CN106875325B - 一种可搜索图像加密算法 - Google Patents

Abstract

本发明涉及云计算安全技术领域，公开了一种可搜索图像加密算法。具体包括以下过程：图像拥有者执行的概率算法来建立系统输出公钥PK和私钥SK；图像拥有者提取图像的特征向量，根据特征向量建立索引；图像拥有者加密图像，并根据索引将加密后的相关图像信息发送至云服务器；用户向图像拥有者发送查询请求，得到授权的查询信息；云服务器根据索引分析查询信息，将满足查询信息的检索结果集发送给用户；用户向图像拥有者请求检索结果集的解密，图像拥有者将解密结果发送给用户。设计了图像加密算法以及针对该类密文的检索算法，实现将图像拥有者信息以密文的方式储存在云服务器上，增加了信息的隐私性；同时，用户能根据自身需求对搜索范围进行调整。

Description

一种可搜索图像加密算法

技术领域

本发明涉及云计算安全技术领域，特别是一种可搜索图像加密算法。

背景技术

云计算代表了IT领域迅速向集约化、规模化与专业化道路发展的趋势，已成为产业界、学术界、政府等各界共同关注的焦点。云计算平台具有高可靠性、更强的处理能力和更大的存储空间、可平滑迁移、可弹性伸缩等特性，可以为一切上层应用服务提供底层的支撑基础架构，它将是解决大规模数据处理的重要工具。

云计算最基本的数据处理服务就包含了安全、高效的数据检索等。在云计算环境下，资源受限的用户可以通过付费的方式购买云计算平台提供的强大的计算资源来对自身无法处理的数据进行远程处理，从而减轻用户对资源的维护与管理的负担。然而，在外包数据处理过程中，由于云服务器不是完全可信的，为了保证敏感信息的隐私，数据上传之前必须对敏感信息进行加密。数据加密虽然能解决一些安全问题，同时也带来了一些新的问题。

在外包数据库中，数据拥有者将加密后的密文信息存储到服务器上，然而加密后的图像对后期的检索带来了很多的困难。

这样，传统的明文信息检索算法不再适用。在这些外包存储的信息中，图像信息所占的比例相对较多(图像信息的存储相对文本信息的存储需要更大的存储空间)。对于图像检索，方案有很多，但几乎都是对明文图片进行搜索的。对密文图像检索的方案还相当的少。然而在现有方案中，大多数方案都是基于同态加密技术的，其效率很低，难以应用到现实生活中。

图像检索应用广泛，特别是在医疗系统中。为了保护用户信息的隐私性，存放在云服务器的图像都需要转换成密文形式。很多时候，医生要研究相似病例的时候，就需要查询相关的类似图像。然而在查询过程中，需要对图像的信息进行保密。因此，针对密文环境下的相似图像的高效检索算法的研究显得十分重要。目前对密文图像检索的方法还相当的少。

发明内容

本发明所要解决的技术问题是：针对上述存在的问题，提供了一种可搜索图像加密算法。

本发明采用的技术方案如下：一种可搜索图像加密算法，具体包括以下过程：步骤1、图像拥有者执行的概率算法来建立系统输出公钥PK和私钥SK；步骤2、图像拥有者提取图像的特征向量，根据特征向量建立索引；步骤3、图像拥有者加密图像，并将加密后的图像以及与图像相关的索引信息发送至云服务器；步骤4、用户向图像拥有者发送查询请求，得到授权的查询信息；步骤5、云服务器根据索引分析查询信息，将满足查询信息的检索结果集发送给用户；步骤6、用户向图像拥有者请求检索结果集的解密，图像拥有者将解密结果发送给用户。

进一步的，所述步骤1的具体过程为：步骤11、图像拥有者生成限域

g是限域

的一个生成元；步骤12、图像拥有者选取一个特征向量提取算法EA提取特征向量，选取一个局部敏感哈希函数LSH算法，选取一种图像加密算法E以及相应的解密算法De，选取一个抗碰撞的哈希函数H，并进行初始化；步骤13、输出私钥sk和公钥pk，所述公钥的公开信息为

进一步的，所述步骤2的具体过程为：步骤21、对于图像m_z图像拥有者选择特征向量提取算法提取每幅图像的特征向量，获得高维的特征向量{v″_z}；步骤22、图像拥有者调用局部敏感哈希函数LSH算法对特征向量{v″_z}作用，获取低维特征向量v_z＝LSH(v″_z)；步骤23、图像拥有者计算低维特征向量v_z的向量长度l_z；步骤24、图像拥有者选择一个随机数

隐藏低维特征向量v_z为v′_z＝r₁·v_z；步骤25、将向量长度l_z转化为二进制形式(b_m-1，b_m-2，…，b₁，b₀)，其中m为大于1的自然数，图像拥有者选择私钥sk并产生d_m＝H(sk，(0，0^κ，0))、d_i＝H(sk，(1，d_i+1，b_i))，其中i＝m-1，…，0，κ是抗碰撞的哈希函数H作用后所得结果的长度,H为抗碰撞的哈希函数，图像拥有者输出标签token_z＝(d₀，d₁，…，d_m)；步骤26、图像拥有者随机选择

并计算c_i＝H(d_i，T)，其中i＝m，…，0，获取索引为I(m_z)＝{T，{v′_z}，{c_i}}。

进一步的，所述特征向量提取算法采用EA函数，输入图像m_z，EA函数将输出每幅图像的特征向量{v″_z}。

进一步的，所述低维特征向量v_z的维度低于50。

进一步的，步骤3的具体过程为：图像拥有者通过图像加密算法E将图像m_z加密得到E(m_z)，计算图像m_z的相关信息密文为D_z＝{E(m_z)，I(m_z)}，并将相关信息密文发送至云服务器。

进一步的，所述步骤4的具体过程为：步骤41、用户选择向量模长参数k₁、比例参数k₂和比例参数k₃，其中k₂、k₃∈[0，1]；步骤42、用户调用EA函数对所需查询的样本图像m作用，得到特征向量v；步骤43、选择一个随机数

隐藏特征向量v为b＝r₂·v mod p，并计算特征向量v的长度l＝|v|，将特征向量v的长度l转化为二进制形式(b′_m-1，b′_m-2，…，b′₁，b′₀)；步骤44、用户向图像拥有者发送搜索请求，如果图像拥有者同意请求，用户将l发送给图像拥有者，然后，图像拥有者用自己的私钥sk生成d′_m＝H(sk，(0，0^κ，0))，d_i′＝H(sk，(1，d′_i+1，b_i′))，其中i＝m-1，…，0；步骤45、图像拥有者输出标签token′＝(d′₀，d′₁，…，d′_m)发送给用户；步骤46、获得查询信息Q(v){k₁，k₂，k₃，b，token′}。

进一步的，所述步骤5的具体过程为：

步骤51、云服务器接受到用户发送的查询信息Q(v)，所述查询信息Q(v)将根据数据库D＝{D_z}中的每个密文D_z的索引I(m_z)＝{T，{v′_z}，{c_i}}中的每个密文计算c′_i＝H(d′_i，T)，其中i＝m，…，0；

步骤52、云服务器将倒序比较序列c_i和c′_i，直到第一对不同的c_i和c′_i出现，此时序列号为j；

步骤53、令0≤j≤m-1，若

c′_k＝c_k＝H(d_k，T)且c_j＝H(d_j，T)≠c′_j

成立，则低维特征向量v_z的向量长度l_z和特征向量v的长度l之间的差不会超过2^j；

若

c′_k＝H(d_k，T)成立，则l_z＝l；

步骤54、当2^j≤k₁，则云服务器计算

如果

云服务器将计数器ct_z增加1，ct_z的初始值为0；

步骤55、对于每幅图像m_z，云服务器计算

其中n_z表示图像m_z的特征向量的个数，如果

云服务器把E(m_z)加入检索结果集R中；

步骤56、云服务器将满足搜索条件的检索结果集R＝{E(m_i)}发送给用户。

与现有技术相比，采用上述技术方案的有益效果为：

(1)设计了图像加密算法以及针对该类密文的检索算法，实现将图像拥有者信息以密文的方式储存在云服务器上，增加了信息的隐私性，同时实现用户在基于信息隐私的情况下查询相关信息；

(2)对图像的特征向量进行了盲化隐藏，使得在外包搜索过程中不会泄漏特征向量的信息；

(3)对特征向量的大小进行了加密，并且在向量大小进行比较的时候不会泄漏相关信息；

(4)搜索过程中的部分参数是由用户自行设置，用户能根据自身需求对搜索范围进行调整。

具体实施方式

下面对本发明做进一步描述。

为了更好的实现信息安全共享，本实施例提供了一种可搜索图像加密算法，能在不泄漏图像信息及其特征的前提下对密文图像进行检索，并且用户能自行调整搜索范围。

一种可搜索图像加密算法，具体包括以下过程：步骤1、图像拥有者执行的概率算法来建立系统输出公钥PK和私钥SK；步骤2、图像拥有者提取图像的特征向量，根据特征向量建立索引；步骤3、图像拥有者加密图像，并将加密后的图像以及与图像相关的索引信息发送至云服务器；步骤4、用户向图像拥有者发送查询请求，得到授权的查询信息；步骤5、云服务器根据索引分析查询信息，将满足查询信息的检索结果集发送给用户；步骤6、用户向图像拥有者请求检索结果集的解密，图像拥有者将解密结果发送给用户。在上述过程中，图像拥有者为了保护图像的隐私信息，将图像加密后存放到云服务器上，为了方便其他用户对图像进行搜索，同时还建立索引信息上传至服务器；用户想查询一些与图像类似的图像，他将图像的相关信息进行盲化，然后发送给云服务器，让云服务器帮他搜索相关图像；云服务器收到搜索请求后，对密文数据库进行检索，将符合用户检索条件的密文图像的检索结果发送给用户；用户收到检索结果后，请求图像拥有者解密；最终，图像拥有者将解密后的图像发送给用户。

所述步骤1的具体过程为：步骤11、图像拥有者生成限域

g是限域

的一个生成元；步骤12、图像拥有者选取一个特征向量提取算法EA提取特征向量，选取一个局部敏感哈希函数LSH算法，选取一种图像加密算法E以及相应的解密算法De，选取一个抗碰撞的哈希函数H，并进行初始化；步骤13、输出私钥sk和公钥pk，所述公钥的公开信息为

所述步骤2的具体过程为：步骤21、对于图像m_z图像拥有者选择特征向量提取算法提取每幅图像的特征向量，获得高维的特征向量{v″_z}；步骤22、图像拥有者调用局部敏感哈希函数LSH算法对特征向量{v″_z}作用，获取低维特征向量v_z＝LSH(v″_z)；步骤23、图像拥有者计算低维特征向量v_z的向量长度l_z；步骤24、图像拥有者选择一个随机数

隐藏低维特征向量v_z为v′_z＝r₁·v_z；步骤25、将向量长度l_z转化为二进制形式(b_m-1，b_m-2，…，b₁，b₀)，其中m为大于1的自然数，图像拥有者选择私钥sk并产生d_m＝H(sk，(0，0^κ，0))、d_i＝H(sk，(1，d_i+1，b_i))，其中i＝m-1，…，0，κ是抗碰撞的哈希函数H作用后所得结果的长度,H为抗碰撞的哈希函数，图像拥有者输出标签token_z＝(d₀，d₁，…，d_m)；步骤26、图像拥有者随机选择

并计算c_i＝H(d_i，T)，其中i＝m，…，0，获取索引为I(m_z)＝{T，{v′_z}，{c_i}}。

所述特征向量提取算法采用EA函数，输入图像m_z，EA函数将输出每幅图像的特征向量{v″_z}。

所述低维特征向量v_z的维度低于50。

步骤3的具体过程为：图像拥有者通过图像加密算法E将图像m_z加密得到E(m_z)，计算图像m_z的相关信息密文为D_z＝{E(m_z)，I(m_z)}，并将相关信息密文发送至云服务器。图像拥有者的信息以密文的信息储存在云服务器上。

所述步骤4的具体过程为：步骤41、用户选择向量模长参数k₁、比例参数k₂和比例参数k₃，其中k₂、k₃∈[0，1]；步骤42、用户调用EA函数对所需查询的样本图像m作用，得到特征向量v；步骤43、选择一个随机数

隐藏特征向量v为b＝r₂·v mod p，并计算特征向量v的长度l＝|v|，将特征向量v的长度l转化为二进制形式(b′_m-1，b′_m-x，…，b′₁，b′₀)；步骤44、用户向图像拥有者发送搜索请求，如果图像拥有者同意请求，用户将l发送给图像拥有者，然后图像拥有者用自己的私钥sk生成d′_m＝H(sk，(0，0^κ，0))，d′_i＝H(sk，(1，d′_i+1，b′_i))，其中i＝m-1，…，0；步骤45、图像拥有者输出标签token＝(d′₀，d′₁，…，d′_m)发送给用户；步骤46、获得查询信息Q(v){k₁，k₂，k₃，b，token′}。

所述步骤5的具体过程为：

步骤51、云服务器接受到用户发送的查询信息Q(v)，所述查询信息Q(v)将根据数据库D＝{D_z}中的每个密文D_z的索引I(m_z)＝{T，{v′_z}，{c_i}}计算c′_i＝H(d′_i，T)，其中i＝m，…，0；

步骤52、云服务器将倒序比较序列c_i和c′_i，直到第一对不同的c_i和c′_i出现，此时序列号为j；

步骤53、令0≤j≤m-1，若

c′_k＝c_k＝H(d_k，T)且c_j＝H(d_j，T)≠c′_j

成立，则低维特征向量v_i的向量长度l_i和特征向量v的长度l之间的差不会超过2^j；

在数据库中的信息I(m_z)＝{T，{v′_z}，{c_i}}，其中c_i＝H(d_i，T)，dm＝H(sk，(0，0^κ，0))，d_i＝H(sk，(1，d_i+1，b_i))；在用户上传信息中的标签token′＝(d′₀，d′₁，…，d′_m)，其中d′_m＝H(sk，(0，0^κ，0))，d′_i＝H(sk，(1，d′_i+1，b′₁))服务器计算c′_i＝H(d′_i，T)，并对{c_i}与{c′_i}进行比较；

如果l_i＝l，则

有b_k＝b′_k；

如果l_i≠l，假设j＜k≤m-1，有c_k＝c′_k，但c_j≠c′_j，这样j就是第一个不相等数值出现的脚标。j＜k≤m-1时，有c′_k＝H(d′_k，T)＝c_k＝H(d_k，T)，则d_k＝d′_k。而对于j，有d_j≠d′_j，d_j+1＝d′_j+1；

由于d_i＝H(sk，(1，d_i+1，b_i))，d′_i＝H(sk，(1，d′_i+1，b′_i))，如果d_j≠d′_j，则说明j为第一次出现不相等情况，b_j≠b′_j；

因为l_z转换为二进制(b_m-1，b_m-2，…，b₁，b₀)，l转换为二进制(b′_m-1，b′_m-2，…，b′₁，b′₀)，因此他们之间的差就不会超过2^j；

若

c′_k＝H(d_k，T)成立，则l_z＝l；

步骤54、当2^j≤k1，则云服务器计算

如果

云服务器将计数器ct_z增加1，ct_z的初始值为0；

步骤55、对于每幅图像m_z，云服务器计算

其中n_z表示图像m_z的特征向量的个数，如果

云服务器把E(m_z)加入检索结果集R中；

步骤56、云服务器将满足搜索条件的检索结果集R＝{E(m_i)}发送给用户。

本发明并不局限于前述的具体实施方式。本发明扩展到任何在本说明书中披露的新特征或任何新的组合，以及披露的任一新的方法或过程的步骤或任何新的组合。如果本领域技术人员，在不脱离本发明的精神所做的非实质性改变或改进，都应该属于本发明权利要求保护的范围。

Claims (6)

1.一种可搜索图像加密算法，其特征在于，包括以下过程：

步骤1、图像拥有者执行的概率算法来建立系统输出公钥PK和私钥SK；

步骤2、图像拥有者提取图像的特征向量，根据特征向量建立索引；

步骤3、图像拥有者加密图像，并将加密后的图像以及与图像相关的索引信息发送至云服务器；

步骤4、用户向图像拥有者发送查询请求，得到授权的查询信息；

步骤5、云服务器根据索引分析查询信息，将满足查询信息的检索结果集发送给用户；

步骤6、用户向图像拥有者请求检索结果集的解密，图像拥有者将解密结果发送给用户；

所述步骤1的具体过程为：

步骤11、图像拥有者生成限域

g是限域

的一个生成元；

步骤12、图像拥有者选取一个特征向量提取算法EA提取特征向量，选取一个局部敏感哈希函数LSH算法，选取一种图像加密算法E以及相应的解密算法De，选取一个抗碰撞的哈希函数H，并进行初始化；

步骤13、输出私钥sk和公钥pk，所述公钥的公开信息为

所述步骤2的具体过程为：

步骤21、对于图像m_z图像拥有者选择特征向量提取算法提取每幅图像的特征向量，获得高维的特征向量{v″_z}；

步骤22、图像拥有者调用局部敏感哈希函数LSH算法对特征向量{v″_z}作用，获取低维特征向量v_z＝LSH(v″_z)；

步骤23、图像拥有者计算低维特征向量v_z的向量长度l_z；

步骤24、图像拥有者选择一个随机数

隐藏低维特征向量v_z为v′_z＝r₁·v_z；

步骤25、将向量长度l_z转化为二进制形式(b_m-1，b_m-2，…，b₁，b₀)，其中m为大于1的自然数，图像拥有者选择私钥sk并产生d_m＝H(sk，(0，0^κ，0))、d_i＝H(sk，(1，d_i+1，b_i))，其中i＝m-1，…，0，κ是抗碰撞的哈希函数H作用后所得结果的长度，H为抗碰撞的哈希函数，图像拥有者输出标签token_z＝(d₀，d₁，…，d_m)；

步骤26、图像拥有者随机选择

并计算c_i＝H(d_i，T)，其中i＝m，…，0，获取索引为I(m_z)＝{T，{v′_z{c_i}}；其中T是随机数，

表示有限域

去掉0元素得到的数据集合，c_i为密文，H(·)为无碰撞hash函数，d_i是数据标签，v′_z为盲化后的特征向量，I(m_z)为图像m_z的索引。

2.如权利要求1所述的可搜索图像加密算法，其特征在于，所述特征向量提取算法采用EA函数，输入图像m_z，EA函数将输出每幅图像的特征向量{v″_z}。

3.如权利要求2所述的可搜索图像加密算法，其特征在于，所述低维特征向量v_z的维度低于50。

4.如权利要求3所述的可搜索图像加密算法，其特征在于，步骤3的具体过程为：图像拥有者通过图像加密算法E将图像m_z加密得到E(m_z)，计算图像m_z的相关信息密文为D_z＝{E(m_z)，I(m_z)}，并将相关信息密文发送至云服务器。

5.如权利要求4所述的可搜索图像加密算法，其特征在于，所述步骤4的具体过程为：步骤41、用户选择向量模长参数k₁、比例参数k₂和比例参数k₃，其中k₂、k₃∈[0，1]；步骤42、用户调用EA函数对所需查询的样本图像m作用，得到特征向量v；步骤43、选择一个随机数

隐藏特征向量v为b＝r₂·v mod p，并计算特征向量v的长度l＝|v|，将特征向量v的长度l转化为二进制形式(b′_m-1，b′_m-2，…，b′₁，b′₀)；步骤44、用户向图像拥有者发送搜索请求，如果图像拥有者同意请求，用户将l发送给图像拥有者，然后图像拥有者用自己的私钥sk生成d′_m＝H(sk，(0，0^κ，0))，d′_i＝H(sk，(1，d′_i+1，b′_i))，其中i＝m-1，…，0；步骤45、图像拥有者输出标签token＇＝(d′₀，d′₁，…，d′_m)发送给用户；步骤46、获得查询信息Q(v)＝{k₁，k₂，k₃，b，token′}。

6.如权利要求5所述的可搜索图像加密算法，其特征在于，所述步骤5的具体过程为：

步骤51、云服务器接受到用户发送的查询信息Q(v)，所述查询信息Q(v)将根据数据库D＝{D_z}中的每个密文D_z的索引I(m_z)＝{T，{v′_z}，{c_i}}计算c＇_i＝H(d′_i，T)，其中i＝m，…，0；

步骤52、云服务器将倒序比较序列c_i和c′_i，直到第一对不同的c_i和c′_i出现，此时序列号为j；

步骤53、令0≤j≤m-1，若

c′_k＝c_k＝H(d_k，T)且c_j＝H(d_j，T)≠c′_j

成立，则低维特征向量v_z的向量长度l_z和特征向量v的长度l之间的差不会超过2^j；

若

c′_k＝H(d_k，T)成立，则l_z＝l；

步骤54、当2^j≤k₁，则云服务器计算

如果

云服务器将计数器ct_z增加1，ct_z的初始值为0；

步骤55、对于每幅图像m_z，云服务器计算

其中n_z表示图像m_z的特征向量的个数，如果

云服务器把E(m_z)加入检索结果集R中；

步骤56、云服务器将满足搜索条件的检索结果集R＝{E(m_z)}发送给用户。