一种隐私保护增强的图片存储方法技术

本发明专利技术提供了一种隐私保护增强的图片存储方法，包括以下步骤：步骤S1、客户端对待处理的图片数据根据预设的图片分类规则进行分类，并将符合所述分类规则的图片生成待转换任务列表，剩余图片生成一般图片列表；步骤S2、客户端的转换服务单元从待转换任务列表中获取图片，并执行转换任务，得到隐私保护的图片数据，生成第一待存储任务列表和第二待存储任务列表；步骤S3、从一般图片列表中获取图片，将其外包到无差别的第一云服务器或是第二云服务器，对第一和第二待存储任务列表执行同样的操作且需保证二者不在同一云服务器；步骤S4、逆转换服务单元从第一云服务器和第二云服务器获取待访问图片，并执行逆转换任务，得到解密图片。采用本发明专利技术，可以提高图片外包存储的安全性、便捷性。便捷性。便捷性。

【技术实现步骤摘要】
一种隐私保护增强的图片存储方法


[0001]本专利技术涉及图像处理
，特别是涉及一种隐私保护增强的图片存储方法。

技术介绍

[0002]随着多媒体设备的快速发展，大量的图像涌现出来。对于资源有限的用户，如何存储这些图像已经成为亟待解决的问题。为了充分利用云环境带来的极大便利，大量学者对云中的数据存储进行了研究，其中也包括了图片数据。但是，由于外包数据到云，本地用户失去了对数据的直接操作能力，不可避免的带来隐私安全问题。另一方面，快速发展的深度学习技术将图片的外包存储带到了一个全新的阶段，应用人工智能相关技术解决图片的安全外包存储成为了不二选择。
[0003]对于图像数据，考虑到以下特性：(1)图像中有很多冗余信息，而且直接应用基于文本的加密方式是不合理；(2)现有比较流行的图像加密算法只考虑整个图像的加密，这会导致更昂贵的计算资源浪费；(3)还有一些方案引入了深度识别方法来处理敏感信息。在这些方案，直接应用不可逆的方法(模糊，马赛克，像素化，等)来保护隐私安全，将给后续的获取和利用造成困难。本专利关注于图片存储，旨在提出一种基于云的隐私保护图片存储算法。

技术实现思路

[0004]本专利提供了一种隐私保护增强的图片存储方法，该方法基于一个分布式存储架构，应用深度网络识别图像中的敏感信息，成功实现了普通图片和携带敏感信息图片的分类，在时间花费上，低于流行图片加密方案的2至5倍，尤其针对海量图片上更为突出，明显提高了针对图像数据的分类隐私保护效率。
[0005]本专利技术采用的技术方案是：
[0006]一种隐私保护增强的图片存储方法，包括以下步骤：
[0007]步骤S1、客户端对待处理的图片数据根据预设的图片分类规则进行分类，并将符合所述分类规则的图片生成待转换任务列表，剩余图片生成一般图片列表；
[0008]步骤S2、客户端的转换服务单元从待转换任务列表中获取图片，并执行转换任务，得到隐私保护的图片数据，生成第一待存储任务列表和第二待存储任务列表；
[0009]步骤S3、从一般图片列表中获取图片，将其外包到无差别的第一云服务器或是第二云服务器，对第一和第二待存储任务列表执行同样的操作且保证不在同一云服务器；
[0010]步骤S4、逆转换服务单元从第一云服务器和第二云服务器获取待访问图片，并执行逆转换任务，得到解密图片。
[0011]在本技术方案中，输入图片的安全级别是可选的，安全水平可以通过命名标签决定。图片拥有者或服务器提供商配置一个标签池，以实现更高的安全需求。基于该标签池，标记训练图片，作为深度神经网络的输入训练神经网络，本专利以人脸，车牌为例。客户端使用上述训练完成的EfficientDet神经网络模型识别大量带有敏感信息的图像对其进行
分类并标记敏感信息的位置生成一般图片列表和待转换任务列表；然后，对两个图像任务列表执行不同的操作以实现图像的隐私保护，对于含有敏感信息的图片，在隐私部分应用所提出的转换任务方法，将所产生的结果分别外包到两个不同的服务器即第一云服务器和第二云服务器，而对于一般图像列表直接外包到任意云服务器。客户端向服务器发起访问图片请求时，客户端的逆转换服务单元从第一云服务器和第二云服务器获取待访问图片，并执行逆转换任务，得到最终的解密图片。
[0012]在进一步的技术方案中，所述步骤S1中图片分类规则包括：
[0013]获取待处理的图片数据；
[0014]基于已训练完成的EfficientDet深度网络模型，执行敏感信息识别，本专利以人脸、车牌为例，确定待处理的图片数据是否需要一个更高水平的安全保证；
[0015]检测图片数据，将携带敏感信息的图片分离出来，并标记敏感信息的位置；
[0016]模型输出的两种类型的图片：不携带敏感信息的普通图片以及携带敏感信息的敏感图片，前者生成一般图片列表，后者生成待转换任务列表；
[0017]在进一步的技术方案中，步骤S1中，在FACE和openALPR数据集上进行联合训练EfficientDet深度网络模型，使得所得模型能给够同时处理人脸和车牌得检测。
[0018]在进一步的技术方案中，客户端将图片外包到云服务前，对待外包的图片需要执行转换任务，以保护图片的隐私安全，所述步骤S2中转换任务包括：
[0019]获取待转换任务列表；
[0020]针对所述待转换任务列表中的每张图片，根据如下所示步骤确定该图片的任务列表类别：
[0021]从待转换任务列表中获取图片的敏感信息区域
[0022]应用2D混沌映射产生同等R大小的随机矩阵B，其中对于矩阵中的任一值b
ij
∈[1,255]；
[0023]针对上述所述R中的每个像素值a
ij
，根据公式c
′
ij
＝a
ij
+b
ij
i，确定复数形式像素值；
[0024]根据复数形式像素值，根据如下所示公式，确定数值域到相位域的转换像素值：
[0025][0026]其中，θ
ij
∈θ为由2D混沌映射产生的一个不同于B的随机矩阵。
[0027]根据上述结果，c
ij
∈C写入第一待存储任务列表，b
ij
∈B写回A后,写入第二待存储任务列表；
[0028]在进一步的技术方案中，所述的2D混队映射，本专利应用了2D
‑
LSCM：
[0029][0030]其中，θ是控制参数，其区间为[0,1]。2D
‑
LSCM在θ∈(0,1)时具有混沌行为，当θ∈(0,0.34)∪(0.67,1)时具有超混沌行为。
[0031]在进一步的技术方案中，所述步骤S3中的第一云服务器和第二云服务基于不存在相互勾结的前提条件。
[0032]在进一步的技术方案中，所述步骤S4中逆转换任务包括：
[0033]从第一云服务器和第二云服务器获取待访问的图片；
[0034]输入密钥参数，应用2D
‑
LSCM混沌映射产生同转换任务中的伪随机数矩阵B和θ；
[0035]针对上述所述的敏感区域矩阵R中的每个像素值对应的转换后像素值c
ij
，根据如下所述的公式，计算获得原始像素值a
ij
：
[0036]a
ij
＝b
ij
/(tan(c
ij
‑
θ
ij
)mod 256)
[0037]输出原始图片A
[0038]在进一步的技术方案中，输入在转换任务中的密钥参数，从而产生相同的伪随机数矩阵。
附图说明
[0039]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种隐私保护增强的图片存储方法，其特征在于，包括以下步骤：步骤S1、客户端对待处理的图片数据根据预设的图片分类规则进行分类，并将符合所述分类规则的图片生成待转换任务列表，剩余图片生成一般图片列表；步骤S2、客户端的转换服务单元从待转换任务列表中获取图片，并执行转换任务，得到隐私保护的图片数据，生成第一待存储任务列表和第二待存储任务列表；步骤S3、从一般图片列表中获取图片，将其外包到无差别的第一云服务器或是第二云服务器，对第一和第二待存储任务列表执行同样的操作且保证不在同一云服务器；步骤S4、逆转换服务单元从第一云服务器和第二云服务器获取待访问图片，并执行逆转换任务，得到解密图片。2.根据权利要求1所述的一种隐私保护增强的图片存储方法，其特征在于，所述方法还包括：客户端访问图片时向云服务器发起请求：云服务器根据请求获得加密图片的下载地址：下载加密图片，并将加密图片数据发送给客户端。3.根据权利要求1所述的一种隐私保护增强的图片存储方法，其特征在于，根据预设的图片分类规则对待处理的图片进行分类，所述步骤S1中图片分类规则包括：获取待处理的图片数据；基于已训练完成的EfficientDet深度网络模型，执行敏感信息识别，本专利以人脸、车牌为例，确定待处理的图片数据是否需要一个更高水平的安全保证；检测图片数据，将携带敏感信息的图片分离出来，并标记敏感信息的位置；模型输出的两种类型的图片：不携带敏感信息的普通图片以及携带敏感信息的敏感图片，前者生成一般图片列表，后者生成待转换任务列表。4.根据权利要求3所述的一种隐私保护增强的图片存储方法，其特征在于，在FACE和openALPR数据集上进行联合训练EfficientDet深度网络模型，使得所得模型能给够同时处理人脸和车牌得检测。5.根据权利要求1所述的一种隐私保护增强的图片存储方法，其特征在于，客户端将图片外包到云服务前，对待外包的图片需要执行转换任务，以保护图片的隐私安全，所述步骤S2中转换任务包括：获取待转换任务列表；针对所述待转换任务列表中的每张图片，根据如下所示步骤确定该图片的任务列表类别：从待转换任务列表中获取图片的敏感信息区域应用2D混沌映射产生同等R大小的...

【专利技术属性】
技术研发人员：蔡晓红，孙溢，林昭文，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：