tǒng)。當(dāng)檢測(cè)到隱私情境后，系統(tǒng)將調(diào)轉(zhuǎn)攝像頭并將摘要信息保存到文檔，所提出的算法具有較好的魯棒性。

4 聚焦特定目標(biāo)的隱私識(shí)別保護(hù)

對(duì)于特定目標(biāo)的識(shí)別、特別是涉及隱私內(nèi)容的檢測(cè)方面，為了檢測(cè)出圖片中的裸體內(nèi)容，文獻(xiàn)[20]通過(guò)設(shè)計(jì)裸體檢測(cè)過(guò)濾機(jī)制來(lái)監(jiān)控家庭兒童訪問(wèn)色情網(wǎng)站，并且使用顏色信息分區(qū)模塊來(lái)描述裸露圖像，采用支持向量機(jī)對(duì)圖片樣本進(jìn)行分類(lèi)，獲得94.3%的識(shí)別率。針對(duì)人的動(dòng)作行為，文獻(xiàn)[21]通過(guò)研究不同動(dòng)作類(lèi)之間的共同模式，運(yùn)用改進(jìn)的稀疏編碼方式識(shí)別人體動(dòng)作，為分析靜態(tài)動(dòng)作識(shí)別提供了方法。而對(duì)于動(dòng)態(tài)的人臉識(shí)別，文獻(xiàn)[22]針對(duì)移動(dòng)設(shè)備而導(dǎo)致相機(jī)視覺(jué)捕獲設(shè)備抖動(dòng)及面部移動(dòng)的問(wèn)題，結(jié)合光照、情境變化提出了一種卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別算法。針對(duì)復(fù)雜環(huán)境的語(yǔ)音識(shí)別問(wèn)題，文獻(xiàn)[23]提出深度神經(jīng)網(wǎng)絡(luò)激活因素類(lèi)之間的相似度量方法，得到基于聽(tīng)覺(jué)的Gabor特征與深度學(xué)習(xí)架構(gòu)結(jié)合的一種魯棒自識(shí)別語(yǔ)音算法。

為了從數(shù)據(jù)源上解決隱私泄露問(wèn)題，文獻(xiàn)[24]提出了基于近似等價(jià)轉(zhuǎn)換的服務(wù)機(jī)器人視覺(jué)隱私行為識(shí)別與保護(hù)算法。此研究中，首先，將注意力模型與卷積神經(jīng)網(wǎng)絡(luò)結(jié)合，提出了融合注意力模型的卷積神經(jīng)網(wǎng)絡(luò)場(chǎng)景識(shí)別算法;然后，設(shè)計(jì)了基于Inception-v3和LSTM的涉隱私圖像語(yǔ)義特征描述算法;最后，構(gòu)建了將傳感器信息融入到場(chǎng)景語(yǔ)義描述的機(jī)制。所實(shí)現(xiàn)的視覺(jué)隱私行為識(shí)別與保護(hù)系統(tǒng)平均隱私識(shí)別準(zhǔn)確率和隱私場(chǎng)景語(yǔ)義描述正確率分別為91.65%和86.60%，具有良好的魯棒性和隱私保護(hù)性能。圖3是所給出的近似等價(jià)轉(zhuǎn)換示意圖。

針對(duì)人臉隱私保護(hù)，文獻(xiàn)[25]基于生成式對(duì)抗網(wǎng)絡(luò)提出了一種無(wú)監(jiān)督的服務(wù)機(jī)器人人臉隱私保護(hù)方法。圖4是其網(wǎng)絡(luò)結(jié)構(gòu)圖。此方法訓(xùn)練不需要大量帶標(biāo)簽的數(shù)據(jù)，可以生成新的面部特征替換原始圖像的面部特征，獨(dú)特的損失函數(shù)可以緩解模式崩塌和不收斂問(wèn)題。

整體上，這些基于圖像、語(yǔ)音認(rèn)知的研究成果，從圖像或者語(yǔ)音等數(shù)據(jù)源中獲得語(yǔ)義上的映射關(guān)系的方法，這為將此類(lèi)信息表達(dá)成不涉及隱私內(nèi)容的狀態(tài)成為了可能。同時(shí)，為研發(fā)具有能夠檢測(cè)隱私內(nèi)容的服務(wù)機(jī)器人提供相關(guān)的技術(shù)基礎(chǔ)。

5 隱私度量

針對(duì)隱私保護(hù)系統(tǒng)的相關(guān)度量問(wèn)題，有學(xué)者研究基于Shannon信息論的通信框架，研究了隱私保護(hù)的信息熵模型及其度量方法，提出了隱私保護(hù)方法的強(qiáng)度和敵手攻擊能力的量化測(cè)評(píng)[26]。此成果雖然可為隱私泄露的量化風(fēng)險(xiǎn)評(píng)估提供理論支持，但是其信息熵模型較為基礎(chǔ)，其所考慮的含隱私信息主觀感受的信息熵模型帶有較強(qiáng)的隨機(jī)性與主觀性。為了解決內(nèi)容中心網(wǎng)絡(luò)節(jié)點(diǎn)的隱私泄露問(wèn)題，文獻(xiàn)[27]設(shè)計(jì)了面向隱私保護(hù)的協(xié)作緩存策略。該研究最大特點(diǎn)是：從信息熵的角度提出隱私度量指標(biāo)，并證明了其緩存策略的合理性。雖然其仿真結(jié)果表明該策略可以增強(qiáng)用戶(hù)隱私保護(hù)水平，但是其仿真所涉及的節(jié)點(diǎn)、內(nèi)容規(guī)模與實(shí)際的情況相差較大，且策略并沒(méi)有在實(shí)際工程中進(jìn)行驗(yàn)證，實(shí)際應(yīng)用效果還難以確定。

圍繞用戶(hù)軌跡隱私保護(hù)方面，文獻(xiàn)[28]通過(guò)用帶權(quán)無(wú)向圖描述用戶(hù)運(yùn)動(dòng)軌跡，并通過(guò)設(shè)計(jì)基于信息熵的用戶(hù)軌跡隱私水平計(jì)算方法，形成了一種軌跡隱私度量方法。雖然此度量方法可以為用戶(hù)和軌跡隱私保護(hù)方法設(shè)計(jì)者提供有價(jià)值的工具，但是卻需要攻擊者的背景知識(shí)，而現(xiàn)實(shí)情況是：絕大數(shù)情況下，無(wú)法知道攻擊者的背景知識(shí)。

圍繞智能家居環(huán)境中情境感知的隱私保護(hù)方面，文獻(xiàn)[29]通過(guò)傳感器網(wǎng)絡(luò)搜集用戶(hù)行蹤和偏好行為，并采用信息熵理論對(duì)所搜集數(shù)據(jù)進(jìn)行分析處理，得到個(gè)人行為習(xí)慣的隱私度量方法。然而，在現(xiàn)實(shí)生活中，很多網(wǎng)絡(luò)攻擊導(dǎo)致的隱私泄露行為是從信息采集的源頭開(kāi)始，該方法并沒(méi)有在搜集數(shù)據(jù)時(shí)就保護(hù)隱私信息。圍繞數(shù)據(jù)收集保護(hù)隱私問(wèn)題，文獻(xiàn)[16]提出了一種匿名發(fā)布敏感數(shù)據(jù)機(jī)制，使背景信息不能被信息攻擊者作為隱私數(shù)據(jù)參考;同時(shí)，采用最大熵保護(hù)敏感隱私數(shù)據(jù)。雖然該方法從數(shù)據(jù)的收集解決了隱私信息保護(hù)的問(wèn)題，但是在隱私數(shù)據(jù)傳輸?shù)倪^(guò)程中，沒(méi)有提出相應(yīng)的保護(hù)機(jī)制。

6 結(jié)束語(yǔ)

對(duì)于隱私的界定因習(xí)俗、法規(guī)、種族的不同而有不同的內(nèi)涵，學(xué)術(shù)界沒(méi)有一個(gè)統(tǒng)一的定義，這為隱私的檢測(cè)與保護(hù)帶來(lái)了困難。當(dāng)前的文獻(xiàn)成果多數(shù)都是面向已經(jīng)存在安全隱患、帶有隱私信息的數(shù)據(jù)，并非從源頭上使得數(shù)據(jù)本身不涉及隱私內(nèi)容。未來(lái)，以下幾個(gè)方面可能是值得關(guān)注的方向。

1）信息熵理論在衡量特定信息時(shí)具有優(yōu)勢(shì)，那些關(guān)于如何度量隱私信息的成果，可為因攝像頭、語(yǔ)音設(shè)備而引起隱私泄漏風(fēng)險(xiǎn)的服務(wù)機(jī)器人從數(shù)據(jù)源頭上減少甚至消滅帶有強(qiáng)隱私信息的內(nèi)容提供借鑒。雖然已有研究都并非從源頭上使得數(shù)據(jù)本身不涉及隱私內(nèi)容，但它們卻是利用信息熵理論描述特定信息的良好示范。

2）生成式對(duì)抗網(wǎng)絡(luò)[30]基于博弈論的二人零和博弈，利用一個(gè)生成器和一個(gè)判別器，通過(guò)對(duì)抗學(xué)習(xí)的方式來(lái)訓(xùn)練，從而達(dá)到估測(cè)數(shù)據(jù)樣本的潛在分布并生成新的數(shù)據(jù)樣本的目標(biāo)，為將涉及隱私信息的圖片與聲音數(shù)據(jù)轉(zhuǎn)化為不涉及隱私的數(shù)據(jù)提供了一種新的實(shí)現(xiàn)途徑。

3）面向智能家居動(dòng)態(tài)非結(jié)構(gòu)環(huán)境中的服務(wù)機(jī)器人視覺(jué)和聽(tīng)覺(jué)行為隱私自主感知方法、及自主尊重用戶(hù)行為隱私的多模態(tài)工作機(jī)制，嘗試開(kāi)發(fā)具有行為隱私認(rèn)知功能的服務(wù)機(jī)器人。

4）若能獲得普遍認(rèn)可的隱私檢測(cè)內(nèi)容的方案及隱私信息保護(hù)的方案，無(wú)疑會(huì)促進(jìn)有視覺(jué)、聽(tīng)覺(jué)等涉隱私內(nèi)容的服務(wù)機(jī)器人產(chǎn)業(yè)的發(fā)展。結(jié)合前文問(wèn)卷調(diào)查結(jié)果可知，設(shè)計(jì)符合用戶(hù)心理關(guān)愛(ài)需求的、能夠保護(hù)用戶(hù)隱私的服務(wù)機(jī)器人產(chǎn)品是人們所期待的。

參考文獻(xiàn)：

[1]和訊名家. 2017中國(guó)機(jī)器人產(chǎn)業(yè)發(fā)展報(bào)告權(quán)威發(fā)布，智能技術(shù)比肩歐美[EB/OL]. （2020-03-17）[2021-03-20].http：//news.hexun.com/2017-08-28/190614349.html.

[2] BUSSGANG J J，SNIVELY C. Jibo：a social robot for the home[J]. Harvard Business School Case，2015，7（16）：816-833.

[3] ROBOTICS B F. Blue frog robotics-companion and social robots[EB/OL]. （2021-01-01）[2021-03-20]. http：//www.bluefrogrobotics.com/.

[4] 新松機(jī)器人自動(dòng)化股份有限公司. 講解機(jī)器人[EB/OL]. （2018-12-05）[2021-03-20]. http：//www.issrobot.com/index.php/Home/Product.

[5] HUNG H H. 智能服務(wù)機(jī)器人設(shè)計(jì)研發(fā)與實(shí)現(xiàn)[D]. 南京：南京理工大學(xué)，2015.

[6] 財(cái)經(jīng)雜志. 失控的攝像頭：誰(shuí)在售賣(mài)你的私生活？[EB/OL]. （2019-05-06）[2021-03-15]. https：//www.huxiu.com/article/230743.html.

[7] SHANKAR K，CAMP L J，CONNELLY K，et al. Aging，privacy，and home-based computing：developing a design framework[J]. IEEE Pervasive Computing，2012，11（4）：46-54.

[8] GREENWALD G. Glenn Greenwald： why privacy matters[EB/OL]. （2014-10-01）[2021-01-23].https：//www.ted.com/talks/glenn_greenwald_why_privacy_matters.

[9] YANG G C. 家用機(jī)器人與個(gè)人隱私保護(hù)的調(diào)查[EB/OL]. （2021-01-01）[2021-02-12] https：//www.wenjuan.com/s/zMRFFb2/.

[10]劉慶云，沙泓州，李世明，等. 一種基于量化用戶(hù)和服務(wù)的大規(guī)模網(wǎng)絡(luò)訪問(wèn)控制方法[J]. 計(jì)算機(jī)學(xué)報(bào)，2014（5）：1195-1205.

[11]ARABO A，BROWN I，EL-MOUSSA F. Privacy in the age of mobility and smart devices in smart homes[J]. IEEE Computer Society，2012，12（3）：819-826.

[12]KOZLOV D，VEIJALAINEN J，ALI Y. Security and privacy threats in IoT architectures[J]. ICST （Institute for Computer Sciences，Social-Informatics and Telecommunications Engineering），2012，3（12）：256-262.

[13]JAIN S，TA T，BARAS J S. Physical layer methods for privacy provision in distributed control and inference[J]. Proceedings of the IEEE Conference on Decision and Control，2015（36）：1383-1388.

[14]李翔. 智能家居信息安全關(guān)鍵技術(shù)的研究[D]. 西安：長(zhǎng)安大學(xué)，2015.

[15]ANDREAS，JACOBSSON，MARTIN，et al. A risk analysis of a smart home automation system[J]. Future Generation Computer Systems，2016，56（10）：719-733.

[16]KIM E，KIM D Y，HUH M，et al. Privacy protected content sharing in extended home environment over Content-Centric Networking[J]. IEEE，2012（32）：648-649.

[17]RUTLEDGE R L，MASSEY A K，ANTON A I. Privacy impacts of IoT devices：a smartTV case study[C].Beijing：Peking University，2017.

[18]雷科技. 叮咚智能音響[EB/OL]. （2019-05-01）[2021-02-13].https：//www.leikeji.com/product/detail/5242.

[19]楊觀賜，楊靜，蘇志東，等. 改進(jìn)的YOLO特征提取算法及其在服務(wù)機(jī)器人隱私情境檢測(cè)中的應(yīng)用[J]. 自動(dòng)化學(xué)報(bào)，2018，44（12）：2238-2249.

[20]SANTOS C，SOUTO E，SANTOS E. ANDImage：an adaptive architecture for nude detection in image[J]. IEEE，2015，12（56）：126-130.

[21]YAO T，WANG Z，XIE Z，et al. Learning universal multiview dictionary for human action recognition[J]. Pattern Recognition，2017，64（52）：236-244.

[22]CHAUDHRY S，CHANDRA R. Face detection and recognition in an unconstrained environment for mobile visual assistive system[J]. Applied Soft Computing，2017，53（2）：168-180.

[23]MARTINEZ A M C，MALLIDI S H，MEYER B T. On the relevance of auditory-based Gabor features for deep learning in robust speech recognition[J]. Computer Speech & Language，2017，45（56）：21-38.

[24]李中益，楊觀賜，李楊，等. 基于圖像語(yǔ)義的服務(wù)機(jī)器人視覺(jué)隱私行為識(shí)別與保護(hù)系統(tǒng)[J]. 計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2020，32（10）：1679-1687.

[25]LIN J C，LI Y，YANG G C. FPGAN：face de-identification method with generative adversarial networks for social robots[J]. Neural Networks，2021，133：132-147.

[26]陳運(yùn). 信息論與編碼[M]. 2版. 北京：電子工業(yè)出版社，2007.

[27]彭長(zhǎng)根，丁紅發(fā)，朱義杰，等. 隱私保護(hù)的信息熵模型及其度量方法[J]. 軟件學(xué)報(bào)，2016，27（8）：1891-1903.

[28]葛國(guó)棟，郭云飛，劉彩霞，等. 內(nèi)容中心網(wǎng)絡(luò)中面向隱私保護(hù)的協(xié)作緩存策略[J]. 電子與信息學(xué)報(bào)，2015，37（5）：1220-1226.

[29]王彩梅，郭亞軍，郭艷華. 位置服務(wù)中用戶(hù)軌跡的隱私度量[J]. 軟件學(xué)報(bào)，2012，23（2）：352-360.

[30]王坤峰，茍超，段艷杰，等. 生成式對(duì)抗網(wǎng)絡(luò)GAN的研究進(jìn)展與展望[J]. 自動(dòng)化學(xué)報(bào)，2017，43（3）：321-332.

（責(zé)任編輯：曾 晶）

Abstract：There is a risk of privacy leakage caused by the ubiquitous use of cameras and voice monitoring equipment in a smart home environment，which affects peoples psychological state and even causes psychological disorders. Firstly，according to the results of questionnaire aiming at the privacy protection and social robot，this paper analyzes the focused factors and its attention degree of people that related to the privacy information caused by using social robot. Then，it summarizes four aspects：privacy protection based on data protection，privacy identification protection based on avoiding working mode，privacy identification protection based on specific target，and privacy measurement，and several potentially valuable research directions are pointed out.

Key words：social robot; machine vision; privacy identification; privacy protection; privacy measurement