CN104883580A

CN104883580A - 一种基于同态加密的视频安全卷积计算系统及方法

Info

Publication number: CN104883580A
Application number: CN201510299328.2A
Authority: CN
Inventors: 魏振春; 徐俊逸; 冯琳; 张建军; 韩江洪; 陆阳; 毕翔; 周云
Original assignee: Hefei University of Technology
Current assignee: Anhui Bulate Intelligent Technology Co ltd
Priority date: 2015-06-03
Filing date: 2015-06-03
Publication date: 2015-09-02
Anticipated expiration: 2035-06-03
Also published as: CN104883580B

Abstract

本发明公开了一种基于同态加密的视频安全卷积计算系统及方法。系统包括终端和云服务系统，终端由摄像头、帧处理单元、加密单元、解密单元、通信单元组成；云服务系统由中心控制系统、多个云资源池组成；方法的过程是，摄像头采集到的视频由帧处理单元加工成图像帧，图像帧经过加密单元加密成特殊的密文图像集合，密文图像集合发给云服务系统内的多个资源池进行图像卷积计算，计算结果为密文结果图像集合；云服务系统将密文结果图像集合回传给终端，终端解密计算出一幅结果图像。经过本发明方法加密后的图像仍可采用现有卷积算法进行图像计算，计算后的图像解密后与原图像直接卷积的结果一致。本发明引入了云计算系统，因此也保证了处理的性能。

Description

一种基于同态加密的视频安全卷积计算系统及方法

技术领域

本发明涉及媒体信息安全处理领域，具体是一种基于同态加密的视频安全卷积计算系统及方法。

背景技术

近年来，云计算技术不断发展，已经深入各个领域，比如能源、娱乐、电力等行业。快速高效的计算服务是云计算提供的核心服务之一，用户的计算任务提交给云服务器集群，集群计算后再将计算结果反馈给用户，就仿佛用户在本地完成这些计算一样。然而，这些计算任务中如果包含着用户的隐私，就有可能通过云端的存储器或运算器发生泄密。数据隐私问题和数据安全问题成为云计算实用化的关键问题。

随着摄像技术的发展，获取更清晰的视频成为可能，更清晰的视频意味着其在进行某种图像处理时的运算量变的更大，本地终端会成为提升性能的瓶颈。将云计算应用于视频处理之中，可以有效的提升处理效率。但是视频往往是一种包含用户隐私的数据，如个人视频，企业监控等，一般都将进行加密，但是加密后的视频又无法直接使用现有的一般图像算法进行计算，比如卷积计算。

同态加密允许人们对加密后的数据进行特殊的运算，其得到的处理结果解密后与对明文直接运算得到的结果一致，从而解决了对密文的计算问题，因此在云计算中引入同态加密技术能有效解决云计算的数据隐私与安全问题。

现有的同态加密方案中普遍无法直接使用已知的、好的图像处理方法。比如说待加密图像使用一种经典的图像处理算法可得到预期结果图，待加密图像经过同态加密方案加密后的密文图像，再使用这种经典的图像处理算法进行处理后，再解密则得不到预期结果图。

针对这一局限性，本发明提出一种基于同态加密的视频安全卷积计算系统及其方法，具体为设计一种同态加密方法和系统，用于加密视频图像，同时可使用已知的图像处理方法——卷积，进行密文图像的操作，解密后得到的图像与原图像直接卷积得到的结果一致。本方法引入了云计算系统，因此也保证了运算性能。

发明内容

针对现有同态加密处理图像时无法使用已知图像处理算法的问题，本发明提出一种基于同态加密的视频安全卷积计算系统及方法，本方法能直接使用已知的卷积算法对图像进行处理，卷积算子也不用作专门的变换。

为了达到上述目的，本发明采用的技术方案为：

一种基于同态加密的视频安全卷积计算系统，其特征在于：包括有终端、云服务系统；所述的终端包括有依次连接的摄像头、帧处理单元、加密单元、通信单元、解密单元；所述的云服务系统包括有中心控制系统、多个云资源池，其中云资源池内包含若干云服务器和其他必要的计算及存储资源；终端通过通信单元与云服务系统进行通信。

一种基于同态加密的视频安全卷积计算方法，其特征在于，具体包括以下步骤：

(一)、在本地终端中的运算过程包括以下步骤：

步骤1，摄像头采集视频数据；

步骤2，帧处理单元将视频数据加工处理成图像帧，图像帧的像素点个数为n×m，此图像记为I，图像内所有像素点的像素值之和记为M，将图像送至加密算法单元进行计算；

步骤3，单幅的图像帧由加密算法单元进行加密，加密的过程按照如下步骤进行

步骤3.1，加密算法单元针对应用场景选取卷积算子H，为l₁行×l₂列的矩阵；

步骤3.2，加密算法单元随机生成密钥空间K，K中共有q个密钥，并且互素；集合K表示为：

K＝{(k₀,k₁,...,k_i,...,k_j,...,k_q)|1≤i≤j≤q,1≤k_i≤k_j≤M,GCD(k_i,k_j)＝1}，

其中q的值已经预先设定好，并且小于等于总的可用云资源池的个数；

步骤3.3，加密算法单元计算其中r是随机数，表示图像I上每一个像素点的值都与r×k₀的结果进行一次加法运算，计算后的结果再与256进行模运算；所有经过计算的像素点上的值变化了，像素点的物理位置没有改变，将此时的图像记为X_m，此图像像素点个数仍为n×m，称为中间图像；

步骤3.4，加密算法单元计算

\begin{matrix} C_{1} = X_{m} % k_{1} \mod 256 \\ C_{2} = X_{m} % k_{2} \mod 256 \\ \cdot \cdot \cdot \\ C_{i} = X_{m} % k_{q} \mod 256 \end{matrix}\},

表示中间图像X_m上每一个像素点的值与密钥k_i进行模运算，所得结果再与256进行模运算，像素点上的值变化了，像素点的物理位置没有改变，得到密文图像，记为C_i；当k₁至k_q都被计算后，得到密文图像集合C：

C＝(C₁,C₂,...,C_q)，

其中每一个C_i都是一幅密文图像，密文图像像素点个数都为n×m；

步骤4，密文图像集合C连同卷积算子H及计算要求通过通信单元发给云服务系统；

(二)、在云服务系统中的运算过程如下：

步骤5，图像处理算法按照以下步骤进行：

步骤5.1，云服务系统中的中心控制系统将密文图像集合C拆解成单幅密文图像C_i，一幅密文图像C_i与一个算子H发往一个云资源池；

步骤5.2，每一个云资源池内根据已知的图像卷积算法，数学表达式如下：

其中C(x,y)表示待操作的点在图像中的坐标，H(i,j)表示算子H中坐标(i,j)上的数，每一个云资源池根据发来的计算要求，带入参数C_i与H进行计算，计算得到密文结果图像G_i，此过程记为G_i＝<C_i,H>，表示密文结果图像G_i是由密文图像C_i与算子H经过卷积得到；所有的密文结果图像组成密文结果图像集合：

G＝(G₁,G₂,...,G_q)，

每一个密文结果图像的像素点个数为n×m；

步骤5.3，云服务系统将结果图像集合G传回终端；

(三)、终端收到密文结果图像G后的处理过程步骤如下：

步骤6，解密算法按照以下步骤进行：

步骤6.1，终端将传回的密文结果图像集合G送入解密算法单元解同余方程组：

\begin{matrix} Y_{m} &equiv; G_{1} % k_{1} \mod 256 \\ Y_{m} &equiv; G_{2} % k_{2} \mod 256 \\ \cdot \cdot \cdot \\ Y_{m} &equiv; G_{q} % k_{q} \mod 256 \end{matrix}\}

每一个密文结果图像的像素点上的值与相应的密钥进行模运算，其结果再与256进行模运算，像素点上的值变化了，像素点的物理位置没有改变，得到中间结果图像，记为Y_m，其像素点个数为n×m；

步骤6.2，解密算法单元计算Y_m％k₀，得最终结果图像I'，这与原图像I和H算子直接卷积得到的结果相同，也就是I'＝<I,H>；

步骤7，输出结果图像I'。

一般同态加密方法无法使用现有的图像算法加工密文，也得不到预期处理结果，而本发明的处理方法优点就在于，经过本方法加密后的图像仍可采用现有卷积算法进行图像计算，且本方法引入了云计算系统，因此也保证了处理的性能。

附图说明

图1是本发明系统各主要单元连接示意图与数据流向示意图。

图2是本发明云服务系统数据流向示意图。

具体实施方式

下面将结合附图和实例对本发明进行进一步的详细说明。

如图1、2，一种基于同态加密的视频安全卷积计算系统，包括有终端、云服务系统；终端包括有依次连接的摄像头1、帧处理单元2、加密单元3、通信单元4、解密单元5；云服务系统包括有中心控制系统6、多个云资源池7，其中云资源池7内包含若干云服务器和其他必要的计算及存储资源；终端通过通信单元4与云服务系统进行通信。

一种基于同态加密的视频安全卷积计算方法，具体包括以下步骤：

本发明所述的方法在本地终端中的运算过程包括以下步骤：

步骤1，摄像头采集视频；

步骤2，帧处理单元将视频数据加工处理成图像帧，图像帧的像素点个数为n×m，此图像记为I，图像内所有像素点的像素值之和记为M，将图像送至加密单元进行计算。

步骤3，单幅的图像帧由加密单元进行加密，加密的过程按照如下步骤进行

步骤3.1，加密单元针对应用场景选取卷积算子H，为l₁行×l₂列的矩阵。

步骤3.2，加密单元随机生成密钥空间K，K中共有q个密钥，并且互素；集合K表示为：

其中q的值已经预先设定好；

步骤3.3，加密单元计算其中r是随机数，表示图像I上每一个像素点的值都与r×k₀的结果进行一次加法运算，计算后的结果再与256进行模运算；所有经过计算的像素点上的值变化了，像素点的物理位置没有改变，将此时的图像记为X_m，此图像像素点个数仍为n×m，称为中间图像；

步骤3.4，加密单元计算

\begin{matrix} C_{1} = X_{m} % k_{1} \mod 256 \\ C_{2} = X_{m} % k_{2} \mod 256 \\ \cdot \cdot \cdot \\ C_{i} = X_{m} % k_{q} \mod 256 \end{matrix}\},

C＝(C₁,C₂,...,C_q)，

其中每一个C_i都是一幅密文图像，密文图像像素点个数都为n×m。

步骤4，密文图像集合C通过通信单元发给云服务系统。

本发明所述系统的云服务系统的组成及数据流向如图2，本发明所述的方法在云服务系统中的运算过程如下：

步骤5，图像处理算法按照以下步骤进行：

步骤5.1，云服务系统中的中心控制系统将密文图像集合C拆解成单幅密文图像C_i，一幅密文图像C_i与一个算子H发往一个云资源池。

带入参数C_i与H进行计算，计算得到密文结果图像G_i，此过程记为G_i＝<C_i,H>，表示密文结果图像G_i是由密文图像C_i与算子H经过卷积得到；所有的密文结果图像组成密文结果图像集合：

G＝(G₁,G₂,...,G_q)。

步骤5.3，云服务系统将结果图像集合G传回终端。

如图1，终端收到密文结果图像G后的处理过程步骤如下。

步骤6，解密算法按照以下步骤进行：

步骤6.1，终端将传回的密文结果图像集合G送入解密单元解同余方程组：

\begin{matrix} Y_{m} &equiv; G_{1} % k_{1} \mod 256 \\ Y_{m} &equiv; G_{2} % k_{2} \mod 256 \\ \cdot \cdot \cdot \\ Y_{m} &equiv; G_{q} % k_{q} \mod 256 \end{matrix}\}

步骤6.2，解密单元计算Y_m％k₀，得最终结果图像I'。

步骤7，输出结果图像I'。

Claims

1.一种基于同态加密的视频安全卷积计算系统，其特征在于：包括有终端、云服务系统；所述的终端包括有依次连接的摄像头、帧处理单元、加密单元、通信单元、解密单元；所述的云服务系统包括有中心控制系统、多个云资源池，其中云资源池内包含若干云服务器和其他必要的计算及存储资源；终端通过通信单元与云服务系统进行通信。

2.一种基于同态加密的视频安全卷积计算方法，其特征在于，具体包括以下步骤：

(一)、在本地终端中的运算过程包括以下步骤：

步骤1，摄像头采集视频数据；

步骤3.4，加密算法单元计算

\begin{matrix} C_{1} = X_{m} % k_{1} \mod 256 \\ C_{2} = X_{m} % k_{2} \mod 256 \\ . . . \\ C_{i} = X_{m} % k_{q} \mod 256 \end{matrix}\},

C＝(C₁,C₂,...,C_q)，

(二)、在云服务系统中的运算过程如下：

步骤5，图像处理算法按照以下步骤进行：

其中C(x,y)表示待操作的点在图像中的坐标，H(i,j)表示算子H中坐标(i,j)上的数，每一个云资源池根据发来的计算要求，带入参数C_i与H进行计算，计算得到密文结果图像G_i，此过程记为G_i＝〈C_i,H〉，表示密文结果图像G_i是由密文图像C_i与算子H经过卷积得到；所有的密文结果图像组成密文结果图像集合：

G＝(G₁,G₂,...,G_q)，

每一个密文结果图像的像素点个数为n×m；

步骤5.3，云服务系统将结果图像集合G传回终端；

(三)、终端收到密文结果图像G后的处理过程步骤如下：

步骤6，解密算法按照以下步骤进行：

\begin{matrix} Y_{m} = G_{1} % k_{1} \mod 256 \\ Y_{m} = G_{2} % k_{2} \mod 256 \\ . . . \\ Y_{m} = G_{q} % k_{q} \mod 256 \end{matrix}\}

步骤6.2，解密算法单元计算Y_m％k₀，得最终结果图像I'，这与原图像I和H算子直接卷积得到的结果相同，也就是I'＝〈I,H〉；

步骤7，输出结果图像I'。