云环境中基于目标检测的密文图像检索方案

越来越多的企业和个人用户选择将大量的图像文件存储在云服务器中,并提供图像的检索和共享功能。为了保障所存储的重要图像信息不被窃取,图像文件以加密的形式存储在云服务器中,这给图像的检索操作带来了挑战。传统的明文检索方案已经无法适用,并且如何保证大量密文图像数据的检索效率和精确度也是一个重要问题。针对上述问题,提出了一种云环境中基于目标检测的密文图像检索方案,利用基于深度学习的目标检测模型Faster R-CNN对图像精确提取关键词集合和特征向量,使用关键词集合对图像集合粗分类,使用多重线性映射对关键词加密并构建安全索引,以高效检索出匹配的图像集合,再对图像特征向量精确匹配,实现图像的细分类,以检索出最终的图像。安全性分析和性能评估表明该方案具有高安全性、检索效率和精确度。

基于动态BoW模型的密文JPEG图像检索

为了实现高效的密文JPEG图像检索,提出了一种基于加密图像AC系数统计直方图的动态检索方案.首先,根据密文图像的AC系数采用自适应k-均值聚类构建动态词袋(bag-of-word,BoW)模型.其次,借助BoW模型将图像块的AC系数统计特征转化为全局直方图特征.最后,由服务器根据直方图特征来判断相似性,从而提高检索效率.即使密文图像库动态更新,如密文图像的新增与删除,该检索方案也是鲁棒高效的.实验结果表明,该方案在保证检索准确度的同时大大提高了检索效率,具有实际应用价值.

一种智能电网敏感图像可检索的属性基加密方案

针对智能电网环境中敏感图像数据面临的被窃取、被滥用等安全威胁,及现有密文图像检索方案难以兼具高检索速度与高检索精度的问题,提出了一种面向智能电网环境的基于多特征融合的敏感图像可检索属性基加密方案。利用神经网络模型提取深度图像特征,并分别提取包括词袋特征、颜色空间特征及方向梯度直方图特征在内的3种传统图像特征,采用主成分分析法将这4种特征进行融合与降维,以增强特征向量的表示信息;基于ρ稳定局部敏感哈希函数和改进后的安全近邻算法对敏感图像集和查询图像分别构建安全索引和搜索陷门,通过对安全索引与搜索陷门进行相似度计算得到密文图像检索结果;将密文策略属性基加密机制与可搜索加密进行结合,只有符合访问策略的用户才能得到明文图像检索结果。理论分析和实验分析表明,在真实的电力数据集中,所提方案的密钥生成时间、索引生成时间及检索时间均为毫秒级,检索精度为88.6%。3种对比方案的实验结果表明,所提方案在检索效率与检索精度中的平衡性最好,深度特征的融合能够将3种对比方案的检索精度提高5.7%~11.4%。安全性分析表明,所提方案可抵抗已知密文攻击、已知背景攻击和抗串谋攻击。