一种保密介质销毁颗粒度的识别方法和系统技术方案

本发明专利技术涉及一种保密介质销毁颗粒度的识别方法和系统。所述保密介质销毁颗粒度的识别方法，通过采用训练好的介质碎片识别模型，得到粉碎后介质碎片的介质种类和掩膜，然后，根据掩膜计算对应介质碎片在图像中所占的像素面积，依据像素面积和介质碎片的介质种类，确定粉碎后的介质碎片是否为“不合格碎片”，接着，依据“不合格碎片”的数量和粉碎后介质碎片的总数量确定粉碎程度是否满足介质销毁颗粒度要求，从而实现保密介质碎片的粉碎效果判定。定。定。

【技术实现步骤摘要】
一种保密介质销毁颗粒度的识别方法和系统


[0001]本专利技术涉及保密介质销毁颗粒度识别
，特别是涉及一种保密介质销毁颗粒度的识别方法和系统。

技术介绍

[0002]随着信息技术的快速发展和各领域信息化建设的加速，越来越多的信息保密手段被广泛应用于军用和民用领域。一旦发生保密介质的丢失或泄密，就会对个人、企业甚至国家的安全与利益造成不可估量的损失，因此对结束生命周期的保密介质进行科学规范的销毁十分关键。机械粉碎是目前使用最普遍、效果最好的保密介质销毁手段，然而在现阶段的介质粉碎过程中缺少一种可靠的介质颗粒度识别方法，难以确保保密介质所承载的信息得到有效破坏，因而使得信息安全面临着极大的威胁（杨晓东.数据安全系统中数据自毁技术[J].电子技术与软件工程,2021,{4}(02):249
‑
250.）。
[0003]目前，机械粉碎主要依赖于人工目视的方法对粉碎后保密介质的尺寸进行判断，以确定是否需要进行二次粉碎。或者通过人为设定机械粉碎时长的方式，提高介质销毁的可靠性。现有方法不仅需要消耗大量的时间和精力，而且销毁效果容易受到主观因素的影响（闫国卿,许振明.信息存储介质的安全销毁方法及资源化技术[J].材料导报,2013,27(03):12
‑
17+31.）。
[0004]因此本领域亟需一种保密介质销毁颗粒度识别方法或系统，以通过快速、准确地识别介质碎片的大小，实现介质机械粉碎效果的判定。

技术实现思路

[0005]本专利技术的目的是提供一种保密介质销毁颗粒度的识别方法和系统，能够快速、准确地识别保密介质销毁颗粒度的大小，实现介质机械粉碎效果的精确判定。
[0006]为实现上述目的，本专利技术提供了如下方案：一种保密介质销毁颗粒度的识别方法，包括：获取待检测保密介质碎片的图像；将所述待检测保密介质碎片的图像输入至训练好的介质碎片识别模型中，得到每一待检测保密介质碎片的掩膜和每一待检测保密介质碎片所属的介质类别；所述介质碎片识别模型包括：骨干网络、多尺度特征融合网络、区域建议网络和检测头；根据每一所述待检测保密介质碎片的介质类别确定面积阈值；根据每一所述待检测保密介质碎片的掩膜确定像素面积；判断所述像素面积是否大于所述面积阈值，得到第一判断结果；当所述第一判断结果为所述像素面积大于所述面积阈值时，则判定与所述掩膜对应的待检测保密介质碎片为“不合格碎片”；当所述第一判断结果为所述像素面积小于等于所述面积阈值时，则判定与所述掩膜对应的待检测保密介质碎片为“合格碎片”；
确定所述“不合格碎片”的数量占所述待检测保密介质碎片的总数量的比例；判断所述比例是否大于预设比例阈值，得到第二判断结果；当所述第二判断结果为所述比例大于预设比例阈值时，则判定所述待检测保密介质碎片的图像不符合介质销毁颗粒度要求；当所述第二判断结果为所述比例小于等于预设比例阈值时，则判定所述待检测保密介质碎片符合介质销毁颗粒度要求。
[0007]优选地，所述介质碎片识别模型的构建过程包括：以卷积神经网络ResNet50作为骨干网络；所述卷积神经网络ResNet50由多个依次连接的卷积块构成；基于所述骨干网络构建多尺度特征融合网络；多尺度特征融合网络包括多层级的金字塔网络；基于所述多尺度特征融合网络构建区域建议网络；基于所述区域建议网络构建检测头。
[0008]优选地，所述基于所述骨干网络构建多尺度特征融合网络，具体包括：将所述骨干网络中各所述卷积块输出的第一特征图分别输入一个卷积核大小为1*1的卷积层中；对第一个卷积层中输出的第二特征图进行下采样操作和上采样操作后，依次对剩余卷积层输出的第三特征图进行上采样操作和元素集相加操作，得到第四特征图；将所述第四特征图分别输入CBAM注意力模块后得到多层级的金字塔网络。
[0009]优选地，所述基于所述多尺度特征融合网络构建区域建议网络，具体包括：将所述多层级的金字塔网络输出的第五特征图分别进行卷积核为3
×
3的卷积操作，进行卷积操作过程采用滑动锚框在第五特征图上进行遍历操作，生成一组候选碎片区域；将生成后续碎片区域的第七特征图输入到分类支路，以预测候选碎片区域的包围框位置；将生成后续碎片区域的第七特征图输入到回归支路，以预测候选碎片区域为介质碎片的概率。
[0010]优选地，所述基于所述区域建议网络构建检测头，具体包括：将每个候选碎片区域根据面积大小映射到对应的特征层，再通过ROI Align层输出一系列相同尺寸的候选区域特征图；将所述候选区域特征图输入检测分支，在检测分支中，所述候选区域特征图经第一全连接层进行特征提取和分类后，输入回归支路，利用回归损失函数Smooth L1 Loss完成边框回归操作获得介质碎片的位置信息；所述候选区域特征图经第二全连接层进行特征提取和分类后，输入分类支路，利用分类损失函数Softmax Loss进行背景和碎片的类别分类，确定候选碎片区域所属的介质类别；将所述候选区域特征图输入掩膜分支，在掩膜分支中，候选区域特征图经过第三卷积层和第四卷积层进行特征提取和分类后，利用平均二值交叉熵损失获得每个介质碎片对应的掩膜。
[0011]优选地，所述卷积神经网络ResNet50由5个依次连接的卷积块构成。
[0012]优选地，所述介质碎片识别模型的训练和测试过程，包括：获取介质粉碎图像分割数据集；按设定比例将所述介质粉碎图像分割数据集划分为训练集和测试集；采用所述训练集对所述介质碎片识别模型进行训练后，采用测试集测试所述训练后的介质碎片识别模型，在测试过程中，当所述训练后的介质碎片识别模型满足预设条件时，得到训练好的介质碎片识别模型；当所述训练后的介质碎片识别模型不满足预设条件时，重新对所述介质碎片识别模型进行训练。
[0013]优选地，所述获取介质粉碎图像分割数据集，之前还包括：获取多种保密介质粉碎后的碎片图像；采用Labelme软件对所述碎片图像进行标注，得到与每张碎片图像对应的标注文件；所述标注文件的格式为JSON格式；编写脚本，并将所述标注文件的格式转化为XML格式后得到介质粉碎图像数据集；基于所述介质粉碎图像数据集和所述标注文件获得VOC2007数据集格式的介质粉碎图像分割数据集。
[0014]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：本专利技术提供的保密介质销毁颗粒度的识别方法，通过采用训练好的介质碎片识别模型，得到粉碎后介质碎片的介质种类和掩膜，然后，根据掩膜计算对应介质碎片在图像中所占的像素面积，依据像素面积和介质碎片的介质种类，确定粉碎后的介质碎片是否为“不合格碎片”，接着，依据“不合格碎片”的数量和粉碎后介质碎片的总数量确定粉碎程度是否满足介质销毁颗粒度要求，从而实现保密介质碎片的粉碎效果判定。
[0015]对应于上述提供的保密介质销毁颗粒度的识别方法，本专利技术还提供了以下实施系统：一种保密介质销毁颗粒度的识别系统，包括：图像获取模块，用于获取待检测保密介质碎片的图像；掩膜
‑
介质类别识别模块，用于将所述待检测保密介质碎片本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种保密介质销毁颗粒度的识别方法，其特征在于，包括：获取待检测保密介质碎片的图像；将所述待检测保密介质碎片的图像输入至训练好的介质碎片识别模型中，得到每一待检测保密介质碎片的掩膜和每一待检测保密介质碎片所属的介质类别；所述介质碎片识别模型包括：骨干网络、多尺度特征融合网络、区域建议网络和检测头；根据每一所述待检测保密介质碎片的介质类别确定面积阈值；根据每一所述待检测保密介质碎片的掩膜确定像素面积；判断所述像素面积是否大于所述面积阈值，得到第一判断结果；当所述第一判断结果为所述像素面积大于所述面积阈值时，则判定与所述掩膜对应的待检测保密介质碎片为“不合格碎片”；当所述第一判断结果为所述像素面积小于等于所述面积阈值时，则判定与所述掩膜对应的待检测保密介质碎片为“合格碎片”；确定所述“不合格碎片”的数量占所述待检测保密介质碎片的总数量的比例；判断所述比例是否大于预设比例阈值，得到第二判断结果；当所述第二判断结果为所述比例大于预设比例阈值时，则判定所述待检测保密介质碎片的图像不符合介质销毁颗粒度要求；当所述第二判断结果为所述比例小于等于预设比例阈值时，则判定所述待检测保密介质碎片符合介质销毁颗粒度要求。2.根据权利要求1所述的保密介质销毁颗粒度的识别方法，其特征在于，所述介质碎片识别模型的构建过程包括：以卷积神经网络ResNet50作为骨干网络；所述卷积神经网络ResNet50由多个依次连接的卷积块构成；基于所述骨干网络构建多尺度特征融合网络；多尺度特征融合网络包括多层级的金字塔网络；基于所述多尺度特征融合网络构建区域建议网络；基于所述区域建议网络构建检测头。3.根据权利要求2所述的保密介质销毁颗粒度的识别方法，其特征在于，所述基于所述骨干网络构建多尺度特征融合网络，具体包括：将所述骨干网络中各所述卷积块输出的第一特征图分别输入一个卷积核大小为1*1的卷积层中；对第一个卷积层中输出的第二特征图进行下采样操作和上采样操作后，依次对剩余卷积层输出的第三特征图进行上采样操作和元素集相加操作，得到第四特征图；将所述第四特征图分别输入CBAM注意力模块后得到多层级的金字塔网络。4.根据权利要求3所述的保密介质销毁颗粒度的识别方法，其特征在于，所述基于所述多尺度特征融合网络构建区域建议网络，具体包括：将所述多层级的金字塔网络输出的第五特征图分别进行卷积核为3
×
3的卷积操作，进行卷积操作过程采用滑动锚框在第五特征图上进行遍历操作，生成一组候选碎片区域；将生成后续碎片区域的第七特征图输入到分类支路，以预测候选碎片区域的包围框位置；
将生成后续碎片区域的第七特征图输入到回归支路，以预测候选碎片区域为介质碎片的概率。5.根据权利要求4所述的保密介质销毁颗粒度的识别方法，其特征在于，所述基于所述区域建议网络构建检测头，具体包括：将每个候选碎片区域根据面积大小映射到对应的特征层，再通过ROI Align层输出一系列相同尺寸的候选区域特征图；将所述候选区域特征图输入检测分支，在检测分支中，所述候选区域特征图经第一全连接层进行特征提取和分类后，输入回归支路，利用回归损失函数Smooth L1 Loss完成边框回归操作...

【专利技术属性】
技术研发人员：罗远哲，刘瑞景，陈思杰，申慈恩，陆立军，郑玉洁，刘佳佳，徐盼云，张春涛，
申请(专利权)人：北京中超伟业信息安全技术股份有限公司，
类型：发明
国别省市：