云环境下支持隐私保护的图像处理关键技术研究
发布时间：2023-09-16 19:49
图像作为记录生活、分享信息的重要手段,是大数据时代最主要的非结构化数据形态,其应用领域已经深入到人类生活和工作的方方面面,然而,一方面,随着手机、平板电脑、摄像头等各种图像采集设备的广泛使用,图像的规模正呈现出爆炸性增长的趋势;另一方面,图像的处理和分析(如特征提取、物体检测、目标识别、图像检索等)通常包含非常复杂的计算过程。因此,大规模图像数据已经远远超过了资源受限的终端设备的存储和计算能力。云计算技术具有高可靠性、强通用性、易扩展性以及超大规模等特性,近年来得到了快速发展并日趋成熟,越来越多个人、企业和组织选择将数据迁移至云端,为存储和管理大规模图像数据提供了可行的解决方案。不过,安全问题始终是阻碍云计算推广和普及的主要因素之一,将数据存储在云端意味着将数据交给并不完全可信的第三方,从而使用户对数据失去有效的控制,造成隐私泄漏的风险。对数据进行加密虽然可以有效保护数据的安全性,但是却大大降低了数据的可用性。因此,云环境下如何同时确保数据的安全性和可用性,成为我们面临的重大挑战,在学术界及工业界正受到越来越多的关注和研究。本文深入分析了不同层次的图像处理任务所面临的安全问题,从图像的...
【文章页数】：128 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景及意义
1.2 云环境下图像处理的隐私保护问题
1.2.1 数字图像处理概述
1.2.2 云计算概述
1.2.3 隐私保护技术概述
1.2.4 小结
1.3 全文结构及创新点
1.3.1 本文的研究内容及创新点
1.3.2 本文的组织结构
第二章 相关研究综述
2.1 支持隐私保护的图像特征提取
2.2 支持隐私保护的聚类分析
2.3 支持隐私保护的图像检索
2.3.1 基于标签的图像检索
2.3.2 基于内容的图像检索
2.4 本章小结
第三章 支持隐私保护的图像获取及恢复
3.1 引言
3.2 预备知识
3.2.1 压缩感知
3.2.2 正交匹配追踪
3.2.3 混淆电路
3.3 问题描述
3.3.1 系统与威胁模型
3.3.2 设计目标
3.4 支持隐私保护的图像获取及恢复
3.4.1 信号加密
3.4.2 信号重建
3.4.3 图像恢复
3.4.4 结果验证
3.5 理论分析
3.5.1 正确性分析
3.5.2 效率分析
3.5.3 安全性分析
3.6 实验评估
3.6.1 有效性评估
3.6.2 效率评估
3.7 本章小结
第四章 支持隐私保护的CNN特征提取
4.1 引言
4.2 预备知识
4.2.1 CNN特征
4.2.2 安全多方计算
4.3 问题描述
4.3.1 系统架构
4.3.2 安全模型
4.3.3 设计目标
4.4 基于秘密共享的安全计算模块
4.4.1 安全加减运算
4.4.2 安全乘法运算
4.4.3 安全比较运算
4.4.4 向量化
4.5 轻量级安全CNN特征提取方案
4.5.1 图像加密
4.5.2 安全CNN特征提取
4.5.3 CNN特征解密
4.6 理论分析
4.6.1 正确性分析
4.6.2 安全性分析
4.6.3 效率分析
4.7 实验评估
4.7.1 安全比较运算协议性能
4.7.2 支持隐私保护的CNN特征提取协议性能
4.8 本章小结
第五章 支持隐私保护的谱图分析
5.1 引言
5.2 预备知识
5.2.1 谱图分析
5.2.2 基于秘密共享的安全多方计算
5.3 问题描述
5.3.1 系统模型
5.3.2 安全模型
5.3.3 设计目标
5.4 基于秘密共享的安全计算模块
5.4.1 实数的表示
5.4.2 安全定点加减运算
5.4.3 安全定点乘法运算
5.4.4 安全定点比较运算
5.4.5 安全定点除法运算
5.4.6 安全定点平方根倒数运算
5.4.7 向量化
5.5 PSGraph:支持隐私保护的轻量级谱图分析框架
5.5.1 数据加密
5.5.2 支持隐私保护的邻接矩阵和拉普拉斯矩阵
5.5.3 支持隐私保护的特征分解
5.5.4 数据解密
5.6 理论分析
5.6.1 安全性分析
5.6.2 效率分析
5.7 实验评估
5.7.1 基本安全计算模块性能
5.7.2 支持隐私保护的谱图分析方案性能
5.8 本章小结
第六章 支持隐私保护的图像检索
6.1 引言
6.2 预备知识
6.2.1 基于内容的图像检索
6.2.2 局部聚合描述符向量
6.2.3 安全k近邻(kNN)
6.3 问题描述
6.3.1 系统与威胁模型
6.3.2 设计目标
6.4 支持隐私保护的图像检索方案
6.4.1 基于BPBC的向量量化
6.4.2 基于非对称距离的相似度度量
6.4.3 支持隐私保护的CBIR
6.5 安全性分析
6.6 实验评估
6.6.1 搜索精度
6.6.2 搜索效率
6.7 本章小结
第七章 总结与展望
7.1 本文工作总结
7.2 未来工作展望
致谢
参考文献
作者在学期间取得的学术成果
本文编号：3847093
【文章页数】：128 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景及意义
1.2 云环境下图像处理的隐私保护问题
1.2.1 数字图像处理概述
1.2.2 云计算概述
1.2.3 隐私保护技术概述
1.2.4 小结
1.3 全文结构及创新点
1.3.1 本文的研究内容及创新点
1.3.2 本文的组织结构
第二章 相关研究综述
2.1 支持隐私保护的图像特征提取
2.2 支持隐私保护的聚类分析
2.3 支持隐私保护的图像检索
2.3.1 基于标签的图像检索
2.3.2 基于内容的图像检索
2.4 本章小结
第三章 支持隐私保护的图像获取及恢复
3.1 引言
3.2 预备知识
3.2.1 压缩感知
3.2.2 正交匹配追踪
3.2.3 混淆电路
3.3 问题描述
3.3.1 系统与威胁模型
3.3.2 设计目标
3.4 支持隐私保护的图像获取及恢复
3.4.1 信号加密
3.4.2 信号重建
3.4.3 图像恢复
3.4.4 结果验证
3.5 理论分析
3.5.1 正确性分析
3.5.2 效率分析
3.5.3 安全性分析
3.6 实验评估
3.6.1 有效性评估
3.6.2 效率评估
3.7 本章小结
第四章 支持隐私保护的CNN特征提取
4.1 引言
4.2 预备知识
4.2.1 CNN特征
4.2.2 安全多方计算
4.3 问题描述
4.3.1 系统架构
4.3.2 安全模型
4.3.3 设计目标
4.4 基于秘密共享的安全计算模块
4.4.1 安全加减运算
4.4.2 安全乘法运算
4.4.3 安全比较运算
4.4.4 向量化
4.5 轻量级安全CNN特征提取方案
4.5.1 图像加密
4.5.2 安全CNN特征提取
4.5.3 CNN特征解密
4.6 理论分析
4.6.1 正确性分析
4.6.2 安全性分析
4.6.3 效率分析
4.7 实验评估
4.7.1 安全比较运算协议性能
4.7.2 支持隐私保护的CNN特征提取协议性能
4.8 本章小结
第五章 支持隐私保护的谱图分析
5.1 引言
5.2 预备知识
5.2.1 谱图分析
5.2.2 基于秘密共享的安全多方计算
5.3 问题描述
5.3.1 系统模型
5.3.2 安全模型
5.3.3 设计目标
5.4 基于秘密共享的安全计算模块
5.4.1 实数的表示
5.4.2 安全定点加减运算
5.4.3 安全定点乘法运算
5.4.4 安全定点比较运算
5.4.5 安全定点除法运算
5.4.6 安全定点平方根倒数运算
5.4.7 向量化
5.5 PSGraph:支持隐私保护的轻量级谱图分析框架
5.5.1 数据加密
5.5.2 支持隐私保护的邻接矩阵和拉普拉斯矩阵
5.5.3 支持隐私保护的特征分解
5.5.4 数据解密
5.6 理论分析
5.6.1 安全性分析
5.6.2 效率分析
5.7 实验评估
5.7.1 基本安全计算模块性能
5.7.2 支持隐私保护的谱图分析方案性能
5.8 本章小结
第六章 支持隐私保护的图像检索
6.1 引言
6.2 预备知识
6.2.1 基于内容的图像检索
6.2.2 局部聚合描述符向量
6.2.3 安全k近邻(kNN)
6.3 问题描述
6.3.1 系统与威胁模型
6.3.2 设计目标
6.4 支持隐私保护的图像检索方案
6.4.1 基于BPBC的向量量化
6.4.2 基于非对称距离的相似度度量
6.4.3 支持隐私保护的CBIR
6.5 安全性分析
6.6 实验评估
6.6.1 搜索精度
6.6.2 搜索效率
6.7 本章小结
第七章 总结与展望
7.1 本文工作总结
7.2 未来工作展望
致谢
参考文献
作者在学期间取得的学术成果
本文编号：3847093
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3847093.html
