(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 202111111870.2
(22)申请日 2021.09.18
(71)申请人 山东师范大学
地址 250014 山东省济南市历下区文化东
路88号
(72)发明人 吴磊 李素 秦呈旖
(74)专利代理机构 济南圣达知识产权代理有限
公司 37221
代理人 李琳
(51)Int.Cl.
G06F 16/51(2019.01)
G06F 21/60(2013.01)
G06F 21/62(2013.01)
G06V 10/74(2022.01)
G06V 10/762(2022.01)
G06V 10/82(2022.01)G06K 9/62(2022.01)G06N 3/04(2006.01)G06N 3/08(2006.01)
(54)发明名称
(57)摘要
本发明属于图像检索隐私保护技术领域，
提供了基于卷积神经网络和向量同态加密的图像
检索方法及系统，通过使用卷积神经网路与哈希
为了保证敏感数据的安全，设置了基于属性加密
的访问控制策略；为了提高大规模图像搜索的效
率，设计了一种基于向量同态加密的K ‑means加
密索引树结构，进一步提高图像检索隐私保护的
安全性，并且能够抵抗各种的攻击，因此具有良
好的实际应用价值。权利要求书2页 说明书11页 附图3页CN 114003744 A 2022.02.01
C N 114003744
A
1.基于卷积神经网络和向量同态加密的图像检索方法，其特征在于，应用于第一客户端，包括：
生成源图像特征密文集、源图像密文集、密钥密文、衡量矩阵和访问控制策略，并上传至云服务器；
所述源图像特征密文集是，对源图像数据库中的所有源图像使用基于深度卷积神经网络学习二进制哈希函数的编码方法提取源图像特征后，采用向量同态加密算法对所有源图像特征进行加密得到的。
2.如权利要求1所述的基于卷积神经网络和向量同态加密的图像检索方法，其特征在于，所述源图像密文集是采用AES加密所有源图像得到的；
所述密钥密文是对所述AES加密所使用的对称密钥进行加密得到的。
3.如权利要求2所述的基于卷积神经网络和向量同态加密的图像检索方法，其特征在于，还包括：
调用公共参数生成算法，生成公共参数；
基于公共参数，调用密钥生成算法，生成私钥和公钥；
其中，私钥用于生成所述衡量矩阵；公钥用于所述加密所有源图像。
4.基于卷积神经网络和向量同态加密的图像检索方法，其特征在于，应用于第二客户端，包括：
向云服务器发送检索请求，所述检索请求包括待检索图像特征密文和用户秘钥属性；
接收云服务器的相似源图像的密文及密钥密文，并进行解密；
所述待检索图像特征密文是，对待检索图像使用基于深度卷积神经网络学习二进制哈希函数的编码方法提取待检索图像特征后，采用向量同态加密算法对所述待检索图像特征进行加密得到的。
5.如权利要求1或4所述的基于卷积神经网络和向量同态加密的图像检索方法，其特征在于，所述基于深度卷积神经网络学习二进制哈希函数的编码方法的具体步骤为：图像通过卷积层获得图像的视觉特征；
分块层对视觉特征进行分块处理，得到多个子块；
每个子块依次经过全连接层和激活层后，进入合并层；
合并层将多个子块合并为一个向量；
所述向量进入阈值化层后，得到图像特征。
6.基于卷积神经网络和向量同态加密的图像检索方法，其特征在于，应用于云服务器，包括：
接收第一客户端的源图像特征密文集、源图像密文集、密钥密文、衡量矩阵和访问控制策略；
接收第二客户端的检索请求，所述检索请求包括待检索图像特征密文和用户秘钥属性；
基于源图像特征密文集、衡量矩阵、访问控制策略和检索请求，检索与待检索图像相似的源图像，并将相似源图像的密文及密钥密文返回给第二客户端。
7.如权利要求6所述的基于卷积神经网络和向量同态加密的图像检索方法，其特征在于，所述检索与待检索图像相似的源图像的具体步骤为：
基于第一客户端的源图像特征密文集和衡量矩阵，并采用K‑means外包聚类算法构建索引树；所述索引树的根节点不存储任何信息，每个叶子节点关联一幅源图像；
基于第二客户端的待检索图像特征密文，自顶向下计算所述索引树中每个节点与待检索特征向量的距离，到相似的节点，直到到达叶子节点，返回相似源图像的索引列表，并将相似源图像的密文及密钥密文返回给第二客户端。
8.如权利要求7所述的基于卷积神经网络和向量同态加密的图像检索方法，其特征在于，在构建索引树之前，还包括以下步骤：
基于访问控制策略和用户秘钥属性，确定第二客户端的用户是否是授权合法用户，如果是授权用户，检索与待检索图像相似的源图像；否则，返回空集。
9.基于卷积神经网络和向量同态加密的图像检索方法，其特征在于，包括：
第一客户端生成源图像密文集、源图像特征密文集、密钥密文、衡量矩阵和访问控制策略，并上传至云服务器；
第二客户端向云服务器发送检索请求；
云服务器接收第一客户端的源图像特征密文集、源图像密文集、密钥密文、衡量矩阵和访问控制策略；并接收第二客户端的检索请求；基于源图像特征密文集、衡量矩阵、访问控制策略和检索请求，检索与待检索图像相似的源图像，并将相似源图像的密文及密钥密文返回给第二客户端；
第二客户端接收云服务器的相似源图像的密文及密钥密文，并进行解密。
10.基于卷积神经网络和向量同态加密的图像检索系统，其特征在于，包括第一客户端、第二客户端和云服务器；
所述第一客户端，其被配置为：生成源图像密文集、源图像特征密文集、密钥密文、衡量矩阵和访问控制策略，并上传至云服务器；
所述第二客户端，其被配置为：向云服务器发送检索请求；并接收云服务器的相似源图像的密文及密钥密文，并进行解密；
所述云服务器，其被配置为：接收第一客户端的源图像特征密文集、源图像密文集、密钥密文、衡量矩阵和访问控制策略；接收第二客户端的检索请求；
基于源图像特征密文集、衡量矩阵、访问控制策略和检索请求，检索与待检索图像相似的源图像，并将相似源图像的密文及密钥密文返回给第二客户端。
基于卷积神经网络和向量同态加密的图像检索方法及系统
技术领域
[0001]本发明属于图像检索隐私保护技术领域，尤其涉及基于卷积神经网络和向量同态加密的图像检索方法及系统。
背景技术
[0002]本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
[0003]随着图像检索技术的重要性不断提高，组织机构对高效图像存储和检索服务的需求日益增强。目前，基于内容的图像检索技术已广泛应用于组织机构、网络购物、社交平台、医学等生活的方方面面，但通常会带来很高的存储和计算复杂性。
[0004]云环境可以支持海量数据存储和分布式并行处理，具有高可靠性、高性价比、动态可扩展性等特点。这使得它成为图像存储和基于内容的图像检索的一个有吸引力的选择。越来越多的企业开始将图像数据的存储和检索迁移到云存储平台进行数据的分布式管理。[0005]然而，云计算中的安全问题已经成为一个严重的障碍。如果处理不当，将阻碍未来云计算的广泛应用。由于云计算是基于互联网进行数据存储和管理，因此，云计算中的隐私保护和数据安全是突出的安全问题。
发明内容
[0006]为了解决上述背景技术中存在的技术问题，本发明提供基于卷积神经网络和向量同态加密的图像检索方法及系统，通过使用卷积神经网路与哈希结合的方法提取图像特征，提高了检索准确率；为了保证敏感数据的安全，设置了基于属性加密的访问控制策略；为了提高大规模图像搜索的效率，设计了一种基于向量同态加密的K‑means加密索引树结构，进一步提高图像检索隐私保护的安全性，并且能够抵抗各种的攻击，具有良好的实际应用价值。
[0007]为了实现上述目的，本发明采用如下技术方案：
[0008]本发明的第一个方面提供基于卷积神经网络和向量同态加密的图像检索方法，应用于第一客户端，包括：
[0009]生成源图像特征密文集、源图像密文集、密钥密文、衡量矩阵和访问控制策略，并上传至云服务器；
[0010]所述源图像特征密文集是，对源图像数据库中的所有源图像使用基于深度卷积神经网络学习二进制哈希函数的编码方法提取源图像特征后，采用向量同态加密算法对所有源图像特征进行加密得到的。
[0011]进一步的，所述源图像密文集是采用AES加密所有源图像得到的；
[0012]所述密钥密文是对所述AES加密所使用的对称密钥进行加密得到的。
[0013]进一步的，还包括：
[0014]调用公共参数生成算法，生成公共参数；
[0015]基于公共参数，调用密钥生成算法，生成私钥和公钥；
[0016]其中，私钥用于生成所述衡量矩阵；公钥用于所述加密所有源图像。
[0017]本发明的第二个方面提供基于卷积神经网络和向量同态加密的图像检索方法，应用于第二客户端，包括：
[0018]向云服务器发送检索请求，所述检索请求包括待检索图像特征密文和用户秘钥属性；
[0019]接收云服务器的相似源图像的密文及密钥密文，并进行解密；
[0020]所述待检索图像特征密文是，对待检索图像使用基于深度卷积神经网络学习二进制哈希函数的编码方法提取待检索图像特征后，采用向量同态加密算法对所述待检索图像特征进行加密得到的。
[0021]进一步的，所述基于深度卷积神经网络学习二进制哈希函数的编码方法的具体步骤为：
[0022]图像通过卷积层获得图像的视觉特征；
[0023]分块层对视觉特征进行分块处理，得到多个子块；
[0024]每个子块依次经过全连接层和激活层后，进入合并层；
[0025]合并层将多个子块合并为一个向量；
[0026]所述向量进入阈值化层后，得到图像特征。
[0027]本发明的第三个方面提供基于卷积神经网络和向量同态加密的图像检索方法，应用于云服务器，包括：
[0028]接收第一客户端的源图像特征密文集、源图像密文集、密钥密文、衡量矩阵和访问控制策略；
[0029]接收第二客户端的检索请求，所述检索请求包括待检索图像特征密文和用户秘钥属性；
[0030]基于源图像特征密文集、衡量矩阵、访问控制策略和检索请求，检索与待检索图像相似的源图像，并将相似源图像的密文及密钥密文返回给第二客户端。
[0031]进一步的，所述检索与待检索图像相似的源图像的具体步骤为：
[0032]基于第一客户端的源图像特征密文集和衡量矩阵，并采用K‑means外包聚类算法构建索引树；所述索引树的根节点不存储任何信息，每个叶子节点关联一幅源图像；[0033]基于第二客户端的待检索图像特征密文，自顶向下计算所述索引树中每个节点与待检索特征向量的距离，到相似的节点，直到到达叶子节点，返回相似源图像的索引列表，并将相似源图像的密文及密钥密文返回给第二客户端。
[0034]进一步的，在构建索引树之前，还包括以下步骤：
[0035]基于访问控制策略和用户秘钥属性，确定第二客户端的用户是否是授权合法用户，如果是授权用户，检索与待检索图像相似的源图像；否则，返回空集。
[0036]本发明的第四个方面提供基于卷积神经网络和向量同态加密的图像检索方法，包括：
[0037]第一客户端生成源图像密文集、源图像特征密文集、密钥密文、衡量矩阵和访问控制策略，并上传至云服务器；
[0038]第二客户端向云服务器发送检索请求；
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议