近年因手機拍攝屏幕導致的泄密事件頻發，并有逐年增加的趨勢。移動智能終端廣泛使用的副作用是敏感信息在最后呈現時的安全性得不到有效事前防護措施的保障。

　　因此，深入分析現有屏幕防拍攝方法存在的局限性，結合特殊行業屏幕防手機拍攝的典型場景，提出了一種基于深度學習完成手機識別、確保實時主動守護屏幕信息安全的新技術。該技術檢測到敏感物體和可疑特征時關閉顯示器，并進行現場取證和聲光報警，有效地從信息泄露源頭上防止拍攝屏幕造成的信息泄漏事件。

　　最后，針對保密行業的特殊要求，提出該技術與可信執行環境和安全加密傳感器進行技術融合的發展方向，探討了基于光學原理分析方法檢測隱蔽拍攝設備的防竊照技術。

　　隨著手機等具備拍照功能的便攜式設備的普及，通過手機等設備對電腦屏幕內容拍照竊取信息成為導致信息泄漏最普遍、最容易的一種方式。

　　如何提供更普適性的主動防屏幕拍照應用，確保屏幕信息不被非法拍攝或竊取，實現對屏幕信息的主動防護與實時預警，成為信息安全領域亟需解決的問題。

　　01

　　當前狀態

　　1.1　現有防范方法

　　目前，防止屏幕拍照的手段比較缺乏，且均不具備實時主動防御能力。

　　現有的防范方法主要包括如下方法。

　　（1）信息隱藏顯示法：僅針對文本文件給予保護，無法抵御攝像攻擊；

　　（2）攝像頭檢測法：主要針對長期竊拍的隱藏攝像頭，但目前眾多電磁信息對其影響較大；

　　（3）屏幕水印法：主要用于追溯，對魯棒性攻擊、幾何攻擊的抵抗性較差。

　　綜上所述，上述3種方法均在一定程度上對待解決的問題有所妥協。近年來，人工智能深度學習領域的技術飛速發展，國內外在目標檢測方面的深入研究和技術應用，為解決防止拍攝屏幕問題提供了新的思路。

　　1.2　威脅分析以及應對方法

　　當前特殊行業的敏感信息，在屏幕的最終呈現環節的狀況不容樂觀。因拍攝屏幕所導致的信息失泄密事件頻發，目前的主要威脅如表1所示。

　　表1　目前特殊行業屏幕信息安全所面臨的主要威脅

　　本文介紹的技術結合數字光電傳感器和人工智能先進技術，實時主動感知威脅，并全方位防護屏幕，可為屏幕的信息安全提供可靠的事前防護措施，有效降低因移動智能終端拍攝導致的屏幕信息泄密風險。

　　02

　　方案介紹

　　本方案設計并實現了一種專用防拍照顯示器與遠程監控報警系統。防拍照顯示器主要包含內置攝像采集模塊、內置識別判決模塊、內置控制模塊和內置報警模塊。方案體系架構組成如圖1所示。

　　圖1　方案體系架構組成原理

　　防拍照顯示器的內置攝像采集模塊、內置識別判決模塊與內置控制模塊，可實時監控并自動識別手機等拍照設備和拍照動作，并記錄拍照行為，同時具有主動設防功能和自動撤防功能。

　　另外，該顯示器可內置自動報警模塊進行單機報警，也可發送至監控中心實現遠程報警功能。防拍照顯示器能夠有效防止通過對顯示屏拍照造成信息泄漏的問題，實時保護屏幕信息，提高了信息的安全性、威脅預警的準確性和防護的及時性。

　　03

　　各子模塊介紹

　　3.1　攝像采集模塊

　　內置攝像采集模塊采用攝像頭獲取圖像，并將獲取的圖像提供給內置識別判決模塊。

　　3.2　識別判決模塊

　　內置識別判決模塊采取深度學習與圖像識別的方法，實現對是否存在拍照竊取信息情況的智能識別功能。

　　識別判決模塊主要由兩部分構成：一部分是訓練過程，一部分是識別過程。訓練過程包括經過樣本標簽分類后的訓練圖片的輸入、反復學習與深度網絡訓練和形成分類模型；識別過程包括攝像頭隨機拍攝抓取測試圖片的輸入、與標簽樣本庫進行比對判斷以及將是否存在拍照竊取信息情況的結果輸出。

　　如圖2所示，識別判決模塊的判決過程如下。

　　步驟1：有無拍照情況圖片標簽分類預處理。方案需要在有手機的圖片中將其標注出來。標注有4種標注方式：（1）只標注手機后置攝像頭；（2）標注整個手機；（3）對攝像頭和整個手機結合標注；（4）在人手持手機拍照情況下對手機和手結合標注。

　　步驟2：有無拍照樣本庫建立。將有手機的圖片按照步驟1中的4種方式標注后，存儲在“有手機”的文件夾下，建立“有手機”樣本庫。

　　步驟3：訓練過程。將標注好后形成的“有手機”樣本作為訓練圖片輸入到訓練過程，調用訓練程序對訓練圖片進行訓練，經過對圖片標注部分的反復學習與深度網絡訓練，形成準確的訓練結果模型。

　　步驟4：識別過程。將攝像頭實時拍攝抓取的圖片作為輸入，運行識別程序，通過顏色、邊緣、紋理等快速識別出目標，采用訓練好的結果模型進行判決，將識別出的一個或多個手機進行快速定位并實時框選，給出相似度結果，同時記錄保存當前畫面。

　　圖2　識別判決模塊的判決過程

　　此過程的拍照設備只是以手機為優選，但并不具有限制性意義。對于其他具有拍攝功能的設備，上述方法同樣適用。

　　3.3　控制模塊

　　控制模塊根據內置板卡識別模塊的判別結果，通過控制顯示屏幕亮度或電源實現自動設防與撤防功能。

　　若有手機等拍照設備靠近顯示器或有拍照的可疑行為、動作出現，顯示屏則變暗或斷電。若無拍照情況，控制模塊將根據攝像頭前是否有人出現來控制顯示屏幕的變化：攝像頭前有人時亮屏，無人時暗屏或斷電。增加的防拍照電路和模塊與顯示屏顯示信息傳輸、處理電路完全獨立，只控制顯示屏供電電路。

　　3.4　報警模塊

　　當識別出場景內出現非法設備（手機）或拍照行為時，報警模塊會鳴響警報起到報警作用。顯示器可內置自動報警模塊進行單機報警，也可發送至監控中心實現遠程報警功能。

　　3.5　遠程監控報警系統

　　遠程監控報警系統提供可視化管理平臺，為管理者提供安全態勢可知、可見、可控的有力工具。

　　本方案適用于不同平臺（CPU/GPU）和不同操作系統（Windows/Linux/安卓）。

　　04

　　關鍵技術

　　本防拍照方案基于TenseFlow框架的深度學習手機識別算法，結合以下關鍵技術的優化，在同樣環境條件下提升識別準確率。

　　4.1　輸入樣本集

　　在算法和訓練模型相同的情況下，算法效果的好壞主要依賴于訓練數據是否恰當。合理采集數據圖片進行預處理，建立圖片數據訓練集十分重要。

　　4.2　硬件能力優選

　　4.2.1　傳感器

　　攝像機很多技術參數影響視頻圖像的質量，這些因素有感光器（CCD、CMOS）、感光器的大小、DSP的處理速度、內置圖像處理芯片和鏡頭等。同時，攝像機內置的一些設置參數也將影響視頻質量，如曝光時間、光圈、動態白平衡等參數。目前，基于TOF技術的深度攝像頭的小型化和廣泛普及，為防拍照顯示器提供了普通攝像頭無法提供的深度信息。

　　4.2.2　高性價比的AI處理器

　　AI專用處理器和芯片是支撐人工智能技術核心能力的基礎層。高性價比的AI處理器為防拍照顯示器的商用提供了基本條件。

　　4.3　識別算法優化

　　結合視覺細節增強映射，提升基于TenseFlow框架的深度學習手機識別算法的識別準確率。例如，先通過TenseFlow框架的深度學習手機識別算法識別疑似手機的物體，再通過細節（如攝像頭）分析進行最終判決。

　　05

　　結 語

　　本文以防拍照顯示器為例介紹了一種防止拍攝屏幕的新技術，全方位守護屏幕信息安全，精準加強“人防、物防、技防”的保密綜合防范體系。面向保密行業的日常工作需要，如辦公、出差和會議場景，該技術可分別形成防拍照顯示器、筆記本和顯示大屏等專用產品形態。

　　最后，針對保密行業的特殊要求，該技術需與可信執行環境和安全加密傳感器進行技術融合，以確保執行環境和傳感器的安全可控。同時，基于“貓眼效應”的光學原理分析方法，它對保密行業檢測隱蔽拍攝設備的防竊照技術發展具有重要的意義。