一种基于外包K-means的加密图像检索系统及方法技术方案

本发明专利技术公开了一种基于外包K

【技术实现步骤摘要】
一种基于外包K
‑
means的加密图像检索系统及方法


[0001]本专利技术属于图像检索
，具体涉及一种基于外包K
‑
means的加密图像检索系统及 方法。

技术介绍

[0002]随着移动设备的出现和互联网的普及，出现了许多多媒体数据的应用程序，产生了大量 的多媒体数据，其中图像数据需要大量的处理操作。由于许多移动终端受限于有限的资源， 如电池寿命、RAM存储、计算能力等，客户端可能没有足够的能力来处理大量图像的操作， 比如存储和检索。为了解决这一问题，人们经常选择将存储和检索工作外包给云服务器来执 行。但图像中蕴含着丰富的敏感信息(例如人脸、位置和敏感事件)，将图像外包到云服务器 意味着图像数据不受人们的控制，这对人们的隐私造成了巨大的威胁。
[0003]为了缓解隐私问题，越来越多的用户倾向于在外包给云服务器之前对图像进行加密。图 像内容信息对云服务器来说是保密的。然而，当图像加密之后在加密数据库上进行图像的检 索会存在一些障碍，而且图像经过加密之后上传给云服务器会损失图像的可用性，图像检索 的精确度和检索效率也会大大地降低。
[0004]目前针对加密图像检索的研究方案，对于加密之后的图像大多是采用余弦距离和欧氏距 离来计算图像的相似性，这种方法计算代价比较高，检索效率比较低，图像检索的准确性也 无法保证。为了提高图像检索准确度和检索效率，本专利技术采用了基于汉明距离来计算图像相 似性的加密方法，该方法可以达到与明文相当的检索精度，且减少了计算代价。
>[0005]为了更进一步地解决图像检索效率低的问题，本专利技术欲采用K
‑
means聚类算法来构建索 引树，但目前研究的针对K
‑
means聚类的图像检索方案，大多是将K
‑
means聚类算法交由数 据拥有者来执行，而且传统的K
‑
means算法需要大量计算和大量通信代价，如果数据拥有者 是资源受限的用户，显然不适用。与此同时，如果将构建索引相关的图像数据外包给云服务 器，数据隐私的安全性也无法保证。

技术实现思路

[0006]本专利技术为了解决上述问题，提供了一种基于外包K
‑
means的加密图像检索方法，该方法 将数据进行加密之后再外包给云服务器，由云服务器执行K
‑
means聚类的大量计算，可以实 现密文图像的近似检索，既能解决图像检索效率低的问题又可以解决移动终端设备资源受限 的问题，并且在保证数据安全的前提下，达到与明文相当的检索效率。
[0007]本专利技术的技术方案是：
[0008]一种基于外包K
‑
means的加密图像检索系统，其特征在于，该系统包括三种类型的实体： 数据拥有者、云服务器和数据访问者；
[0009]所述数据拥有者，是原始图像数据的所有者，负责对其所拥有的每一幅原始图像提取特 征向量，然后对每一幅原始图像及其特征向量进行加密，得到加密后的图像数据；
将加密后 的图像数据上传到云服务器；对数据访问者发送的图像检索结果进行解密，并将通过解密得 到的对应的原始图像发送给数据访问者；
[0010]所述云服务器，用于存储加密后的图像数据，并与数据拥有者进行交互构建安全索引树； 利用检索令牌和安全索引树来执行图像相似性的检索，并把检索结果返回给数据访问者；
[0011]所述数据访问者，对待检索图像进行查询，数据拥有者也可以作为数据访问者；对待检 索图像进行查询时，使用待检索图像来构建检索令牌并将其发送给云服务器；接收云服务器 发送的图像检索结果并将其发送给数据拥有者；接收数据拥有者发送的与待检索图像相似的 原始图像。
[0012]一种利用所述的基于外包K
‑
means的加密图像检索系统进行基于外包K
‑
means的加密图 像检索方法，包括如下步骤：
[0013]步骤1：数据拥有者对其所拥有的每一幅图像提取特征向量，利用提取的特征向量来描 述图像的局部特征；
[0014]步骤2：数据拥有者对每一幅原始图像及其特征向量进行加密，得到加密图像及对应的 加密特征向量，将所有的加密图像及其各自对应的加密特征向量上传给云服务器；
[0015]步骤3：数据拥有者对加密特征向量进行编号，并为每个加密特征向量构建相应的结构 T
i
＝(ID
i
,VC
i
,C
j
)，数据拥有者将集合T＝{T1,T2,...,T
n
}上传给云服务器；其中，ID
i
表示加密 特征向量VC
i
的编号；C
j
表示第j个加密图像；T
i
表示第i个特征向量对应的结构，i＝1,...,n， j＝1,...,m，其中m为数据拥有者拥有的原始图像总数，n为从m张原始图像中提取出的特征 向量总数；
[0016]步骤4：根据加密特征向量的编号和结构，利用K
‑
means算法通过数据拥有者和云服务 器的交互构建安全索引树；
[0017]步骤5：数据访问者对输入的待检索图像提取特征向量，通过对该特征向量进行加密构 建检索令牌T
q
并将其发送给云服务器；
[0018]步骤6：云服务器利用检索令牌和安全索引树执行图像的相似性检索操作，得到一系列 与待检索图像相似的图像，并将这些相似图像添加到相似图像集合中，再将该相似图像集合 返回给数据访问者；
[0019]步骤7：数据访问者将其收到的相似图像集合发送给数据拥有者；
[0020]步骤8：数据拥有者对接收到的相似图像集合进行解密，恢复出对应的原始图像集合并将 其发送给数据访问者。
[0021]进一步地，根据所述的基于外包K
‑
means的加密图像检索方法，数据拥有者利用SIFT 算法对其所拥有的每一幅图像提取特征向量。
[0022]进一步地，根据所述的基于外包K
‑
means的加密图像检索方法，数据拥有者对原始图像 进行加密的方法为：数据拥有者首先通过调用Crypto++函数库中的AutoSeededRandomPool 算法来随机生成长度为128bit的对称密钥SK，然后数据拥有者调用AES算法输入对称密钥 SK，对每一幅原始图像进行加密。
[0023]进一步地，根据所述的基于外包K
‑
means的加密图像检索方法，所述步骤4包括如下步 骤：
[0024]步骤4
‑
1：数据拥有者设定所需的聚类个数K，并生成每个聚类中心的初始特征向
量；
[0025]步骤4
‑
2：对各聚类中心的特征向量进行加密，并将加密后的聚类中心特征向量集合VC
t
′ꢀ
发送给云服务器；所述VC
t
′
＝{VC<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于外包K
‑
means的加密图像检索系统，其特征在于，该系统包括三种类型的实体：数据拥有者、云服务器和数据访问者；所述数据拥有者，是原始图像数据的所有者，负责对其所拥有的每一幅原始图像提取特征向量，然后对每一幅原始图像及其特征向量进行加密，得到加密后的图像数据；将加密后的图像数据上传到云服务器；对数据访问者发送的图像检索结果进行解密，并将通过解密得到的对应的原始图像发送给数据访问者；所述云服务器，用于存储加密后的图像数据，并与数据拥有者进行交互构建安全索引树；利用检索令牌和安全索引树来执行图像相似性的检索，并把检索结果返回给数据访问者；所述数据访问者，对待检索图像进行查询；对待检索图像进行查询时，使用待检索图像来构建检索令牌并将其发送给云服务器；接收云服务器发送的图像检索结果并将其发送给数据拥有者；接收数据拥有者发送的与待检索图像相似的原始图像。2.利用权利要求1所述的基于外包K
‑
means的加密图像检索系统进行基于外包K
‑
means的加密图像检索方法，其特征在于，包括如下步骤：步骤1：数据拥有者对其所拥有的每一幅图像提取特征向量，利用提取的特征向量来描述图像的局部特征；步骤2：数据拥有者对每一幅原始图像及其特征向量进行加密，得到加密图像及对应的加密特征向量，将所有的加密图像及其各自对应的加密特征向量上传给云服务器；步骤3：数据拥有者对加密特征向量进行编号，并为每个加密特征向量构建相应的结构T
i
＝(ID
i
,VC
i
,C
j
)，数据拥有者将集合T＝{T1,T2,...,T
n
}上传给云服务器；其中，ID
i
表示加密特征向量VC
i
的编号；C
j
表示第j个加密图像；T
i
表示第i个特征向量对应的结构，i＝1,...,n，j＝1,...,m，其中m为数据拥有者拥有的原始图像总数，n为从m张原始图像中提取出的特征向量总数；步骤4：根据加密特征向量的编号和结构，利用K
‑
means算法通过数据拥有者和云服务器的交互构建安全索引树；步骤5：数据访问者对输入的待检索图像提取特征向量，通过对该特征向量进行加密构建检索令牌T
q
并将其发送给云服务器；步骤6：云服务器利用检索令牌和安全索引树执行图像的相似性检索操作，得到一系列与待检索图像相似的图像，并将这些相似图像添加到相似图像集合中，再将该相似图像集合返回给数据访问者；步骤7：数据访问者将其收到的相似图像集合发送给数据拥有者；步骤8：数据拥有者对接收到的相似图像集合进行解密，恢复出对应的原始图像集合并将其发送给数据访问者。3.根据权利要求2所述的基于外包K
‑
means的加密图像检索方法，其特征在于，数据拥有者利用SIFT算法对其所拥有的每一幅图像提取特征向量。4.根据权利要求2所述的基于外包K
‑
means的加密图像检索方法，其特征在于，数据拥有者对原始图像进行加密的方法为：数据拥有者首先通过调用Crypto++函数库中的AutoSeededRandomPool算法来随机生成长度为128bit的对称密钥SK，然后数据拥有者调用AES算法输入对称密钥SK，对每一幅原始图像进行加密。
5.根据权利要求2所述的基于外包K
‑
means的加密图像检索方法，其特征在于，所述步骤4包括如下步骤：步骤4
‑
1：数据拥有者设定所需的聚类个数K，并生成每个聚类中心的初始特征向量；步骤4
‑
2：对各聚类中心的特征向量进行加密，并将加密后的聚类中心特征向量集合VC
t
′
发送给云服务器；所述VC
t
′
＝{VC
t1
,VC
t2

【专利技术属性】
技术研发人员：周福才，黑甜甜，张宗烨，秦诗悦，李东宝，
申请(专利权)人：东北大学，
类型：发明
国别省市：