本发明专利技术公开了一种基于CNN和签密技术的密态图像检索方法及系统，首先，数据拥有客户端获取用户客户端发送的注册请求，并生成拥有者私钥、用户私钥和签密参数；并基于拥有者私钥采用图像加密算法分别对图像集中的每个图像进行加密，得到密态图像集，上传至两个云服务器；然后，用户客户端获取待查询图像，基于用户私钥采用图像加密算法对待查询图像进行加密，得到待查询密态图像，并上传至两个云服务器；最后，两个云服务器基于CNN在密态图像集中检索得到待查询密态图像的匹配图像，将匹配图像采用签密参数进行签密后发送给用户客户端。实现了云服务器在密态状态下执行特征提取和检索操作。索操作。索操作。
【技术实现步骤摘要】
一种基于CNN和签密技术的密态图像检索方法及系统
[0001]本专利技术涉及密态图像检索
，特别是涉及一种基于CNN和签密技术的密态图像检索方法及系统。
技术介绍
[0002]本部分的陈述仅仅是提到了与本专利技术相关的
技术介绍
，并不必然构成现有技术。
[0003]随着云计算的兴起，图像检索的应用非常广泛，其可以被应用在各个领域，如在医疗诊断方面，医院希望将其数据库图像上传给云服务器存储，医生上传查询图像给云服务器，云服务器执行特征提取后进行检索操作，最后将匹配结果返回给医生。
[0004]然而，在上传过程中，面临图像隐私泄露的风险，图像在外包之前需要进行加密。并不是每个用户都可以无条件发起查询，这就需要用户提前对数据拥有者进行注册，用户注册成功得到解签密参数才可以对匹配结果解密。这就使得云服务器特征提取和检索成为一项极具挑战性的任务。
技术实现思路
[0005]为了解决现有技术的不足，本专利技术提供了一种基于CNN和签密技术的密态图像检索方法及系统，实现了云服务器在密态状态下执行特征提取和检索操作，且只有注册成功的用户才能得到解签密参数并最终对匹配结果进行解密。
[0006]第一方面，本专利技术提供了一种基于CNN和签密技术的密态图像检索方法；
[0007]一种基于CNN和签密技术的密态图像检索方法，包括如下步骤：
[0008]数据拥有客户端获取用户客户端发送的注册请求后，生成对称密钥、用户私钥和签密参数，将对称密钥分为对称密钥第一部分和对称密钥第二部分；并针对每个图像集图像，采用图像加密算法生成每个图像集图像的混淆矩阵和混淆图像矩阵，同时基于对称密钥对每个图像集图像进行加密得到图像集图像的密态图像；
[0009]用户客户端获取待查询图像，采用图像加密算法生成待查询图像的混淆矩阵和混淆图像矩阵；
[0010]两个云服务器基于待查询图像的混淆矩阵和混淆图像矩阵、以及所有图像集图像的混淆矩阵和混淆图像矩阵，在所有的图像集图像中检索得到待查询图像的匹配图像，并采用签密参数对对称密钥第一部分和匹配图像进行签密，将匹配图像的密态图像和签密后的对称密钥第一部分发送给用户客户端；
[0011]用户客户端采用用户私钥解签密后，结合对称密钥第二部分对匹配图像的密态图像进行解密。
[0012]进一步的，所述图像加密算法的具体步骤为：
[0013]获取输入图像，生成一个与输入图像具有相同尺寸的混淆矩阵；
[0014]计算输入图像和混淆矩阵的哈达玛积，得到混淆图像矩阵。
[0015]进一步的，所述在所有的图像集图像中检索得到待查询图像的匹配图像的具体步
骤为：
[0016]两个云服务器基于待查询图像的混淆矩阵、待查询图像的混淆图像矩阵、所有图像集图像的混淆矩阵和所有图像集图像的混淆图像矩阵，采用CNN对待查询图像和所有图像集图像分别进行特征提取，得到特征向量；所述特征提取具体包括卷积层操作、激活层操作、池化层操作和全连接操作；
[0017]两个云服务器基于提取的特征向量，两两比较待查询图像与图像集图像的相似度，得到待查询图像的匹配图像。
[0018]进一步的，所述卷积层操作的具体步骤为：
[0019]滑动选取图像中的局部像素点矩阵；
[0020]第一云服务器选择一个安全盲化参数，基于安全盲化参数和局部像素点矩阵对应位置的混淆矩阵构造四个参数矩阵，并发送给第二云服务器；同时生成盲化矩阵；
[0021]第二云服务器将局部像素点矩阵对应位置的混淆图像矩阵依次与四个参数矩阵进行哈达玛运算，得到中间矩阵，并使用卷积核对中间矩阵进行卷积操作，得到局部像素点矩阵的输出值。
[0022]进一步的，所述激活层操作的具体步骤为：
[0023]第二云服务器将所述卷积层的输出作为激活层的输入；若输入值大于0，则激活层的输出值为输入值；否则，激活层的输出值为0。
[0024]进一步的，所述池化层操作的具体步骤为：
[0025]①
第二云服务器将所述激活层的输出作为池化层的输入，并将输入矩阵划分为多个局部特征矩阵；
[0026]②
第二云服务器在每一个局部特征矩阵中选择一个要比较的数值；
[0027]③
第二云服务器在每一个局部特征矩阵中选择一个还未被选择过的数值作为另一个要比较的数值，并向第一云服务器发送这两个要比较的数值在输入矩阵中的坐标；
[0028]④
第一云服务器生成一个安全盲化参数，计算该安全盲化参数与所述盲化矩阵中两个坐标上的数值的比值，并将该比值发送至第二云服务器；
[0029]⑤
第二云服务器基于比值，计算得到两个要比较的数值的大小关系，得到较大值；
[0030]⑥
将所述较大值作为一个要比较的数值，重复步骤
③‑⑤
，直到得到每一个局部特征矩阵中所有数值被选择，得到每一个局部特征矩阵中的最大值，组成最大特征矩阵。
[0031]进一步的，所述全连接操作的具体步骤为：
[0032](a)第一云服务器生成一个空的第一一维向量，同时生成一个新的混淆矩阵，并将该新的混淆矩阵拉伸为第三一维向量；
[0033](b)第二云服务器生成一个空的第二一维向量，并将最大特征矩阵拉伸为第四一维向量；
[0034](c)第一云服务器生成安全参数，并基于安全参数和第三一维向量计算得到第五一维向量，并发送给第二云服务器，同时将安全参数插入第一一维向量的最末端；
[0035](d)第二云服务器将第五一维向量与第四一维向量进行哈达玛运算，得到第六一维向量；
[0036](e)第二云服务器选取一个未被选取的权值向量，将第六一维向量与该选取的权值向量点乘操作，将结果插入第二一维向量的最末端；
[0037](f)重复步骤(c)
‑
(e)，直到所有权值向量被选取，第一云服务器得到一个第一一维向量，第二云服务器得到一个第二一维向量，第一一维向量和第二一维向量组成特征向量。
[0038]进一步的，所述两两比较待查询图像与图像集图像的相似度的具体步骤为：
[0039]第二云服务器将需要比较的两个图像集图像的特征向量的坐标发送给第一云服务器；
[0040]第一云服务器选择安全参数，分别计算待查询图像和两个图像集图像下，安全参数与所述第一一维向量中对应坐标位置的数值的比值，得到待比值向量，并发送至第二云服务器；
[0041]第二云服务器基于所述比值向量和第二一维向量，比较两个图像集图像与待查询图像的相似度。
[0042]第二方面，本专利技术还提供了一种基于CNN和签密技术的密态图像检索系统；
[0043]一种基于CNN和签密技术的密态图像检索系统，包括：
[0044]数据拥有客户端，其被配置为：获取用户客户端发送的注册请求后，生成对称密钥、用户私钥和签密参数，将对称密钥分为对称密钥第一部分和对称密钥第二部分；并针对每个本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于CNN和签密技术的密态图像检索方法，其特征是，包括如下步骤：数据拥有客户端获取用户客户端发送的注册请求后，生成对称密钥、用户私钥和签密参数，将对称密钥分为对称密钥第一部分和对称密钥第二部分；并针对每个图像集图像，采用图像加密算法生成每个图像集图像的混淆矩阵和混淆图像矩阵，同时基于对称密钥对每个图像集图像进行加密得到图像集图像的密态图像；用户客户端获取待查询图像，采用图像加密算法生成待查询图像的混淆矩阵和混淆图像矩阵；两个云服务器基于待查询图像的混淆矩阵和混淆图像矩阵、以及所有图像集图像的混淆矩阵和混淆图像矩阵，在所有的图像集图像中检索得到待查询图像的匹配图像，并采用签密参数对对称密钥第一部分和匹配图像进行签密，将匹配图像的密态图像和签密后的对称密钥第一部分发送给用户客户端；用户客户端采用用户私钥解签密后，结合对称密钥第二部分对匹配图像的密态图像进行解密。2.如权利要求1所述的一种基于CNN和签密技术的密态图像检索方法，其特征是，所述图像加密算法的具体步骤为：获取输入图像，生成一个与输入图像具有相同尺寸的混淆矩阵；计算输入图像和混淆矩阵的哈达玛积，得到混淆图像矩阵。3.如权利要求1所述的一种基于CNN和签密技术的密态图像检索方法，其特征是，所述在所有的图像集图像中检索得到待查询图像的匹配图像的具体步骤为：两个云服务器基于待查询图像的混淆矩阵、待查询图像的混淆图像矩阵、所有图像集图像的混淆矩阵和所有图像集图像的混淆图像矩阵，采用CNN对待查询图像和所有图像集图像分别进行特征提取，得到特征向量；所述特征提取具体包括卷积层操作、激活层操作、池化层操作和全连接操作；两个云服务器基于提取的特征向量，两两比较待查询图像与图像集图像的相似度，得到待查询图像的匹配图像。4.如权利要求3所述的一种基于CNN和签密技术的密态图像检索方法，其特征是，所述卷积层操作的具体步骤为：滑动选取图像中的局部像素点矩阵；第一云服务器选择一个安全盲化参数，基于安全盲化参数和局部像素点矩阵对应位置的混淆矩阵构造四个参数矩阵，并发送给第二云服务器；同时生成盲化矩阵；第二云服务器将局部像素点矩阵对应位置的混淆图像矩阵依次与四个参数矩阵进行哈达玛运算，得到中间矩阵，并使用卷积核对中间矩阵进行卷积操作，得到局部像素点矩阵的输出值。5.如权利要求4所述的一种基于CNN和签密技术的密态图像检索方法，其特征是，所述激活层操作的具体步骤为：第二云服务器将所述卷积层的输出作为激活层的输入；若输入值大于0，则激活层的输出值为输入值；否则，激活层的输出值为0。6.如权利要求5所述的一种基于CNN和签密技术的密态图像检索方法，其特征是，所述池化层操作的具体步骤为：
①
第二云服务器将所述激活层的输出作为池化层的输入，并将输入矩阵划分为多个局部特征矩阵；
②
第二云服务器在每一个局部特征矩阵中选择一个要比较的数值；
③
第二云服务器在每一个局部特征矩阵中选择一个还未被选择过的数值作为另一个要比较的数值，并向第一云服务器发送这两个要比较的数值在输入矩阵中的坐标；
④
第一云服务器生成一个安全盲化参数，计算该安全盲化参数与所述盲化矩阵中两个坐标上的数值的比值，并将该比值发送至第二云服务器；
⑤
第二云服务器基...
【专利技术属性】
技术研发人员：魏晓超，李瑶，蔡国鹏，王皓，
申请(专利权)人：山东师范大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。