CN111339539B - 一种多用户环境下的高效加密图像检索方法 - Google Patents

Abstract

本发明公开了一种多用户环境下的高效加密图像检索方法，本发明的图像拥有者提取图像特征向量集，再利用加密密钥加密图像特征；被授权的查询用户将提取的特征向量用自己的公钥加密，得到查询请求的陷门；云服务器计算特征向量对应的的dhash值，并计算索引结构中符合要求的dhash值与陷门之间的汉明距离，筛选出汉明距离小于阈值的加密图像，并将这些加密图像返回给查询用户。本发明使用分布式双门限公钥密码方法，克服了现有技术中被授权的查询用户之间密钥共享的缺陷，使得本发明实现了多用户的加密图像检索，有利于对查询用户的隐私保护。本发明使用dhash和构造的独特的搜索索引，实现了高效的加密图像检索，有利于大规模的加密图像检索。

Description

一种多用户环境下的高效加密图像检索方法

技术领域

本发明属于数据加密领域，具体涉及一种多用户环境下的高效加密图像检索方法。

背景技术

随着云技术的发展，越来越多的包括个人和企业的图像拥有者更愿意将大量的图像数据外包至远程的“诚实但好奇”的云服务器，以节省本地存储和计算开销。但是由于云的开放性和半信任性质，包括云服务器本身在内的非法实体可能会窃取图像中包含的敏感信息，如个人身份，家庭住址，工作单位，甚至财务信息。为了保护图像的隐私，一般情况下图像拥有者需要在外包数据前对图像进行加密，然而传统的加密技术使得图像检索和图像共享变得困难。当用户(包括图像拥有者)想要获得感兴趣的图像是，他必须从云端下载加密的图像到本地再进行解密，这无疑造成了带宽和计算资源的浪费，同时存在隐私泄露的风险。因此，学者们对加密域图像检索进行了广泛的研究，以使图像可以在保护图像隐私的情况下被检索。然而现有的技术在加密图像检索应用中存在相应的问题。

现有的加密图像检索方案主要分为两种，第一种是图像拥有者直接加密图像，将加密图像集外包给远程公有云服务器，云服务器从加密图像中提取被加密的特征向量，并通过计算加密特征向量之间的距离来判断加密图像之间的相似度，从而实现加密图像检索。第二种是图像拥有者首先提取图像的特征向量，并对图像和图像特征向量分别加密，然后将加密图像和加密特征向量外包给远程公有云服务器，云服务器通过计算加密特征向量之间的距离来判断加密图像之间的相似度，从而实现加密图像检索。然而，大部分现有的方案仅仅支持单密钥机制，从而导致用户之间存在密钥共享问题，这使得用户端存在隐私泄露的风险，在真实的应用场景中是不实际。此外，现有的大部分加密图像检索方案仅支持线性查询，导致查询响应时间长，这对于查询用户来说是不能接受的。

发明内容

本发明的目的在于克服上述不足，提供一种多用户环境下的高效加密图像检索方法，该方法能够实现对加密图像的高效检索，并应用于安全图像共享，同时支持高效的加密图像检索，解决了密钥共享带来的安全问题，提高了方案的安全性，同时降低了查询相应时间。

为了达到上述目的，本发明包括以下步骤：

步骤一，密钥生成中心KGC利用分布式双门限公钥密码方法为系统中包括图像拥有者、被授权的合法查询用户、存储云服务器SS和计算云服务器CS生成相应的密钥，并通过安全通道进行发送；

步骤二，图像数据拥有者提取明文图像的特征向量，并对特征向量和图像进行加密，将加密后的特征向量和图像发送至存储云服务器SS；

步骤三，存储云服务器SS与计算云服务器CS共同执行安全小于协议，使存储云服务器SS生成所有图像对应的dhash值；

步骤四，存储云服务器SS将dhash值将划分为div段，并构造索引；

步骤五，被授权的查询用户利用卷积神经网络CNN提取查询图像的特征向量，并用自己的加密密钥加密特征向量，最后将加密的特征向量作为查询请求的陷门；

步骤六，存储云服务器SS和计算云服务器CS根据dhash值，对加密图像进行检索，存储云服务器SS将检索到的相似加密图像发送给查询用户；

步骤七，查询用户根据图像数据拥有者的密钥加密图像集和特征向量集对接收到的图像进行解密，得到每个加密图像对应的明文图像。

步骤一中，生成密钥的具体方法如下：

第一步，密钥生成中心KGC生成图像拥有者的私钥sk_o＝θ_o，公钥

查询用户的私钥

公钥

以及部分解密密钥SK¹和SK²，这里N是明文数据空间，g是生成元，最后KGC利用AES密码方法生成图像加密密钥k_img；

第二步，密钥生成中心KGC将图像拥有者的公钥pk_o、sk_o和图像加密密钥k_img发送给图像拥有者；

第三步，密钥生成中心KGC将查询用户的公钥

和图像加密密钥k_img发送给被授权的合法查询用户；

第四步，密钥生成中心KGC将部分解密密钥SK¹和SK²分别发送给存储云服务器SS和计算云服务器CS；

第五步，密钥生成中心KGC发送图像拥有者的公钥pk_o和查询用户的公钥

给存储云服务器SS和计算云服务器CS。

步骤二的具体方法如下：

第一步，图像拥有者利用卷积神经网络CNN提取图像特征向量f_i＝(f_i,1,f_i,2,...,f_i,d+1)，其中f_i表示第i幅图像的特征向量；

第二步，通过图像拥有者的公钥pk_o加密明文特征向量

得到加密的特征向量集

第三步，通过图像加密密钥k_img对所有的图像进行加密，生成加密图像集C；

第四步，将加密的特征向量集

连同加密的图像集C发送给远程的存储云服务器SS。

步骤三中，存储云服务器SS生成所有图像对应的dhash值的具体方法如下：

第一步，存储云服务器SS和计算云服务器CS联合执行安全小于协议SLT,比较特征向量中相邻特征值f_i,j和f_i,j+1的大小，j∈[1,...,d]，存储云服务器SS获得每一个d+1维特征向量对应的d维dhash值s_i，s_i表示第i个特征向量对应的dhash值；

第二步，存储云服务器SS和计算云服务器CS对于每一个特征向量执行第一步的操作，使存储云服务器SS获得所有特征向量对应的dhash值，即为每一幅图像对应的dhash值。

步骤四中，构造索引的具体方法如下：

第一步，存储云服务器SS将每一幅图像对应的dhash划分为div段，每一部分包括d/div比特，即为sub-dhash；

第二步，存储云服务器SS构造索引S^v，v≤div，其存储(tag，value)对，tag为第v部分的sub-dhash，value为链表L^tag存储在第v部分具有相同sub-dhash的图像。

步骤五中，生成陷门的具体方法如下：

第一步，被授权的查询用户利用卷积神经网络CNN提取查询图像的特征向量f_q＝(f_q,1,f_q,2,...,f_q,d+1)；

第二步，被授权的查询用户利用查询用户的公钥pk_u加密查询图像的特征向量，特征向量为

并将加密后的特征向量

作为查询请求的陷门；

第三步，被授权的查询用户向存储云服务器SS提交查询请求的陷门

步骤六的具体方法如下：

第一步，存储云服务器SS连同计算云服务器CS联合地执行安全小于协议SLT,比较陷门中相邻密文值的大小，最终SS获得陷门对应的d维dhash值s_q；

第二步，存储云服务器SS将陷门对应的dhash划分为div段，每一部分包括d/div比特；

第三步，存储云服务器SS依次在字典中查找和s_q的每一个sub-dhash相等的tag，对于每一个相等的tag，存储云服务器SS计算对应链表中每一个dhash和s_q之间的汉明距离，并且比较汉明距离和阈值z之间的大小，如果汉明距离小于阈值z，则认为其对应的图像是相似图像；

第四步，存储云服务器SS将检索到的相似加密图像发送给查询用户。

与现有技术相比，本发明的图像拥有者提取图像特征向量集，再利用加密密钥加密图像特征；被授权的查询用户将提取的特征向量用自己的公钥加密，得到查询请求的陷门；云服务器计算特征向量对应的的dhash值，并计算索引结构中符合要求的dhash值与陷门之间的汉明距离，筛选出汉明距离小于阈值的加密图像，并将这些加密图像返回给查询用户。本发明使用分布式双门限公钥密码方法，克服了现有技术中被授权的查询用户之间密钥共享的缺陷，使得本发明实现了多用户的加密图像检索，有利于对查询用户的隐私保护。本发明使用dhash和构造的独特的搜索索引，克服了现有技术中查询效率低的缺陷，使得本发明实现了高效的加密图像检索，有利于大规模的加密图像检索。

附图说明

图1为本发明的系统框图。

具体实施方式

下面结合附图对本发明作进一步说明。

参见图1，本发明通过图像拥有者、存储云服务器SS、计算云服务器CS、密钥生成中心KGC和多个查询用户组成。图像拥有者以加密形式将其私有图像数据集外包给公有的远程存储云服务器SS以节省本地存储资源，为了实现图像检索和共享，图像拥有者将提取的图像特征也外包给公有的远程存储云服务器SS。存储云服务器SS为被授权的合法查询用户提供加密图像检索服务，同时云服务器提供商出于自身利益考虑，并不想让图像拥有者和查询用户知道其所使用的检索方法。计算云服务器CS配合存储云服务器SS实现加密数据的计算(在本发明中为安全小于协议(SLT))。被授权的多个查询用户都有权向存储云服务器SS发出查询请求，并且查询用户可以利用图像解密密钥解密存储云服务器SS返回的加密图像，最终获得检索到的明文图像。

步骤一，生成密钥。

生成密钥阶段由密钥生成中心KGC执行。KGC利用分布式双门限公钥密码方法为系统中包括图像拥有者、被授权的合法查询用户、存储云服务器SS和计算云服务器CS生成相应的密钥，并通过安全通道发送给系统中相应的方。生成密钥的具体过程如下：

第一步，给一个安全参数k，KGC利用分布式双门限公钥密码方法计算

sk_o＝θ_o，

以及部分解密密钥SK¹和SK²。

第二步，KGC利用AES密码方法生成图像加密密钥k_img。

第三步，KGC将pk_o，sk_o，k_img发送给图像拥有者。

第四步，KGC将

k_img发送给被授权的合法查询用户。

第五步，KGC将部分解密密钥SK¹发送给存储云服务器SS。

第六步，KGC将部分解密密钥SK²发送给计算云服务器CS。

第七步，KGC发送图像拥有者的公钥pk_o和查询用户的公钥

给存储云服务器SS和计算云服务器CS。

为方便说明，下面我们以一个查询用户为例进行说明，并用pk_u和sk_u代替

和

步骤二，生成加密特征和加密图像。

生成加密图像和加密特征阶段由图像拥有者执行。图像数据拥有者首先提取明文图像的特征向量。之后，利用自己的加密密钥加密图像集和特征向量集。生成加密图像和加密特征的具体过程如下：

第一步，图像拥有者利用卷积神经网络CNN提取所有图像特征向量，用f_i＝(f_i,1,f_i,2,...,f_i,d+1)表示第i幅图像的特征向量。

第二步，图像拥有者用自己的公钥pk_o加密明文特征向量为

并最终获得加密的特征向量集

第三步，图像拥有者利用自己的图像加密密钥k_img对所有的图像进行加密，生成加密图像集C。

第四步，图像拥有者将加密特征集

和加密图像集C发送给存储云服务器SS。

步骤三，生成dhash。

生成dhash阶段由存储云服务器SS和计算云服务器CS共同执行。SS连同CS联合地执行安全小于协议(SLT)最终SS获得所有图像对应的dhash值。生成dhash的具体过程如下：

第一步，存储云服务器SS连同计算云服务器CS联合地执行安全小于协议(SLT),比较特征向量中相邻特征值(f_i,j和f_i,j+1，j∈[1,...,d])的大小，最终SS获得每一个d+1维特征向量对应的d维dhash值s_i，这里s_i表示第i个特征向量对应的dhash值。

第二步，存储云服务器SS和计算云服务器CS对于每一个特征向量执行第一步操作，最终SS获得所有特征向量对应的dhash值，即每一幅图像对应的dhash值。

步骤四，生成索引。

生成索引阶段由存储云服务器SS执行。SS首先将d维dhash值s_i将划分为div段，并构造索引。生成索引的具体过程如下：

第一步，存储云服务器SS将每一幅图像对应的dhash划分为div段，每一部分包括d/div比特,称之为sub-dhash。

第二步，存储云服务器SS构造索引S^v，v≤div，其存储(tag，value)对，这里tag为第v部分的sub-dhash，并且value是链表L^tag，它存储在第v部分具有相同sub-dhash的图像。

步骤五，生成陷门。

生成陷门阶段由查询用户执行。被授权的查询用户利用卷积神经网络(CNN)提取查询图像的特征向量，并用自己的加密密钥加密特征向量，最后将加密的特征向量作为查询请求的陷门。生成陷门的具体过程如下：

第一步，被授权的查询用户利用卷积神经网络(CNN)提取查询图像的特征向量f_q＝(f_q,1,f_q,2,...,f_q,d+1)。

第二步，被授权的查询用户利用自己的公钥pk_u加密查询图像的特征向量为

并将加密的特征向量

作为查询请求的陷门；

第三步，被授权的查询用户向存储云服务器SS提交查询请求的陷门

步骤六，加密图像检索。

加密图像检索阶段由存储云服务器SS和计算云服务器CS执行。加密图像检索的具体过程如下：

第一步，存储云服务器SS连同计算云服务器CS联合地执行安全小于协议(SLT),比较陷门中相邻密文值的大小，最终SS获得陷门对应的d维dhash值s_q。

第二步，存储云服务器SS将陷门对应的dhash划分为div段，每一部分包括d/div比特。

第三步，存储云服务器SS依次在字典中查找和s_q的每一个sub-dhash相等的tag，对于每一个相等的tag，存储云服务器SS计算对应链表中每一个dhash和s_q之间的汉明距离，并且比较汉明距离和阈值z之间的大小，如果汉明距离小于阈值z，则认为其对应的图像是相似图像。

第四步，存储云服务器SS将检索到的相似加密图像发送给查询用户；

步骤七，解密返回的加密图像：

查询用户利用步骤二中第四步中所述的对称图像加密密钥k_img对接收到的加密图像进行解密，得到每个加密图像对应的明文图像。

Claims (4)

1.一种多用户环境下的高效加密图像检索方法，其特征在于，包括以下步骤：

步骤一，密钥生成中心KGC利用分布式双门限公钥密码方法为系统中包括图像拥有者、被授权的合法查询用户、存储云服务器SS和计算云服务器CS生成相应的密钥，并通过安全通道进行发送；生成密钥的具体方法如下：

第一步，密钥生成中心KGC生成图像拥有者的私钥sk_o＝θ_o，公钥

查询用户的私钥

公钥

以及部分解密密钥SK¹和SK²，N是明文数据空间，g是生成元，最后KGC利用AES密码方法生成图像加密密钥k_img；

第二步，密钥生成中心KGC将图像拥有者的公钥pk_o、sk_o和图像加密密钥k_img发送给图像拥有者；

第三步，密钥生成中心KGC将查询用户的公钥

和图像加密密钥k_img发送给被授权的合法查询用户；

第四步，密钥生成中心KGC将部分解密密钥SK¹和SK²分别发送给存储云服务器SS和计算云服务器CS；

第五步，密钥生成中心KGC发送图像拥有者的公钥pk_o和查询用户的公钥

给存储云服务器SS和计算云服务器CS；

步骤二，图像数据拥有者提取明文图像的特征向量，并对特征向量和图像进行加密，将加密后的特征向量和图像发送至存储云服务器SS；

步骤三，存储云服务器SS与计算云服务器CS共同执行安全小于协议，使存储云服务器SS生成所有图像对应的dhash值；存储云服务器SS生成所有图像对应的dhash值的具体方法如下：

第一步，存储云服务器SS和计算云服务器CS联合执行安全小于协议SLT,比较特征向量中相邻特征值f_i,j和f_i,j+1的大小，j∈[1,...,d]，存储云服务器SS获得每一个d+1维特征向量对应的d维dhash值s_i，s_i表示第i个特征向量对应的dhash值；

第二步，存储云服务器SS和计算云服务器CS对于每一个特征向量执行第一步的操作，使存储云服务器SS获得所有特征向量对应的dhash值，即为每一幅图像对应的dhash值；

步骤四，存储云服务器SS将dhash值将划分为div段，并构造索引；构造索引的具体方法如下：

第一步，存储云服务器SS将每一幅图像对应的dhash划分为div段，每一部分包括d/div比特，即为sub-dhash；

第二步，存储云服务器SS构造索引S^v，v≤div，其存储(tag，value)对，tag为第v部分的sub-dhash，value为链表L^tag存储在第v部分具有相同sub-dhash的图像；

步骤五，被授权的查询用户利用卷积神经网络CNN提取查询图像的特征向量，并用自己的加密密钥加密特征向量，最后将加密的特征向量作为查询请求的陷门；

步骤六，存储云服务器SS和计算云服务器CS根据dhash值，对加密图像进行检索，存储云服务器SS将检索到的相似加密图像发送给查询用户；

步骤七，查询用户根据图像数据拥有者的密钥加密图像集和特征向量集对接收到的图像进行解密，得到每个加密图像对应的明文图像。

2.根据权利要求1所述的一种多用户环境下的高效加密图像检索方法，其特征在于，步骤二的具体方法如下：

第一步，图像拥有者利用卷积神经网络CNN提取图像特征向量f_i＝(f_i,1,f_i,2,...,f_i,d+1)，其中f_i表示第i幅图像的特征向量；

第二步，通过图像拥有者的公钥pk_o加密明文特征向量

得到加密的特征向量集

第三步，通过图像加密密钥k_img对所有的图像进行加密，生成加密图像集C；

第四步，将加密的特征向量集

连同加密的图像集C发送给远程的存储云服务器SS。

3.根据权利要求1所述的一种多用户环境下的高效加密图像检索方法，其特征在于，步骤五中，生成陷门的具体方法如下：

第一步，被授权的查询用户利用卷积神经网络CNN提取查询图像的特征向量f_q＝(f_q,1,f_q,2,...,f_q,d+1)；

第二步，被授权的查询用户利用查询用户的公钥pk_u加密查询图像的特征向量，特征向量为

并将加密后的特征向量

作为查询请求的陷门；

第三步，被授权的查询用户向存储云服务器SS提交查询请求的陷门

4.根据权利要求1所述的一种多用户环境下的高效加密图像检索方法，其特征在于，步骤六的具体方法如下：

第一步，存储云服务器SS连同计算云服务器CS联合地执行安全小于协议SLT,比较陷门中相邻密文值的大小，最终SS获得陷门对应的d维dhash值s_q；

第二步，存储云服务器SS将陷门对应的dhash划分为div段，每一部分包括d/div比特；

第三步，存储云服务器SS依次在字典中查找和s_q的每一个sub-dhash相等的tag，对于每一个相等的tag，存储云服务器SS计算对应链表中每一个dhash和s_q之间的汉明距离，并且比较汉明距离和阈值z之间的大小，如果汉明距离小于阈值z，则认为其对应的图像是相似图像；

第四步，存储云服务器SS将检索到的相似加密图像发送给查询用户。

Images