隨著數(shù)字成像技術(shù)和互聯(lián)網(wǎng)技術(shù)的蓬勃發(fā)展,大量數(shù)字圖像被創(chuàng)建并用于各個(gè)領(lǐng)域。由于許多用戶終端受到資源的限制,越來(lái)越多的個(gè)人或企業(yè)傾向于在云環(huán)境中存儲(chǔ)圖像數(shù)據(jù)以節(jié)省本地存儲(chǔ)和計(jì)算成本。通過(guò)云環(huán)境,廣大用戶可以隨時(shí)隨地將圖像上傳到云服務(wù)器,但用戶并不清楚上傳的圖像在云服務(wù)器中的具體存儲(chǔ)位置,這就引發(fā)了用戶對(duì)圖像隱私泄露的擔(dān)憂。針對(duì)不可信的云服務(wù)器,一種行之有效的方法是在圖像上傳之前對(duì)其進(jìn)行加密,但這將大大降低圖像的可操作性。此外,為了滿足實(shí)際的效率需求,許多方案都會(huì)泄露部分信息給云服務(wù)器,攻擊者可以利用這些泄露信息來(lái)破壞數(shù)據(jù)集和降低查詢的機(jī)密性。因此,如何安全、高效和準(zhǔn)確地檢索圖像是當(dāng)前研究機(jī)構(gòu)和學(xué)者迫切需要解決的問(wèn)題。本論文的主要研究工作和貢獻(xiàn)如下:1.目前已有一些安全高效的圖像檢索方案,但很少有同時(shí)隱藏k-NN響應(yīng)泄漏和響應(yīng)長(zhǎng)度泄露的方案。針對(duì)k-NN響應(yīng)泄漏的數(shù)據(jù)恢復(fù)攻擊,本文使用多級(jí)同態(tài)加密協(xié)議構(gòu)建一個(gè)安全的多方計(jì)算模型,實(shí)現(xiàn)了加密特征向量間的安全相似性計(jì)算。此外,現(xiàn)有的隱藏響應(yīng)長(zhǎng)度泄露的方案大多基于簡(jiǎn)單填充或截?cái)�。本文提出了一種數(shù)據(jù)庫(kù)填充算法,融合優(yōu)化填充和集中多映射,在實(shí)現(xiàn)響應(yīng)長(zhǎng)... 

【文章來(lái)源】：重慶郵電大學(xué)重慶市

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

cake類示例圖像

重慶郵電大學(xué)碩士學(xué)位論文第3章基于響應(yīng)長(zhǎng)度隱藏的安全k-NN圖像檢索37方法AC.Enc()加密輔助信息(,)GVDMM和授權(quán)用戶信息，并利用多級(jí)同態(tài)加密字典DX。圖3.9視覺(jué)詞典構(gòu)建圖3.9展示了視覺(jué)單詞個(gè)數(shù)K、構(gòu)建視覺(jué)詞典總耗時(shí)、Hadoop集群節(jié)點(diǎn)個(gè)數(shù)三者之間的關(guān)系。從圖中可以看出，隨著K值的增大圖像特征的維數(shù)也隨之變高，使得兩個(gè)向量之間的相似度計(jì)算開(kāi)銷增大。此外，由于圖像數(shù)量較少，使得Hadoop并行化處理數(shù)據(jù)的優(yōu)勢(shì)不太明顯，導(dǎo)致構(gòu)建視覺(jué)單詞的時(shí)間過(guò)長(zhǎng)。本文的圖像檢索分為一級(jí)檢索和二級(jí)檢索，在一級(jí)檢索中，圖像用戶首先通過(guò)個(gè)人屬性信息和私鑰獲取查詢所需的輔助信息。然后，利用輔助信息在二級(jí)搜索中找出由查詢視覺(jué)單詞索引的圖像和圖像的加權(quán)詞頻向量。在不同節(jié)點(diǎn)數(shù)下，不同規(guī)模圖像集的圖像檢索的效率如圖3.10所示。對(duì)于同一圖像集，圖像檢索的時(shí)間隨著節(jié)點(diǎn)數(shù)的增加依次下降。在相同節(jié)點(diǎn)數(shù)下進(jìn)行圖像檢索，隨著圖像數(shù)量的增大，圖像的檢索效率越來(lái)越低。從圖中可以看出，傳統(tǒng)的基于單一節(jié)點(diǎn)的圖像檢索效率最差，無(wú)法實(shí)現(xiàn)實(shí)時(shí)查詢，且無(wú)法處理大規(guī)模圖像集。相比之下，并行檢索算法更適合于大規(guī)模圖像檢索，如果集群節(jié)點(diǎn)數(shù)繼續(xù)增加，圖像檢索的效率能達(dá)到更高。為了驗(yàn)證本文所提方法在保證安全性的同時(shí)不影響檢索效率，與文獻(xiàn)[25]中的兩種基線方法在檢索圖像的耗時(shí)方面進(jìn)行了對(duì)比，對(duì)比結(jié)果如圖3.11所示。實(shí)驗(yàn)過(guò)程中，分別上傳5000、10000、15000、20000張圖像，用來(lái)觀察每種方法的耗時(shí)情況。從圖中可以看出，線性掃描方法隨著圖像數(shù)量的增大，折線的斜率越來(lái)越大，

重慶郵電大學(xué)碩士學(xué)位論文第3章基于響應(yīng)長(zhǎng)度隱藏的安全k-NN圖像檢索38而分簇方法和RKIR方法并沒(méi)有因?yàn)閳D像量級(jí)的增大產(chǎn)生較高的耗時(shí)。進(jìn)一步說(shuō)明本章所提方案在保證安全性的同時(shí)，并沒(méi)有降低圖像檢索的效率。圖3.10節(jié)點(diǎn)數(shù)及數(shù)據(jù)集規(guī)模對(duì)圖像檢索效率的影響圖3.11圖像數(shù)量對(duì)圖像檢索效率的影響圖像檢索的性能一般通過(guò)查全率和查準(zhǔn)率來(lái)衡量。圖3.12(a)為RKIR算法和BoVW算法的平均查準(zhǔn)率對(duì)比圖，圖3.12(b)為RKIR算法和BoVW算法的平均查全率對(duì)比圖。從圖3.12可以看出，當(dāng)K為1000時(shí)查全率最高，當(dāng)視覺(jué)詞典K的取值增加時(shí)，RKIR算法和BoVW算法得到的平均查準(zhǔn)率也隨之提高。當(dāng)K的取值從1100到1200時(shí)，平均查準(zhǔn)率并沒(méi)有大幅度提高。其中BoVW是視覺(jué)詞典的基線方法，而本章所提方案對(duì)圖像的詞頻向量進(jìn)行加權(quán)，提高了BoVW模型的描述能力，使得圖像檢索更加準(zhǔn)確。

【參考文獻(xiàn)】：
期刊論文
[1]保序加密技術(shù)研究與進(jìn)展[J]. 郭晶晶,苗美霞,王劍鋒.  密碼學(xué)報(bào). 2018(02)
[2]圖像檢索技術(shù)的綜述與分析[J]. 黨長(zhǎng)青.  技術(shù)與市場(chǎng). 2014(09)
[3]云計(jì)算安全研究[J]. 馮登國(guó),張敏,張妍,徐震.  軟件學(xué)報(bào). 2011(01)



本文編號(hào)：3428457