CN112528064B - 一种隐私保护的加密图像检索方法及系统 - Google Patents
一种隐私保护的加密图像检索方法及系统 Download PDFInfo
- Publication number
- CN112528064B CN112528064B CN202011436079.4A CN202011436079A CN112528064B CN 112528064 B CN112528064 B CN 112528064B CN 202011436079 A CN202011436079 A CN 202011436079A CN 112528064 B CN112528064 B CN 112528064B
- Authority
- CN
- China
- Prior art keywords
- query
- image
- vector
- matrix
- retrieval
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
- G06F16/538—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/602—Providing cryptographic facilities or services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Abstract
本发明公开了一种隐私保护的加密图像检索方法及系统,具体实现步骤包括:图像拥有者提取图像的特征向量,并分别对图像和特征向量进行加密后上传至云服务器;查询用户检索时,提取查询图像的查询向量并进行加密,将加密后查询向量和设定的相似度查询阈值生成陷门并发送至云服务器;云服务器根据查询陷门和索引表检索加密图像集,并将检索结果返回至查询用户,查询用户解密后得到检索结果。本发明基于混沌映射图像加密算法,采用卷积神经网络模型提取图像特征,提高了图像检索的效率,且最终云服务器仅返回在阈值范围内的相似结果,并不进行相似排序,从而进一步提高安全性。整个检索过程都是在密文域中实现的,在不泄漏存储数据信息和检索结果相关信息的前提下,有效的实现了图像的安全检索。
Description
技术领域
本发明属于图像处理领域,具体为一种隐私保护的加密图像检索方法及系统。
背景技术
随着互联网技术的发展,社交网络平台的应用也在蓬勃发展,网络用户每天都会产生海量的图像,导致人们对图像检索的需求不断增加。而在图像检索的过程中,往往需要充足的存储空间和计算资源,这对于图像拥有者来说满足这些需求往往是有困难的。而随着云计算和存储的日益普及,将服务迁移到云服务器已经迅速成为海量数据存储和管理的趋势,这样虽然减少了图像拥有者的负担,但也引发了新的隐私泄露问题。为了保护图像数据库中的信息在存储和检索过程中不被泄露,一般情况下,图像拥有者会对图像进行加密,然后将加密后的图像集存储在云服务器上。然而,随着图像库的规模增大,查询用户想要在图像库中查找相似的图像结果要么变得非常耗时,要么由于云服务器是半可信的而存在安全隐患。基于这些情况,目前已经存在很多的图像检索方案,但是其所用到的相关技术对于图像检索应用仍存在相应的安全和效率问题。
Zhihua Xia等人在其发表的论文“BOEW:A Content-based Image RetrievalScheme using Bag-of-Encrypted-Words in Cloud Computing”(IEEE Transactions onServices Computing,DOI 10.1109/TSC.2019.2927215)中公开了一种使用词袋模型的基于内容的图像检索方案。该方法首先通过对原始图片进行块置换、颜色值替换、以及块内像素置换进行加密保护;然后采用K-means聚类算法对加密的所有图像划分的每个块进行聚类,从而形成K个质心单词;接着根据每幅图像中质心单词出现频数为每幅图像生成一个K维向量;根据向量之间的欧式距离大小将按照相似等级排序的top-k幅图像作为检索结果反馈给用户。但是,该方案仍然存在不足之处,在计算最相似的top-k个图像时,云服务器会对检索结果进行分析从而得到检索结果的相似度排序大小,因此该方案存在隐私泄露的问题。
崔江涛、薛文卓等人提出的专利申请“一种加密图像检索方法和系统、一种图像检索服务器”(申请号201611174090.1,公布号CN106649690A)中公开了一种基于图像SIFT(Scale-invariant feature transform)特征的安全检索方案,预先接受从图像管理端发来的各个待匹配的图像的加密SIFT特征向量,根据各个图像的加密SIFT特征向量,确定与查询图像相似的相似待匹配图像的标识;然后向图像管理端发送相似加密SIFT特征向量对应的待匹配图像。但是该方案仍存在不足之处,对图像进行SIFT特征提取时,使得一幅图像对应多个特征向量,从而在检索时会增加计算的复杂性,同时降低图像匹配时相应的检索效率。
发明内容
针对现有安全检索技术中检索结果隐私泄露和检索效率的问题,提出了一种隐私保护的加密图像检索方法及系统,查询用户在图像库中进行相似图像检索,图像拥有者将图像加密后上传至云服务器,查询用户生成查询陷门请求并发送给云服务器,收到查询请求后云服务器进行图像库的安全检索,提高了检索效率并隐藏了检索结果的相似度排序信息。
本发明是通过以下技术方案来实现:
一种隐私保护的加密图像检索方法,包括以下步骤:
步骤1,图像拥有者提取图像的特征向量并构建索引表,同时对图像集加密,获取加密图像集,将索引表和加密图像集上传至云服务器;
步骤2,查询用户检索时,提取查询图像的查询向量并进行加密,将加密后查询向量和设定的相似度查询阈值生成陷门并发送至云服务器;
步骤3,云服务器根据查询陷门和索引表检索加密图像集,并将检索结果返回至查询用户,查询用户解密后得到检索结果。
优选的,采用卷积神经网络模型提取出图像的特征向量。
优选的,所述构建索引表的方法具体如下:
S1.1,提取出图像的特征向量;
S1.2,对特征向量进行扩展和置换,根据置换后得到的向量构建对角矩阵,并将置换后得到的向量的分量元素分别按顺序作为对角矩阵X的对角线元素;
S1.3,对对角矩阵X进行加密得到矩阵Cx,将矩阵Cx和与图像ID一一对应起来,形成索引表。
优选的,所述特征向量x=(x1,x2,x3,...,xn);
采用x″=π(x′)进行元素的随机置换得到置换后的向量x″,π为随机置换函数;
优选的,所述对角矩阵的加密方法日下:
Cx=M1SxXM2
其中,Sx代表随机生成的对角线元素为1的下三角矩阵,M1,M2代表图像拥有者随机生成的两个可逆矩阵,X为对角矩阵。
优选的,所述生成查询陷门的方法如下:
S2.1、查询用户指定一个数θ作为表示相似度大小的查询阈值,采用卷积神经网络模型对查询图像进行特征提取,得到查询特征向量;
S2.2,对查询特征向量进行扩展和置换,根据置换后得到的向量构建对角矩阵,并将置换后得到的向量的分量元素分别按顺序作为对角矩阵Y的对角线元素;
S3.3,对对角矩阵Y进行加密得到矩阵Ty,并根据矩阵Ty和查询阈值生成查询陷门。
优选的,所述查询特征向量y={y1,y2,y3,...,yn};
采用y″=π(y′)进行元素的随机置换得到置换后的向量y″,π为随机置换函数;
扩展后的向量的表达式如下:
所述对角矩阵Y的加密方法如下:
优选的,所述云服务器根据查询陷门检索加密图像集的方法如下:
根据I=CxTy计算出I矩阵后,并利用矩阵对角线上所有元素之和的方法计算I矩阵的迹,若迹大于等于零,便将此时Cx所对应的密文图像结果并入检索结果集合{Rq}内,直到遍历完所有的图像后,返回{Rq}给查询用户。
一种隐私保护的加密图像检索方法的系统,包括,
索引构建和图像加密模块,用于图像拥有者提取图像的特征向量并构建索引表,同时对图像集进行加密,将索引表和加密图像集上传至云服务器;
查询陷门模块,用于提取查询图像的查询向量并进行加密,将加密后查询向量和设定的相似度查询阈值生成陷门并发送至云服务器;
检索模块,用于根据查询陷门检索加密图像集,并将检索结果返回至查询用户,查询用户解密后得到检索结果。
与现有技术相比,本发明具有以下有益的技术效果:
本发明提供的由于本方案在提取图像特征向量时,该加密图像检索方法通过在给定阈值的条件下,云服务器返回在指定阈值范围内的所有相似结果,并不进行相似排序,从而进一步提高安全性。整个检索过程都是在密文域中实现的,在不泄漏存储数据信息和检索结果相关信息的前提下,有效的实现了图像的安全检索。对比现有的方案中云服务器最终返回top-k个结果,本方案使得云服务器无法得知检索结果中的图像与查询图像的相似度排序,从而一定程度上保证了检索结果的隐私安全。
进一步,所采用的是卷积神经网络模型提取特征算法,因此相比于传统SIFT特征提取算法,利用卷积神经网络模型提取图像特征简化了图像特征计算过程,克服了图像检索过程中计算时间复杂度大的困难,进一步提高了用户检索的效率。
附图说明
图1为本发明加密图像检索方法的流程图。
具体实施方式
下面结合附图对本发明做进一步的详细说明,所述是对本发明的解释而不是限定。
参阅图1,一种隐私保护的加密图像检索方法,包括以下步骤:
步骤1,构建图像加密系统,生成用于加密算法所需要的密钥。
步骤2,提取图像的特征向量并构建索引表。
第一步:图像拥有者根据卷积神经网络模型提取出图像的特征向量x=(x1,x2,x3,...,xn);
其中n表示特征向量的维数;
第二步:生成随机数α,rx;
第四步:对向量x′利用x″=π(x′)进行元素的随机置换得到置换后的向量x″,根据向量x″构建对角矩阵X,并将向量x″的分量元素分别按顺序作为对角矩阵X的对角线元素;
第五步:对对角矩阵X进行进一步的加密;
所述加密方法为:
Cx=M1SxXM2
其中,Sx代表随机生成的对角线元素为1的下三角矩阵;
第六步:构建索引表T,T将Cx矩阵与图像ID一一对应起来;
步骤3,加密图像集。
所述加密算法为混沌映射算法,即首先将图像分为大小为16个像素的块,再定义80bit的十六进制密钥和两个混沌逻辑映射的迭代公式,利用密钥计算迭代公式的初始迭代值之后,就可以进一步得到下一个迭代值,不同的迭代值便会与块内像素值进行不同操作的计算,从而更新像素值,直到整个块内像素都被加密。接下来会修改密钥重复上述加密操作进行下一个块的加密,直到加密完整个图像文件,图像拥有者利用此加密算法和图像加密密钥kmg对图像进行加密,得到加密图像集。此图像加密方法的算法细节请参考文献“Image encryption using chaotic logistic map”(Image and Vision Computing 24(2006)926–934)。
步骤4,上传加密图像集和索引表至云服务器。
步骤5,云服务器将密钥经安全信道传送给查询用户。
步骤6,查询用户生成查询陷门并发送至云服务器。
第一步,查询用户指定一个数θ作为表示相似度大小的查询阈值;
第二步,对查询图像进行特征提取,得到查询特征向量y={y1,y2,y3,...,yn};
第三步,生成随机数β,ry;
第五步,对向量y′利用y″=π(y′)进行元素的随机置换得到向量y″,根据向量y″构建对角矩阵Y,并将y″的分量元素分别按顺序作为对角矩阵Y的对角线元素;
第六步,对Y矩阵进行进一步的加密:
所述加密方法如下:
其中,Sy代表随机生成的对角线元素为1的下三角矩阵;
第七步,将TD={Ty,θ}作为陷门发送给云服务器;
步骤7,云服务器检索图像集并将检索结果返回至查询用户。
利用式子I=CxTy计算出I矩阵后,并利用矩阵对角线上所有元素之和的方法计算I矩阵的迹,若迹大于等于零,便将此时Cx所对应的密文图像结果并入检索结果集合{Rq}内,直到遍历完所有的图像后,返回{Rq}给查询用户;
步骤8,查询用户解密检索结果:
查询用户用图像拥有者经安全信道发送的密钥对返回的密文图像结果进行解密,从而获得所有在阈值范围内的相似图像结果。
实现本发明目的的思路是,图像拥有者提取出图像的CNN(Convolutional NeuralNetworks)特征向量后,分别对图像和其特征向量进行加密并上传至云服务器,当查询用户请求检索时,首先从查询图像中提取出查询向量,并对查询向量进行加密,从而生成一个查询陷门发送至云服务器,此查询陷门包括一个表示相似度大小的查询阈值以及加密后的查询向量。云服务器收到陷门后进行检索并返回在指定阈值内的所有相似图像。
由于本方案在提取图像特征向量时,所采用的是卷积神经网络模型提取特征算法,因此相比于传统SIFT特征提取算法,利用卷积神经网络模型提取图像特征简化了图像特征计算过程,克服了图像检索过程中计算时间复杂度大的困难,进一步提高了用户检索的效率。
其次,该加密图像检索方法通过在给定阈值的条件下,云服务器返回在指定阈值范围内的所有相似结果,对比现有的方案中云服务器最终返回top-k个结果,本方案使得云服务器无法得知检索结果中的图像与查询图像的相似度排序,从而一定程度上保证了检索结果的隐私安全。
以上内容仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明权利要求书的保护范围之内。
Claims (5)
1.一种隐私保护的加密图像检索方法,其特征在于,包括以下步骤:
步骤1,图像拥有者提取图像的特征向量并构建索引表,同时对图像集加密,获取加密图像集,将索引表和加密图像集上传至云服务器;
所述索引表的构建方法具体如下:
S1.1,提取出图像的特征向量;
S1.2,对特征向量进行扩展和置换,根据置换后得到的向量构建对角矩阵,并将置换后得到的向量的分量元素分别按顺序作为对角矩阵X的对角线元素;
所述特征向量x=(x1,x2,x3,...,xn),采用x″=π(x′)进行元素的随机置换得到置换后的向量x″,π为随机置换函数;
S1.3,对对角矩阵X进行加密得到矩阵Cx,将矩阵Cx和与图像ID一一对应起来形成索引表;
所述对角矩阵的加密方法如下:
Cx=M1SxXM2
其中,Sx代表随机生成的对角线元素为1的下三角矩阵,M1,M2代表图像拥有者随机生成的两个可逆矩阵,X为对角矩阵;
步骤2,查询用户检索时,提取查询图像的查询向量并进行加密,将加密后查询向量和设定的相似度查询阈值生成陷门并发送至云服务器;
查询陷门的生成方法如下:
S2.1、查询用户指定一个数θ作为表示相似度大小的查询阈值,采用卷积神经网络模型对查询图像进行特征提取,得到查询特征向量;
S2.2,对查询特征向量进行扩展和置换,根据置换后得到的向量构建对角矩阵,并将置换后得到的向量的分量元素分别按顺序作为对角矩阵Y的对角线元素;
S2.3,对对角矩阵Y进行加密得到矩阵Ty,并根据矩阵Ty和查询阈值生成查询陷门;
步骤3,云服务器根据查询陷门和索引表检索加密图像集,并将检索结果返回至查询用户,查询用户解密后得到检索结果。
2.根据权利要求1所述的一种隐私保护的加密图像检索方法,其特征在于,采用卷积神经网络模型提取出图像的特征向量。
4.根据权利要求3所述的一种隐私保护的加密图像检索方法,其特征在于,所述云服务器根据查询陷门检索加密图像集的方法如下:
根据I=CxTy计算出I矩阵后,并利用矩阵对角线上所有元素之和的方法计算I矩阵的迹,若迹大于等于零,便将此时Cx所对应的密文图像结果并入检索结果集合{Rq}内,直到遍历完所有的图像后,返回{Rq}给查询用户。
5.一种基于权利要求1-4任一项所述的一种隐私保护的加密图像检索方法的系统,其特征在于,包括,
索引构建和图像加密模块,用于图像拥有者提取图像的特征向量并构建索引表,同时对图像集进行加密,将索引表和加密图像集上传至云服务器;
查询陷门模块,用于提取查询图像的查询向量并进行加密,将加密后查询向量和设定的相似度查询阈值生成陷门并发送至云服务器;
检索模块,用于根据查询陷门检索加密图像集,并将检索结果返回至查询用户,查询用户解密后得到检索结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011436079.4A CN112528064B (zh) | 2020-12-10 | 2020-12-10 | 一种隐私保护的加密图像检索方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011436079.4A CN112528064B (zh) | 2020-12-10 | 2020-12-10 | 一种隐私保护的加密图像检索方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112528064A CN112528064A (zh) | 2021-03-19 |
CN112528064B true CN112528064B (zh) | 2022-12-13 |
Family
ID=74999924
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011436079.4A Active CN112528064B (zh) | 2020-12-10 | 2020-12-10 | 一种隐私保护的加密图像检索方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112528064B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113094747B (zh) * | 2021-04-16 | 2024-02-09 | 深圳前海微众银行股份有限公司 | 一种图像查找方法、区块链、云服务器及图像查找装置 |
CN113033700B (zh) * | 2021-04-19 | 2022-11-08 | 安徽大学 | 一种指静脉特征模板保护方法及装置 |
CN113987144A (zh) * | 2021-10-18 | 2022-01-28 | 深圳前海微众银行股份有限公司 | 一种空间文本的查询方法及装置 |
CN114189351B (zh) * | 2021-10-25 | 2024-02-23 | 山东师范大学 | 一种基于cnn和签密技术的密态图像检索方法及系统 |
CN114048341B (zh) * | 2021-11-03 | 2023-04-07 | 北京中知智慧科技有限公司 | 外观设计产品的安全检索方法、系统、客户端及服务器 |
CN116484430B (zh) * | 2023-06-21 | 2023-08-29 | 济南道图信息科技有限公司 | 一种智慧心理平台用户隐私数据加密保护方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104331448A (zh) * | 2014-10-29 | 2015-02-04 | 上海大学 | 基于jpeg图像交流系数直方图的密文域图像检索方法 |
CN104978536A (zh) * | 2015-07-08 | 2015-10-14 | 合肥高维数据技术有限公司 | 一种隐私保护云图像管理系统 |
CN106649690A (zh) * | 2016-12-16 | 2017-05-10 | 西安电子科技大学 | 一种安全图像检索方法和系统、一种图像检索服务器 |
CN108182220A (zh) * | 2017-12-25 | 2018-06-19 | 重庆邮电大学 | 云服务器中基于用户隐私保护的图像检索方法 |
CN108256031A (zh) * | 2018-01-11 | 2018-07-06 | 北京理工大学 | 一种支持隐私保护的多源加密图像检索方法 |
CN109543061A (zh) * | 2018-11-16 | 2019-03-29 | 西安电子科技大学 | 一种支持多密钥的加密图像检索方法 |
CN110659379A (zh) * | 2019-09-24 | 2020-01-07 | 中南林业科技大学 | 一种基于深度卷积网络特征的可搜索加密图像检索方法 |
CN111339539A (zh) * | 2020-02-14 | 2020-06-26 | 西安电子科技大学 | 一种多用户环境下的高效加密图像检索方法 |
CN111541679A (zh) * | 2020-04-17 | 2020-08-14 | 武汉大学 | 一种云环境下基于秘密共享的图像安全检索方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8898478B2 (en) * | 2012-06-15 | 2014-11-25 | Mitsubishi Electric Research Laboratories, Inc. | Method for querying data in privacy preserving manner using attributes |
CN106326360B (zh) * | 2016-08-10 | 2019-04-09 | 武汉科技大学 | 一种云环境中密文数据的模糊多关键词检索方法 |
CN109858264B (zh) * | 2019-01-22 | 2019-12-03 | 四川大学 | 一种分数随机变换域等模矢量分解的彩色图像加解密方法 |
CN110222081B (zh) * | 2019-06-08 | 2022-04-19 | 西安电子科技大学 | 多用户环境下基于细粒度排序的数据密文查询方法 |
CN111859421A (zh) * | 2020-07-08 | 2020-10-30 | 中国软件与技术服务股份有限公司 | 一种基于词向量的多关键字密文存储、检索方法及系统 |
-
2020
- 2020-12-10 CN CN202011436079.4A patent/CN112528064B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104331448A (zh) * | 2014-10-29 | 2015-02-04 | 上海大学 | 基于jpeg图像交流系数直方图的密文域图像检索方法 |
CN104978536A (zh) * | 2015-07-08 | 2015-10-14 | 合肥高维数据技术有限公司 | 一种隐私保护云图像管理系统 |
CN106649690A (zh) * | 2016-12-16 | 2017-05-10 | 西安电子科技大学 | 一种安全图像检索方法和系统、一种图像检索服务器 |
CN108182220A (zh) * | 2017-12-25 | 2018-06-19 | 重庆邮电大学 | 云服务器中基于用户隐私保护的图像检索方法 |
CN108256031A (zh) * | 2018-01-11 | 2018-07-06 | 北京理工大学 | 一种支持隐私保护的多源加密图像检索方法 |
CN109543061A (zh) * | 2018-11-16 | 2019-03-29 | 西安电子科技大学 | 一种支持多密钥的加密图像检索方法 |
CN110659379A (zh) * | 2019-09-24 | 2020-01-07 | 中南林业科技大学 | 一种基于深度卷积网络特征的可搜索加密图像检索方法 |
CN111339539A (zh) * | 2020-02-14 | 2020-06-26 | 西安电子科技大学 | 一种多用户环境下的高效加密图像检索方法 |
CN111541679A (zh) * | 2020-04-17 | 2020-08-14 | 武汉大学 | 一种云环境下基于秘密共享的图像安全检索方法 |
Non-Patent Citations (2)
Title |
---|
Secure Content-Based Image Retrieval in the Cloud With Key Confidentiality;Jung-Shian Li;《IEEE Access》;20200622;第114940-114952页 * |
高效的大规模加密图像检索技术的研究;黄政柏;《中国优秀博硕士学位论文全文数据库(硕士)》;20200815;第I138-34页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112528064A (zh) | 2021-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112528064B (zh) | 一种隐私保护的加密图像检索方法及系统 | |
Xia et al. | BOEW: A content-based image retrieval scheme using bag-of-encrypted-words in cloud computing | |
Lu et al. | Enabling search over encrypted multimedia databases | |
Xu et al. | A privacy-preserving content-based image retrieval method in cloud environment | |
Weng et al. | A privacy-preserving framework for large-scale content-based information retrieval | |
Yan et al. | Secure video retrieval using image query on an untrusted cloud | |
Xia et al. | A privacy-preserving image retrieval scheme using secure local binary pattern in cloud computing | |
Hsu et al. | Homomorphic encryption-based secure SIFT for privacy-preserving feature extraction | |
CN108959567B (zh) | 一种云环境下适用于大规模图像的安全检索方法 | |
Lu et al. | Security analysis for privacy preserving search of multimedia | |
CN110659379B (zh) | 一种基于深度卷积网络特征的可搜索加密图像检索方法 | |
Anju et al. | A faster secure content-based image retrieval using clustering for cloud | |
Huang et al. | Toward efficient encrypted image retrieval in cloud environment | |
Xu et al. | A large-scale secure image retrieval method in cloud environment | |
Weng et al. | Privacy-preserving outsourced media search | |
Li et al. | Secure content-based image retrieval in the cloud with key confidentiality | |
Gong et al. | A privacy-preserving image retrieval method based on improved bovw model in cloud environment | |
Abduljabbar et al. | EEIRI: Efficient encrypted image retrieval in IoT-cloud | |
Majhi et al. | Secure content‐based image retrieval using modified Euclidean distance for encrypted features | |
Xia et al. | A similarity search scheme over encrypted cloud images based on secure transformation | |
Liang et al. | Secure and efficient image retrieval over encrypted cloud data | |
Yu et al. | A privacy-preserving JPEG image retrieval scheme using the local Markov feature and bag-of-words model in cloud computing | |
Wang et al. | Efficient and secure content-based image retrieval with deep neural networks in the mobile cloud computing | |
Tang et al. | OPPR: An outsourcing privacy-preserving JPEG image retrieval scheme with local histograms in cloud environment | |
Li et al. | Encrypted jpeg image retrieval using histograms of transformed coefficients |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |