基于SecureCNN的高效加密图像内容检索系统
随着智能设备的快速发展,云上的基于内容的图像检索技术(CBIR)越来越受欢迎.但在半诚实的云服务器上进行图像检索存在泄露用户隐私的风险.为了防止个人隐私遭到泄露,用户外包图像给云之前会对其进行加密,但现有的明文域上CBIR方案对于加密图像数据的搜索是无效的.为了解决这些问题,文中提出了一个基于近似数同态的高效加密图像内容检索方案,在保护用户隐私的情况下,能够快速实现以图搜图,且无需用户的持续交互.首先使用近似数同态神经网络对图像集进行特征提取,可以保证网络模型的参数和图像集数据不会泄露给云服务器.其次,提出了一种新的神经网络分治方法,该方法可以减少同态加密乘法深度和提高模型运行效率;利用分级可导航小世界(HNSW)算法构造索引,实现高效图像检索.此外,使用同态加密保障图像数据传输过程的安全性,使用对称加密算法保证存储阶段的安全性.最后,通过实验对比和安全性分析证明了该方案的安全性和效率.实验结果表明,该方案是IND-CCA的,且在保证图像私密性的前提下,其同态加密的乘法次数最多为3次,在检索精度上远超过现有方案,在检索时间复杂度方面比现有方案高出至少100倍,实现了检索精度和效率的兼顾.
近似同态、基于内容的图像检索技术、神经网络、分级可导航小世界图算法、高效检索
50
TP391.41(计算技术、计算机技术)
2023-09-20（万方平台首次上网日期，不代表论文的发表时间）
共9页
26-34
