智能家居服務(wù)機器人視覺和聽覺行為隱私識別保護與度量技術(shù)

摘 要：智能家居環(huán)境中廣泛使用攝像頭、語音監(jiān)聽設(shè)備而存在隱私泄漏的風(fēng)險，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)查問卷結(jié)果分析了人們對服務(wù)機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)保護的隱私保護、基于回避工作模式的隱私識別保護、聚焦特定目標的隱私識別保護、隱私度量4個方面進行了綜述，并給出了未來值得關(guān)注的幾個方向。

關(guān)鍵詞：服務(wù)機器人;機器視覺;隱私識別;隱私保護;隱私度量

中圖分類號：TP181 "文獻標志碼：A

《2017年中國機器人產(chǎn)業(yè)發(fā)展報告》指出[1]：截至2016年底，我國60歲以上人口已達2.3億人，占總?cè)丝诘?6.7%。2021年政府工作報告在“十四五”規(guī)劃目標任務(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加快，到2035年我國老年人口將達到4億人，如何借助現(xiàn)代科技發(fā)展的成果（特別是服務(wù)機器人）讓老年人安享晚年，減輕因子女在外工作而無法時刻照顧家中老人的負擔(dān)，是值得深入研究的課題。國務(wù)院發(fā)布的《中國制造2025》明確提出：圍繞醫(yī)療健康、家庭服務(wù)、教育娛樂等服務(wù)機器人應(yīng)用需求，積極研發(fā)新產(chǎn)品，促進機器人標準化、模塊化發(fā)展，擴大市場應(yīng)用的要求。針對機器人，特別是服務(wù)機器人，國內(nèi)外均開展了較多的研究，如：Jibo機器人[2]，法國科技公司Blue Frog Robotics研發(fā)的Buddy機器人[3]，新松機器人自動化股份有限公司的講解機器人[4]，北京科技大學(xué)研制的兒童玩伴機器人、表情頭機器人[5]等。

2017年6月18日，國家質(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)險警示，稱已檢測的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，《財經(jīng)》雜志以“失控的攝像頭：誰在售賣你的私生活？”為題報道了“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設(shè)備與系統(tǒng)的安全防護性能，從源頭上最大化減少安全風(fēng)險。

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、語音監(jiān)聽設(shè)備而存在隱私泄漏的風(fēng)險，影響人的心理狀態(tài)甚至?xí)鹦睦碚系K，這是此類系統(tǒng)部署推廣的最大障礙之一[7]。2）人需要獨立的空間進行思考與行為表達（如大聲唱歌、夸張地跳舞等），當(dāng)一個人發(fā)現(xiàn)自己被偷窺或者監(jiān)聽時，他會立刻停止做此類事情，并且會感到非常驚恐、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治安的行為。對隱私內(nèi)容有符合人心理需求反應(yīng)的系統(tǒng)，可以改善用戶體驗感受。

為了全面深入地把握智能家居服務(wù)機器人視覺和聽覺行為隱私保護技術(shù)，本文首先基于問卷調(diào)查的結(jié)果，扼要地分析了人們對服務(wù)機器人所涉及的隱私問題的關(guān)注方面及程度;然后，分別從基于數(shù)據(jù)的隱私保護、基于回避工作模式的隱私識別保護、聚焦特定目標的隱私識別保護、隱私度量4個方面進行了綜述;最后，總結(jié)展望了未來的發(fā)展趨勢。

1 問卷調(diào)查分析

為了掌握人們對服務(wù)機器人所涉及的隱私問題的關(guān)注方面及程度，課題組按照統(tǒng)計調(diào)查的知識，設(shè)計了服務(wù)機器人與個人隱私保護調(diào)查問卷[9]。問卷共設(shè)計了12個問題，限于篇幅不再贅述，詳細內(nèi)容可以查閱https：//www.wenjuan.com/s/zMRFFb2。通過在線調(diào)查的方式，共收集有效調(diào)查問卷共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，lt;18，18～35歲，36～50歲，51～60歲和gt;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），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，涉及到全國的10余個省份，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是涉及隱私信息問題的調(diào)查結(jié)果統(tǒng)計。

問卷調(diào)查結(jié)果表明：97.58%的參與人關(guān)心隱私檢測和隱私保護問題;74.60%的調(diào)查者希望服務(wù)機器人能檢測出隱私情況，如：衣服特別少的時候，停止記錄這些信息，并且機器人主動調(diào)整攝像頭，不再盯著使用者。當(dāng)攝像頭、語音監(jiān)聽設(shè)備獲取隱私數(shù)據(jù)時，超過56.86%的參與人感覺非常不舒服。同時，出于對隱私安全的擔(dān)憂，55.87%的參與人主張將所有數(shù)據(jù)保存在機器人系統(tǒng)或者本地磁盤，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)保護的隱私保護技術(shù)

從數(shù)據(jù)保護的角度，針對智能家居及服務(wù)機器人數(shù)據(jù)安全的問題，許多研究者采用了訪問控制、密碼驗證等方式保護數(shù)據(jù)安全。

針對傳統(tǒng)防火墻不能滿足用戶對自身網(wǎng)絡(luò)安全管理的需求，文獻[10]在分析服務(wù)和用戶屬性量化的基礎(chǔ)上，提出了量化服務(wù)和角色的訪問控制模型，但對于區(qū)域網(wǎng)絡(luò)策略的沖突和冗余問題，并沒有提出檢測及消減的方法。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)安全問題，文獻[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，并使用用戶匹配策略搭建隱私信息保護控制框架。雖然該框架有助于解決用戶隱私問題，但隨著安全集線器數(shù)據(jù)量的增加，將會造成集線器冗余，且未從用戶心理的角度進行數(shù)據(jù)存儲和共享。文獻[12]分析了物聯(lián)網(wǎng)架構(gòu)下不同層次的安全問題，并強調(diào)應(yīng)建立法律的隱私保護機制。雖然研究者建立了隱私機密認證控制機制，但是即使給數(shù)據(jù)加密進行傳輸，攻擊者仍然可通過分析數(shù)據(jù)流來提取用戶信息。文獻[13]通過分析物理層的性能，運用分布式控制、決策和推理算法建立隱私保護機制，在一定程度上能防范隱私泄露問題，但是當(dāng)可信任傳感器的網(wǎng)絡(luò)節(jié)點信息泄露，攻擊者仍可從中獲取用戶信息。

就采用加密方式保護用戶信息安全方面，文獻[14]通過分析智能家居信息安全的特點，采用對稱密碼算法作為數(shù)據(jù)與接入認證的加密算法，對輸入和接收設(shè)備的數(shù)據(jù)進行了加密認證，但遺憾的是作者并沒有進行整個智能家居的網(wǎng)絡(luò)攻擊測試。文獻[15]從智能家居系統(tǒng)的風(fēng)險分析入手，開發(fā)隱私保護軟件，該方法從應(yīng)用層面上試圖保護隱私信息，但對于網(wǎng)絡(luò)連接層隱私保護的研究還有待深入。文獻[16]針對智能家庭環(huán)境中移動設(shè)備和家用電器增加而導(dǎo)致內(nèi)容共享域擴展的問題，提出了一種細粒度訪問控制策略的隱私保護機制，并對內(nèi)容進行加密處理。以上研究主要是通過訪問權(quán)限控制、密碼學(xué)技術(shù)、身份認證等技術(shù)以實現(xiàn)保護數(shù)據(jù)和保護隱私的目的，但數(shù)據(jù)在傳輸過程中一旦被入侵，則所有的信息都將被泄漏。

3 基于回避工作模式的隱私識別保護 "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)用戶將提及敏感話題時，可以使用其語音交互功能，告訴SmartTV2關(guān)閉語音監(jiān)聽功能?？拼笥嶏w與如家酒店聯(lián)合推出的叮咚智能音[18]，通過與叮咚進行高自由度的語音對話，客人可以實現(xiàn)對客房所有電器的控制以及語音的監(jiān)聽。通過向叮咚下達指令，就會啟用對應(yīng)的服務(wù);同時，當(dāng)涉及個人隱私內(nèi)容時，也可以命令叮咚關(guān)閉其語音監(jiān)聽功能。此類系統(tǒng)雖然可以避免隱私敏感內(nèi)容的監(jiān)聽，但是當(dāng)突發(fā)危險情況時（如有人入侵但系統(tǒng)卻是處于被“叫?！倍鴽]有工作的狀態(tài)），會因為系統(tǒng)的“不作為”而失去一些重要的信息。文獻[19]提出了基于改進YOLO的隱私情境檢測算法，并搭建了隱私情境檢測硬件平臺，實現(xiàn)了具有隱私情境檢測功能的服務(wù)機器人系統(tǒng)。當(dāng)檢測到隱私情境后，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 聚焦特定目標的隱私識別保護

對于特定目標的識別、特別是涉及隱私內(nèi)容的檢測方面，為了檢測出圖片中的裸體內(nèi)容，文獻[20]通過設(shè)計裸體檢測過濾機制來監(jiān)控家庭兒童訪問色情網(wǎng)站，并且使用顏色信息分區(qū)模塊來描述裸露圖像，采用支持向量機對圖片樣本進行分類，獲得94.3%的識別率。針對人的動作行為，文獻[21]通過研究不同動作類之間的共同模式，運用改進的稀疏編碼方式識別人體動作，為分析靜態(tài)動作識別提供了方法。而對于動態(tài)的人臉識別，文獻[22]針對移動設(shè)備而導(dǎo)致相機視覺捕獲設(shè)備抖動及面部移動的問題，結(jié)合光照、情境變化提出了一種卷積神經(jīng)網(wǎng)絡(luò)的人臉識別算法。針對復(fù)雜環(huán)境的語音識別問題，文獻[23]提出深度神經(jīng)網(wǎng)絡(luò)激活因素類之間的相似度量方法，得到基于聽覺的Gabor特征與深度學(xué)習(xí)架構(gòu)結(jié)合的一種魯棒自識別語音算法。

為了從數(shù)據(jù)源上解決隱私泄露問題，文獻[24]提出了基于近似等價轉(zhuǎn)換的服務(wù)機器人視覺隱私行為識別與保護算法。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)場景識別算法;然后，設(shè)計了基于Inception-v3和LSTM的涉隱私圖像語義特征描述算法;最后，構(gòu)建了將傳感器信息融入到場景語義描述的機制。所實現(xiàn)的視覺隱私行為識別與保護系統(tǒng)平均隱私識別準確率和隱私場景語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性能。圖3是所給出的近似等價轉(zhuǎn)換示意圖。

針對人臉隱私保護，文獻[25]基于生成式對抗網(wǎng)絡(luò)提出了一種無監(jiān)督的服務(wù)機器人人臉隱私保護方法。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，獨特的損失函數(shù)可以緩解模式崩塌和不收斂問題。

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

5 隱私度量

針對隱私保護系統(tǒng)的相關(guān)度量問題，有學(xué)者研究基于Shannon信息論的通信框架，研究了隱私保護的信息熵模型及其度量方法，提出了隱私保護方法的強度和敵手攻擊能力的量化測評[26]。此成果雖然可為隱私泄露的量化風(fēng)險評估提供理論支持，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的隨機性與主觀性。為了解決內(nèi)容中心網(wǎng)絡(luò)節(jié)點的隱私泄露問題，文獻[27]設(shè)計了面向隱私保護的協(xié)作緩存策略。該研究最大特點是：從信息熵的角度提出隱私度量指標，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用戶隱私保護水平，但是其仿真所涉及的節(jié)點、內(nèi)容規(guī)模與實際的情況相差較大，且策略并沒有在實際工程中進行驗證，實際應(yīng)用效果還難以確定。

圍繞用戶軌跡隱私保護方面，文獻[28]通過用帶權(quán)無向圖描述用戶運動軌跡，并通過設(shè)計基于信息熵的用戶軌跡隱私水平計算方法，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和軌跡隱私保護方法設(shè)計者提供有價值的工具，但是卻需要攻擊者的背景知識，而現(xiàn)實情況是：絕大數(shù)情況下，無法知道攻擊者的背景知識。

圍繞智能家居環(huán)境中情境感知的隱私保護方面，文獻[29]通過傳感器網(wǎng)絡(luò)搜集用戶行蹤和偏好行為，并采用信息熵理論對所搜集數(shù)據(jù)進行分析處理，得到個人行為習(xí)慣的隱私度量方法。然而，在現(xiàn)實生活中，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始，該方法并沒有在搜集數(shù)據(jù)時就保護隱私信息。圍繞數(shù)據(jù)收集保護隱私問題，文獻[16]提出了一種匿名發(fā)布敏感數(shù)據(jù)機制，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，采用最大熵保護敏感隱私數(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的問題，但是在隱私數(shù)據(jù)傳輸?shù)倪^程中，沒有提出相應(yīng)的保護機制。

6 結(jié)束語

對于隱私的界定因習(xí)俗、法規(guī)、種族的不同而有不同的內(nèi)涵，學(xué)術(shù)界沒有一個統(tǒng)一的定義，這為隱私的檢測與保護帶來了困難。當(dāng)前的文獻成果多數(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，以下幾個方面可能是值得關(guān)注的方向。

1）信息熵理論在衡量特定信息時具有優(yōu)勢，那些關(guān)于如何度量隱私信息的成果，可為因攝像頭、語音設(shè)備而引起隱私泄漏風(fēng)險的服務(wù)機器人從數(shù)據(jù)源頭上減少甚至消滅帶有強隱私信息的內(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）生成式對抗網(wǎng)絡(luò)[30]基于博弈論的二人零和博弈，利用一個生成器和一個判別器，通過對抗學(xué)習(xí)的方式來訓(xùn)練，從而達到估測數(shù)據(jù)樣本的潛在分布并生成新的數(shù)據(jù)樣本的目標，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)提供了一種新的實現(xiàn)途徑。

3）面向智能家居動態(tài)非結(jié)構(gòu)環(huán)境中的服務(wù)機器人視覺和聽覺行為隱私自主感知方法、及自主尊重用戶行為隱私的多模態(tài)工作機制，嘗試開發(fā)具有行為隱私認知功能的服務(wù)機器人。

4）若能獲得普遍認可的隱私檢測內(nèi)容的方案及隱私信息保護的方案，無疑會促進有視覺、聽覺等涉隱私內(nèi)容的服務(wù)機器人產(chǎn)業(yè)的發(fā)展。結(jié)合前文問卷調(diào)查結(jié)果可知，設(shè)計符合用戶心理關(guān)愛需求的、能夠保護用戶隱私的服務(wù)機器人產(chǎn)品是人們所期待的。

參考文獻：

[1]和訊名家. 2017中國機器人產(chǎn)業(yè)發(fā)展報告權(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] 新松機器人自動化股份有限公司. 講解機器人[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)機器人設(shè)計研發(fā)與實現(xiàn)[D]. 南京：南京理工大學(xué)，2015.

[6] 財經(jīng)雜志. 失控的攝像頭：誰在售賣你的私生活？[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. 家用機器人與個人隱私保護的調(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. 一種基于量化用戶和服務(wù)的大規(guī)模網(wǎng)絡(luò)訪問控制方法[J]. 計算機學(xué)報，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. 改進的YOLO特征提取算法及其在服務(wù)機器人隱私情境檢測中的應(yīng)用[J]. 自動化學(xué)報，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 amp; Language，2017，45（56）：21-38.

[24]李中益，楊觀賜，李楊，等. 基于圖像語義的服務(wù)機器人視覺隱私行為識別與保護系統(tǒng)[J]. 計算機輔助設(shè)計與圖形學(xué)學(xué)報，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. 信息論與編碼[M]. 2版. 北京：電子工業(yè)出版社，2007.

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

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

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

[30]王坤峰，茍超，段艷杰，等. 生成式對抗網(wǎng)絡(luò)GAN的研究進展與展望[J]. 自動化學(xué)報，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 people’s 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