密文图像检索的密码技术研究

发布时间：2021-10-10 13:21

　　随着数字成像技术和互联网技术的蓬勃发展,大量数字图像被创建并用于各个领域。由于许多用户终端受到资源的限制,越来越多的个人或企业倾向于在云环境中存储图像数据以节省本地存储和计算成本。通过云环境,广大用户可以随时随地将图像上传到云服务器,但用户并不清楚上传的图像在云服务器中的具体存储位置,这就引发了用户对图像隐私泄露的担忧。针对不可信的云服务器,一种行之有效的方法是在图像上传之前对其进行加密,但这将大大降低图像的可操作性。此外,为了满足实际的效率需求,许多方案都会泄露部分信息给云服务器,攻击者可以利用这些泄露信息来破坏数据集和降低查询的机密性。因此,如何安全、高效和准确地检索图像是当前研究机构和学者迫切需要解决的问题。本论文的主要研究工作和贡献如下:1.目前已有一些安全高效的图像检索方案,但很少有同时隐藏k-NN响应泄漏和响应长度泄露的方案。针对k-NN响应泄漏的数据恢复攻击,本文使用多级同态加密协议构建一个安全的多方计算模型,实现了加密特征向量间的安全相似性计算。此外,现有的隐藏响应长度泄露的方案大多基于简单填充或截断。本文提出了一种数据库填充算法,融合优化填充和集中多映射,在实现响应长... 

【文章来源】：重庆邮电大学重庆市

【文章页数】：72 页

【学位级别】：硕士

【部分图文】：

cake类示例图像

重庆邮电大学硕士学位论文第3章基于响应长度隐藏的安全k-NN图像检索37方法AC.Enc()加密辅助信息(,)GVDMM和授权用户信息，并利用多级同态加密字典DX。图3.9视觉词典构建图3.9展示了视觉单词个数K、构建视觉词典总耗时、Hadoop集群节点个数三者之间的关系。从图中可以看出，随着K值的增大图像特征的维数也随之变高，使得两个向量之间的相似度计算开销增大。此外，由于图像数量较少，使得Hadoop并行化处理数据的优势不太明显，导致构建视觉单词的时间过长。本文的图像检索分为一级检索和二级检索，在一级检索中，图像用户首先通过个人属性信息和私钥获取查询所需的辅助信息。然后，利用辅助信息在二级搜索中找出由查询视觉单词索引的图像和图像的加权词频向量。在不同节点数下，不同规模图像集的图像检索的效率如图3.10所示。对于同一图像集，图像检索的时间随着节点数的增加依次下降。在相同节点数下进行图像检索，随着图像数量的增大，图像的检索效率越来越低。从图中可以看出，传统的基于单一节点的图像检索效率最差，无法实现实时查询，且无法处理大规模图像集。相比之下，并行检索算法更适合于大规模图像检索，如果集群节点数继续增加，图像检索的效率能达到更高。为了验证本文所提方法在保证安全性的同时不影响检索效率，与文献[25]中的两种基线方法在检索图像的耗时方面进行了对比，对比结果如图3.11所示。实验过程中，分别上传5000、10000、15000、20000张图像，用来观察每种方法的耗时情况。从图中可以看出，线性扫描方法随着图像数量的增大，折线的斜率越来越大，

重庆邮电大学硕士学位论文第3章基于响应长度隐藏的安全k-NN图像检索38而分簇方法和RKIR方法并没有因为图像量级的增大产生较高的耗时。进一步说明本章所提方案在保证安全性的同时，并没有降低图像检索的效率。图3.10节点数及数据集规模对图像检索效率的影响图3.11图像数量对图像检索效率的影响图像检索的性能一般通过查全率和查准率来衡量。图3.12(a)为RKIR算法和BoVW算法的平均查准率对比图，图3.12(b)为RKIR算法和BoVW算法的平均查全率对比图。从图3.12可以看出，当K为1000时查全率最高，当视觉词典K的取值增加时，RKIR算法和BoVW算法得到的平均查准率也随之提高。当K的取值从1100到1200时，平均查准率并没有大幅度提高。其中BoVW是视觉词典的基线方法，而本章所提方案对图像的词频向量进行加权，提高了BoVW模型的描述能力，使得图像检索更加准确。

【参考文献】：
期刊论文
[1]保序加密技术研究与进展[J]. 郭晶晶,苗美霞,王剑锋.  密码学报. 2018(02)
[2]图像检索技术的综述与分析[J]. 党长青.  技术与市场. 2014(09)
[3]云计算安全研究[J]. 冯登国,张敏,张妍,徐震.  软件学报. 2011(01)



本文编号：3428457