科学技术的发展便捷了图片数据的产生并使得图片数据得到广泛地应用,这促使越来越多的图片数据以多种方式被共享和应用,例如在线社交网站Facebook和Flickr,数据交易平台京东万象和数据堂等。然而图片中丰富的语义内容包含大量的个人隐私信息,如果不能执行适当的隐私保护措施将使得用户面临严重的隐私泄露风险。尽管当前的社交网站允许用户设置其隐私选项,但对于网络上的绝大多数用户而言,无论是设置隐私选项或是筛选过滤隐私图片都是一项繁琐的任务,并且当人工操作不当时,图片共享可能会导致不必要的隐私披露或侵犯隐私的行为。因此,设计自动化的隐私图片保护方法十分重要。基于数据共享背景下的图片隐私保护需求,本文围绕图片隐私保护开展研究。首先,本文设计了图片隐私关注的调查问卷并根据417份问卷反馈研究分析用户关于图片隐私的特点。然后,考虑到现有工作的不足以及用户对于图片隐私的主观性定义,本文设计了一个细粒度、个性化、可解释的隐私图片检测算法,利用融合了用户可理解的多种图片语义特征的多层图结构作为图片的特征表示,使用规则描述用户隐私定义,通过规则学习构建用户个性化的图片隐私定义,将隐私检测的粒度从文件级别细化到图片中的个体。最后针对隐私图片,本文设计了最小化图片效用损失的隐私图片保护算法,将图片隐私保护与图片可用性之间的平衡转化成一个组合优化问题。本文在两个数据集上验证了图片隐私保护方案的效果,分别是20个用户的8744张图片构成用户个人数据集和在Flickr上爬取的PicAlert数据集。实验结果验证了本文个性化隐私图片检测方案和图片隐私保护算法的有效性。