(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210486324.5 (22)申请日 2022.05.06 (71)申请人 支付宝 （杭州） 信息技 术有限公司 地址 310000 浙江省杭州市西湖区西溪路 556号8层B段801-1 1 (72)发明人 曹佳炯　丁菁汀　 (74)专利代理 机构 北京国昊天诚知识产权代理 有限公司 1 1315 专利代理师 朱文杰 (51)Int.Cl. G06F 21/62(2013.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种信息处 理方法、 装置及设备 (57)摘要 本说明书实施例公开了一种信息处理方法、 装置及设备， 该方法包括： 获取目标用户待处理 的第一信息， 第一信息中包括目标用户的隐私信 息； 为第一信息选取相应的第二信息， 并将第一 信息和第二信息输入到预先训练的隐写区域模 型中， 得到用于对第一信息进行隐写处理的第二 信息对应的区域， 用于对第一信息进行隐写处理 的区域为呈现第二信息的区域中的部分区域； 将 第一信息和用于对第一信息进行隐写处理的区 域输入到 预先训练的隐写模型中， 得到在用于对 第一信息进行隐写处理的区域中隐写入第一信 息的隐写信息； 基于隐写信息对目标业务进行业 务处理。 权利要求书3页 说明书23页 附图6页 CN 114880706 A 2022.08.09 CN 114880706 A 1.一种信息处 理方法， 所述方法包括： 获取目标用户待处 理的第一信息， 所述第一信息中包括所述目标用户的隐私信息； 为所述第一信 息选取相应的第 二信息， 并将所述第 一信息和所述第 二信息输入到预先 训练的隐写区域模型中， 得到用于对所述第一信息进 行隐写处理的所述第二信息对应的区 域， 用于对所述第一信息进行隐写处理的区域为呈现所述第二信息的区域中的部分区域， 所述隐写区域模型用于在一个信息的呈现区域中确定对另一个信息进行隐写处理的部分 区域； 将所述第一信息和所述用于对所述第一信息进行隐写处理的区域输入到预先训练的 隐写模型中， 得到在所述用于对所述第一信息进 行隐写处理的区域中隐写入所述第一信息 的隐写信息， 所述隐写模型用于将一个信息隐写入用于呈现另一个信息的区域的部 分区域 内； 基于所述隐写信息对目标业 务进行业 务处理。 2.根据权利要求1所述的方法， 所述第一信息为用于进行生物 识别的用户生物信息， 所述获取目标用户待处 理的第一信息， 包括： 获取所述目标用户的生物识别请求， 所述生物识别请求中包括所述待处理的第一信 息； 所述基于所述隐写信息对目标业 务进行业 务处理， 包括： 基于所述隐写信息对所述目标用户进行生物 识别处理； 所述方法还 包括： 删除所述第一信息 。 3.根据权利要求1或2所述的方法， 所述第一信息为包含用户生物信息的第一图像， 所 述第二信息为第二图像， 所述第二图像与所述第一图像不同， 所述用于对所述第一信息进 行隐写处 理的区域 为所述第二图像中的部分图像所在的区域。 4.根据权利要求2所述的方法， 所述基于所述隐写信息对对所述目标用户进行生物识 别处理， 包括： 将所述隐写信 息发送给服务器， 所述隐写信 息用于触发所述服务器基于预先存储的基 准用户生物信息和所述隐写信息， 对所述目标用户进行生物 识别处理； 接收所述 服务器发送的对所述目标用户进行生物 识别处理的生物 识别结果。 5.根据权利要求1所述的方法， 所述方法还 包括： 获取第一训练样本数据和呈现第 二训练样本数据的区域中的部分区域， 所述第 一训练 样本数据中包括用户的隐私信息； 通过所述第 一训练样本数据和所述呈现第 二训练样本数据的区域中的部分区域， 对所 述隐写模 型、 解码模 型和对抗模 型进行联合训练， 得到训练后的 隐写模型、 训练后的解码模 型和训练后的对抗模型， 所述解码模型用于对隐写处理后的第一训练样本数据进 行还原处 理， 所述对抗模型用于判断呈现第二训练样本数据的区域中的两个部 分区域中是否隐写入 所述第一训练样本数据， 所述两个部分区域中的一个部 分区域为未隐写入 所述第一训练样 本数据的区域。 6.根据权利要求5所述的方法， 所述通过所述第一训练样本数据和所述呈现第二训练 样本数据的区域中的部 分区域样本， 对 所述隐写模 型、 解码模 型和对抗模型进 行联合训练，权　利　要　求　书 1/3 页 2 CN 114880706 A 2得到训练后的隐写模型、 训练后的解码模型和训练后的对抗模型， 包括： 将所述第一训练样本数据和所述呈现第二训练样本数据的区域中的部分区域输入到 所述隐写模型中， 得到隐写处 理后的第一训练样本数据； 将所述隐写处理后的第 一训练样本数据输入到所述解码模型， 以通过所述解码模型对 所述隐写处 理后的第一训练样本数据进行还原处 理， 得到重建的第一训练样本数据； 将呈现第二训练样本数据的区域中的两个部分区域输入到所述对抗模型中， 以通过所 述对抗模型确定所述呈现第二训练样本数据的区域中的两个部分区域中每个部分区域中 隐写入所述第一训练样本数据的概 率， 得到相应的输出 结果； 基于所述第一训练样本数据、 所述 隐写处理后的第一训练样本数据、 所述重建的第一 训练样本数据、 所述呈现第二训练样本数据的区域中的部分区域、 所述输出结果和预设的 第一损失函数， 确定所述隐写模型、 所述解码模型和所述对抗模型是否收敛， 如果否， 则获 取第一训练样本数据和呈现第二训练样本数据的区域中的部分区域 继续对所述隐写模型、 所述解码模型和所述对抗模型进行模型训练， 直到所述隐写模型、 所述解码模型和所述对 抗模型收敛， 得到训练后的隐写模型、 训练后的解码模型和训练后的对抗模型。 7.根据权利要求5或6所述的方法， 所述第 一损失函数由所述呈现第 二训练样本数据的 区域中的部 分区域在进行隐写处理前和在进 行隐写处理后的峰值信噪比的差值的最小值、 所述第一训练样本数据和所述重建的第一训练样本数据之 间的相似度的最大值， 以及预设 的分类子损失函数确定 。 8.根据权利要求5所述的方法， 所述方法还 包括： 基于所述第 一训练样本数据和所述第 二训练样本数据， 通过所述隐写区域模型对应的 预设的区域搜索策略， 以确定呈现所述第二训练样本数据的区域中满足预设的对所述第一 训练样本数据进 行隐写处理的条件的部 分区域， 并采用预设的第二损失函数和确定的满足 预设的对所述第一训练样本数据进行隐写处理的条件的部 分区域， 确定所述隐写区域模型 是否收敛， 如果否， 则获取所述第一训练样本数据和所述第二训练样本数据继续对所述隐 写区域模型进行模型训练， 直到所述隐写区域模型收敛， 得到训练后的隐写区域模型。 9.根据权利要求8所述的方法， 所述第二损失函数与所述第一损失函数负相关。 10.根据权利要求8所述的方法， 所述 区域搜索策略由搜索方向和/或平移步长构建， 所 述搜索方向包括以下中的一种或多种： 向上平 移、 向下平 移、 向左平 移和向右 平移。 11.一种信息处 理装置， 所述装置包括： 信息获取模块， 获取目标用户待处理的第一信息， 所述第一信息中包括所述目标用户 的隐私信息； 区域确定模块， 为所述第一信息选取相应的第二信息， 并将所述第一信息和所述第二 信息输入到预先训练的 隐写区域模型中， 得到用于对所述第一信息进 行隐写处理的所述第 二信息对应的区域， 用于对所述第一信息进 行隐写处理的区域为呈现所述第二信息的区域 中的部分区域， 所述隐写区域模型用于在一个信息的呈现区域中确定对另一个信息进 行隐 写处理的部分区域； 隐写模块， 将所述第 一信息和所述用于对所述第 一信息进行隐写处理 的区域输入到预 先训练的隐写模型中， 得到在所述用于对所述第一信息进 行隐写处理的区域中隐写入所述 第一信息的 隐写信息， 所述隐写模型用于将一个信息隐写入用于呈现另一个信息的区域的权　利　要　求　书 2/3 页 3 CN 114880706 A 3