CN106980791B - 云环境下扩展加权门限海洋遥感影像秘密共享方法 - Google Patents

Abstract

本发明涉及一种云环境下扩展加权门限海洋遥感影像秘密共享方案及方法，包括以下步骤：构造o‑mignotte模块根据参与者权重分布，构造两两互素的o‑mignotte序列，并计算每一个秘密片段的位数；敏感区影像的分块模块确定影像的分块个数并利用基于遥感影像灰度值的哈希算法计算影像的哈希序列；遥感影像秘密共享模块将计算得到的秘密片段分别嵌入到选择的宿主图像中，获得影子图像；遥感影像秘密恢复模块选择权重之和大于或等于权重门限的任意参与者提供的影子影像，用于原始秘密影像无损恢复。其优点表现在：实现了无论参与者的权重大小如何，每个参与者保存一个秘密份额，最终在简化密钥管理与使用的同时减少了秘密信息的传输量，加强了方案的安全性和灵活性。

Description

云环境下扩展加权门限海洋遥感影像秘密共享方法

技术领域

本发明涉及区海洋遥感影像技术领域，具体地说，是一种云环境下扩展加权门限海洋遥感影像秘密共享系统及方法。

背景技术

海洋遥感影像是一种典型的大数据，它具有大批量、大尺度、高敏感等特性。在实际应用中海洋遥感影像中的港口、近海岸及海岛信息是影像数据的核心。因此，海洋遥感影像的安全对海洋环境监测、海洋资源管理、海洋灾害预警及救援等具有指导意义。图像秘密共享作为秘密共享的一个重要分支，使得海洋遥感影像的秘密共享的研究成为热点。而在现实生活中不同的参与者具有不同的角色和重要性(比如公司中，普通职员和经理的地位不同；军队中，首长和士兵的地位不同)，故把每个参与者同等看待，这往往不能满足现实世界的一些特殊要求，因此加权秘密共享成为秘密共享领域中一个重要的研究方向。加权门限方案设n是参与者的数量，P是参与者全集{1,2,...,n}的所有子集的集合，ω＝(ω₁，ω_,2,...,ω_n)是每个参与者的权重序列，w是访问结构的权重门限，满足

我们称(ω,w,n)-Mignotte序列为该条件下的带权 Mignotte序列。

传统的shamir秘密共享方案存在共享效率差及灵活性差、因权限相同造成的实用性差等缺陷，基于此Mignotte提出基于中国剩余定理的门限秘密共享方案，该方案是基于分解结构的，只能适用于每个最小授权子集的元素个数是2的情况。有人提出一种参与者有特殊权限的门限秘密共享方案，该方案要求求解同余多项式方程组，计算量比较大。随后，基于Mignotte的研究成果， Iftene于2005年首次提出了带权门限秘密共享方案。该方案由一个通用 Mignotte序列，构造出带权Mignotte序列，并基于中国剩余定理完成了秘密的共享和恢复过程，该方案随减小特权参与者的秘密份额规模的大小，但对系统参数要求比较苛刻，系统过于复杂。有研究者基于中国剩余定理提出了带权重的秘密共享方案，有效解决不同权重参与者共享图片的问题。

现有的对图像的加密方法的研究主要解决了集中式存储环境下的安全问题，在开放性的云存储环境下，针对海洋遥感影像的安全问题，上述对图像的加密方法存在一定的不足，已有的加权门限秘密共享研究大多是给特权者分配多个秘密份额或基于分解结构，造成信息利用率低、计算数据量大等问题。为此结合海洋遥感影像具有的大批量、大尺度和高敏感等特性，提出一种云环境下扩展的Mignotte列的加权门限海洋遥感影像秘密共享方法，在基于Iftene 提出的带权门限秘密共享的基础上，引入Mignotte序列，并对其进行扩展，并采用基于遥感影像灰度值的哈希算法，完成云环境下遥感影像的秘密共享。

综上所述，云存储模式的出现为海量海洋遥感影像的存储和管理带来机遇，越来越多的用户选择将海洋遥感影像数据移植到云中，为克服云存储环境的开放性让遥感影像数据的管理者失去对数据的安全性控制的问题，通过引入 mignotte列并对其进行扩展，提出一种基于中国剩余定理的敏感区海洋遥感影像加权门限秘密共享方案。实现了无论参与者的权重大小如何，每个参与者保存一个秘密份额，最终在简化密钥管理与使用的同时减少了秘密信息的传输量，加强了方案的安全性和灵活性。

发明内容

本发明的目的是针对现有技术中的不足，提供一种基于中国剩余定理的敏感区海洋遥感影像加权门限秘密共享系统。实现了无论参与者的权重大小如何，每个参与者保存一个秘密份额，最终在简化密钥管理与使用的同时减少了秘密信息的传输量，加强了方案的安全性和灵活性。

本发明的再一的目的是，提供一种基于中国剩余定理的敏感区海洋遥感影像加权门限秘密共享方法。实现了无论参与者的权重大小如何，每个参与者保存一个秘密份额，最终在简化密钥管理与使用的同时减少了秘密信息的传输量，加强了方案的安全性和灵活性。

为实现上述目的，本发明采取的技术方案是：

一种云环境下扩展加权门限海洋遥感影像秘密共享系统，其特征在于，所述海洋遥感影像秘密共享系统包括：构造o-mignotte序列模块、敏感区影像的分块的模块、遥感影像秘密共享模块、遥感影像秘密恢复模块。

构造o-mignotte序列模块，用以将秘密影像分解为不同权重的秘密份额；

敏感区影像的分块模块，用以调整秘密影像片段的大小，并计算分块后各个影像的哈希值；

遥感影像秘密共享模块，用以对秘密影像生成多影子影像，并分发给不同的参与者；

遥感影像秘密恢复模块，用以将权重之和大于或等于权重门限的任意参与者提供的影子影像恢复出原始秘密影像。

为实现上述第二个目的，本发明采取的技术方案是：

一种云环境下扩展加权门限海洋遥感影像秘密共享方法，所述海洋遥感影像秘密共享方法包括以下步骤：

(1)构造o-mignotte序列模块根据参与者权重分布，构造两两互素的 o-mignotte序列，并计算每一个秘密片段的位数；

(2)敏感区影像的分块模块确定影像的分块个数并利用基于遥感影像灰度值的哈希算法计算影像的哈希序列；

(3)遥感影像秘密共享模块将计算得到的秘密片段分别嵌入到选择的宿主图像中，获得影子图像；

(4)遥感影像秘密恢复模块选择权重之和大于或等于权重门限的任意参与者提供的影子影像，用于原始秘密影像无损恢复。

进一步地，所述步骤(1)包括以下步骤：

(1.1)构造最简单的整数序列，并两两互素，记作d'₁,d'₂,...,d'_n；

(1.2)令参与者权重序列ω＝(ω₁,ω₂,...,ω_n)，将构造的d'₁,d'₂,...,d'_n扩展为与之等价的互素序列，记为

(1.3)利用公式

计算每一个秘密片段的位数，满足

进一步地，所述的步骤(2)具体包括以下步骤：

(2.1)利用公式

限定影像的分块个数，使得影像的分块个数与秘密片段大小相同；

(2.2)提取分块后影像的灰度值矩阵N₁,N₂,...,N_i，并计算每个矩阵均值 M₁,M₂,...,M_i，合并每个分块后影像的矩阵并计算均值

记为M_d，其中， M_d＝median(M_j)(j＝1,2,...,i)，将

与中间哈希逐一进行比较，并把比较后的结果记为二进制序列，获得的各影像块的哈希值H为：

进一步地，所述的步骤(3)具体包括以下步骤：

(3.1)利用公式S'_i＝Binary(H)计算秘密片段大小；

(3.2)利用公式x_k＝S'_i mod d_k,1≤k≤n，计算秘密影像片段的剩余数，将得到的剩余数转化成五进制的表示方式x_k1,x_k2,...,x_ki，得到S_k，重复步骤 (3)，直到计算出所有的秘密片段S_i；

(3.3)任意选定一张图像作为宿主图像，提取其灰度值矩阵，记为 q₁,q₂,...,q_l，并利用公式Q_j＝q_j-(q_j mod 5)将得到的秘密片段S_i嵌入到宿主图像中，通过计算公式p_j＝x_kj+Q_j得到影子影像的灰度值矩阵，记为影子影像。

进一步地，所述的步骤(4)具体包括以下步骤：

(4.1)将r个影子图像都看作一系列l字节大小的组，记第i个组为 p_k1,p_k2,...,p_kl(1≤k≤r)；

(4.2)利用公式x_kj＝p_kj mod 5提取嵌入到其中的秘密数据，将提取的秘密数据x_k1,x_k2,...,x_kl转化为十进制数据x_k；

(4.3)基于中国剩余定理恢复秘密片段S'_i，并利用S_i＝S'_i mod 2^b计算秘密影像的第i个b位片段。重复(4.1)-(4.3)直到所有S_i都被提取出来；

(4.4)根据敏感区影像数据集T<id,S,q,A,H>的id将S_i放入对应的位置，即可恢复原始秘密图像。

本发明优点在于：

1、采用了本发明中的云环境下扩展的Mignotte列的加权门限海洋遥感影像秘密共享方法，该发明中提出一种对敏感区遥感影像加权秘密共享方法，通过引入Mignotte列并对其等价扩展，计算每一个秘密片段的位数。并基于遥感影像灰度值的哈希算法得到的影像的哈希值为单位对秘密影像进行量化处理生成影子影像。通过实验验证，该方法无论参与者的权重大小如何，每个参与者保存一个秘密份额，简化密钥管理与使用的同时减少了秘密信息的传输量，加强了方案的安全性和灵活性。

2、带权门限的秘密共享允许不同的参与者拥有不同的权重值，每个参与者被赋予一个权重值，权值越大的参与者地位越高，越容易达到恢复秘密时所要求的门限值，使得恢复出的秘密在保证其完整性、安全性和可靠性的同时满足了现实世界中因地位不同的产生权力大小不同的一些特殊要求。

附图说明

附图1为本发明的云环境下扩展的Mignotte列的加权门限海洋遥感影像秘密共享方法流程图。

附图2为本发明的构造O-Mignotte序列示意图。

附图3为本发明基于遥感影像灰度值的计算哈希示意图。

附图4为本发明的云环境下遥感影像秘密共享示意图。

附图5为本发明的云环境下遥感影像秘密恢复示意图。

具体实施方式

为了能够更清楚地描述本发明的技术内容，下面结合具体实施例来进行进一步的描述。

本发明提出的云环境下扩展的Mignotte列的加权门限海洋遥感影像秘密共享方法首先构造Mignotte序列，并在此基础上进行扩展，构造出与之等价的O-Mignotte序列，计算α、β值确定每一个秘密片段的位数。利用基于影像灰度值的哈希算法计算秘密影像块的哈希值，并调整秘密影像片段的大小。然后利用基于中国剩余定理的方法对秘密片段量化处理得到影子影像，将生成的影子影像存放在云环境中，不同的参与者只能访问一个指定权限的秘密份额。当权重之和大于门限值得参与者提供的影子影像才能无损恢复出原始影像。本发明允许不同的参与者拥有不同的权重值，每个参与者被赋予一个权重值，满足了现实世界的一些特殊要求。

为详细说明具体实施方式，结合附图和实施例对本发明进行详细描述。

步骤一，云环境下扩展的Mignotte列的加权门限海洋遥感影像秘密共享方法，假设n是参与者的数量，P是参与者全集{1,2,...,n}的所有子集的集合，ω＝(ω₁,ω₂,...,ω_n)是每个参与者的权重序列，w是访问结构的权重门限，满足

为此秘密分发者在Mignotte序列基础上根据权重分配构建一个扩展O-Mignotte序列，使得扩展O-Mignotte列具有和传统的Mignotte列有等价效果。构造O-Mignotte序列的具体步骤如下：

①令w是访问结构的权重门限，则满足

②构造整数d'₁,d'₂,...,d'_n序列两两互素；

③根据参与者权重序列ω＝(ω₁,ω₂,...,ω_n)，将d'₁,d'₂,...,d'_n序列进行扩展为 d'₁,...,d'₁,d'₂,...,d'₂,...,d'_n,...d'_n，即

④将O-Mignotte数列公开；

⑤O-Mignotte序列构造完成后，计算α、β，使得β＜S_i＜α，其中

利用公式

计算海洋遥感秘密影像的秘密片段的位数。

步骤二，在图3，是采用敏感区影像的灰度值作为影像特征生成哈希值。首先对海洋遥感影像的敏感区影像进行分块，并对每个影像块计算灰度均值，得到灰度均值序列，作为图像中间哈希^[12]，然后计算灰度均值序列的平均值

最后将中间哈希与

逐一进行比较，大于

编码记为1，小于

则用0编码，通过串联编码值，最终得到影像的哈希值。基于遥感影像灰度值的哈希算法具体如下：

①将多波段影像提取为单波段影像；

②利用公式

限定影像的分块个数，记为i，使得影像的分块个数与秘密片段个数一致；

③将敏感区影像N，分成N₁,N₂,...,N_i块；

④分别提取N₁,N₂,...,N_i的灰度值矩阵，并计算每个矩阵的均值记为 M₁,M₂,...,M_i；合并每个子影像的矩阵均值M₁,M₂,...,M_i，得到一个长度为i的序列，作为中间哈希，并计算出该序列的均值

记为M_d，其中， M_d＝median(M_j)(j＝1,2,...,i)；

⑤将

与中间哈希逐一进行比较，并把比较后的结果记为二进制序列，获得的哈希值H为：

步骤三，在图4，为云环境下遥感影像生成影子影像的过程。首先根据秘密片段的位数计算海洋遥感影像的秘密片段大小，并分别嵌入到已选择的宿主图像中，并通过量化计算得到影子影像。云环境下遥感影像秘密共享的详细步骤如下：

①计算影像秘密片段：

②利用公式调整秘密影像片段大小，使得秘密片段落入[β+1,α-1]范围内。

S'_i＝Binary(H)

③计算秘密影像片段的剩余数，公式如下：

x_k＝S'_i mod d_k

其中1≤k≤n。

④将x_k转化为五进制，记为x_k1,x_k2,...,x_ki，其表示位数为l：

⑤重复步骤②-④，直到所有秘密片段S_i都被处理完毕；

⑥任意选取一幅图像作为宿主图像，提取宿主图像的灰度值，并看作一系列l字节大小的组，记作q₁,q₂,...,q_l

⑦通过公式Q_j＝q_j-(q_j mod 5)计算q_j的量化值；

⑧计算影子影像的灰度值p_j＝x_kj+Q_j；

⑨利用公式p_j＝p_j-5对步骤3中发生溢出数据(灰度值高于255)进行调整；

⑩重复步骤⑥-⑨，直到所有x_k被嵌入，得到影子影像；

步骤四，图5为云环境下遥感影像的恢复过程。海洋遥感影像的秘密共享完成后，权重之和大于或等于权重门限的任意参与者都可以用他们的影子图像和d_i，将原始秘密图像无失真的恢复出来。在秘密影像恢复的过程中，首先将影子图像看作l字节大小的组，并将提取出的五进制剩余数转化为十进制，之后基于中国剩余定理计算出秘密份额，最后将这些秘密份额按照编号依次填充到图像中的对应位置，得到秘密影像。海洋遥感影像秘密恢复的具体步骤如下：

①把r个影子图像都看作一系列l字节大小的组，第i个组记作 p_k1,p_k2,...,p_kl，其中1≤k≤r；

②提取嵌入到其中的秘密数据，x_kj＝p_kj mod 5,其中1≤j≤l；

③把提取的五进制秘密数据x_k1,x_k2,...,x_kl转化成十进制的x_k

④基于中国剩余定理恢复S'_i，公式如下：

⑤计算S_i＝S'_i mod 2^b

⑥重复上面的步骤，直到所有S_i都被提取出来；

⑦当参与者权重之和大于门限值时，可恢复原始秘密影像，把S_i当做秘密图像的第i个b位片段，并S_i将放入对应的位置；当权重之和小于门限值时，不能恢复秘密影像。

采用了本发明中的云环境下扩展的Mignotte列的加权门限海洋遥感影像秘密共享方法，该发明中提出一种对敏感区遥感影像加权秘密共享方法，通过引入Mignotte列并对其等价扩展，计算每一个秘密片段的位数。并基于遥感影像灰度值的哈希算法得到的影像的哈希值H为单位对秘密影像进行量化处理生成影子影像。通过实验验证，该方法无论参与者的权重大小如何，每个参与者保存一个秘密份额，简化密钥管理与使用的同时减少了秘密信息的传输量，加强了方案的安全性和灵活性。带权门限的秘密共享允许不同的参与者拥有不同的权重值，每个参与者被赋予一个权重值，权值越大的参与者地位越高，越容易达到恢复秘密时所要求的门限值，使得恢复出的秘密在保证其完整性、安全性和可靠性的同时满足了现实世界中因地位不同的产生权力大小不同的一些特殊要求。

在此说明书中，本发明已参照其特定的实施例作了描述。但是，很显然仍可以做出各种修改和变换而不背离发明的精神和范围。因此，说明书和附图被认为是说明性的而非限制性的。

Claims (1)

1.一种云环境下扩展加权门限海洋遥感影像秘密共享方法，其特征在于，所述海洋遥感影像秘密共享方法，利用以下模块包括：构造o-mignotte序列模块、敏感区影像的分块的模块、遥感影像秘密共享模块、遥感影像秘密恢复模块；

构造o-mignotte序列模块，用以将秘密影像分解为不同权重的秘密份额；

敏感区影像的分块模块，用以调整秘密影像片段的大小，并计算分块后各个影像的哈希值；

遥感影像秘密共享模块，用以对秘密影像生成多影子影像，并分发给不同的参与者；

遥感影像秘密恢复模块，用以将权重之和大于或等于权重门限的任意参与者提供的影子影像恢复出原始秘密影像；

所述海洋遥感影像秘密共享方法包括以下步骤：

(1)构造o-mignotte序列模块根据参与者权重分布，构造两两互素的o-mignotte序列模块，并计算每一个秘密片段的位数；

(2)敏感区影像的分块模块确定影像的分块个数并利用基于遥感影像灰度值的哈希算法计算影像的哈希序列；

(3)遥感影像秘密共享模块将计算得到的秘密片段分别嵌入到选择的宿主图像中，获得影子图像；

(4)遥感影像秘密恢复模块选择权重之和大于或等于权重门限的任意参与者提供的影子影像，用于原始秘密影像无损恢复；

所述步骤(1)包括以下步骤：

(1.1)构造最简单的整数序列，并两两互素，记作d'₁,d'₂,...,d'_n；

(1.2)令参与者权重序列ω＝(ω₁,ω₂,...,ω_n)，将构造的d'₁,d'₂,...,d'_n扩展为与之等价的互素序列，记为

(1.3)利用公式

计算每一个秘密片段的位数，满足

所述的步骤(2)具体包括以下步骤：

(2.1)利用公式

限定影像的分块个数，使得影像的分块个数与秘密片段大小相同；

(2.2)提取分块后影像的灰度值矩阵N₁,N₂,...,N_i，并计算每个矩阵均值M₁,M₂,...,M_i，合并每个分块后影像的矩阵并计算均值

记为M_d，其中，M_d＝median(M_j)(j＝1,2,...,i)，将

与中间哈希逐一进行比较，并把比较后的结果记为二进制序列，获得的各影像块的哈希值H为：

所述的步骤(3)具体包括以下步骤：

(3.1)利用公式S'_i＝Binary(H)计算秘密片段大小；

(3.2)利用公式x_k＝S'_i mod d_k,1≤k≤n，计算秘密影像片段的剩余数，将得到的剩余数转化成五进制的表示方式x_k1,x_k2,...,x_ki，得到S_k，重复步骤(3)，直到计算出所有的秘密片段S_i；

(3.3)任意选定一张图像作为宿主图像，提取其灰度值矩阵，记为q₁,q₂,...,q_l，并利用公式Q_j＝q_j-(q_j mod 5)将得到的秘密片段S_i嵌入到宿主图像中，通过计算公式p_j＝x_kj+Q_j得到影子影像的灰度值矩阵，记为影子影像；

所述的步骤(4)具体包括以下步骤：

(4.1)将r个影子图像都看作一系列l字节大小的组，记第i个组为p_k1,p_k2,...,p_kl(1≤k≤r)；

(4.2)利用公式x_kj＝p_kj mod 5提取嵌入到其中的秘密数据，将提取的秘密数据x_k1,x_k2,...,x_kl转化为十进制数据x_k；

(4.3)基于中国剩余定理恢复秘密片段S'_i，并利用S_i＝S'_i mod 2^b计算秘密影像的第i个b位片段，重复(4.1)-(4.3)直到所有S_i都被提取出来；

(4.4)根据敏感区影像数据集T<id,S,q,A,H>的id将S_i放入对应的位置，即可恢复原始秘密图像。

Images