王晓媛 张文涛 韩 磊

中国航天系统科学与工程研究院，北京 100037

随着信息技术的不断发展，使用手机对电脑屏幕拍照成为窃取敏感信息的便捷且隐蔽的手段[1]。近年来，因该手段导致的泄密事件正呈现逐年上升的趋势，对网络中重要信息的安全保密构成了严重威胁[2]。目前现有的防范方法主要有3种：信息隐藏显示法[3]仅针对于文本文件的保护，无法抵御摄像攻击；摄像头检测法[4-7]主要针对长期窃拍的隐藏摄像头，目前众多电磁信息对其影响较大；屏幕水印法[8-9]主要用于追溯，对鲁棒性攻击、几何攻击的抵抗性较差。综上所述，上述3种方法均在一定程度上对待解决的问题有所妥协，而近年来国内外在目标检测方面的深入研究为解决该问题提供了新思路。

传统的目标检测法有基于SVM[10]、HOG特征[11]和DPM[12]等多种方法，随着智能时代的来临，目前普遍使用基于深度学习的方法进行目标检测，其中，2013年首次提出的基于区域的卷积神经网络(Region-based Convolutional Neural Network，RCNN)[13]目标检测法是近年来应用效果较好的方法之一，该方法结合了区域提名(Region Proposal)和卷积神经网络(CNN)2种思想，相比于传统方法，显著提高了识别率。近年来，RCNN不断发展与演进，Fast RCNN[14]利用Multi-task loss实现了多任务同时训练，明显加快了训练和测试速度；Faster RCNN[15]在Fast RCNN的基础上结合区域候选网络(RPN)，通过共享卷积层和特征图谱，实现快速目标识别训练与测试。

本文针对手机拍摄屏幕的行为特点，以Faster RCNN算法为基础，构建静态图片和动态视频图片相结合的数据集，对原始图像数据进行特征提取后训练，最终达到识别手机的效果，根据识别结果做出快速响应，阻断手机拍摄行为，有效保护网络中重要信息的安全。……