[发明专利]一种云环境下基于词袋模型的图像安全检索方法

说明书

本发明属于多媒体信息安全保护领域，具体涉及到一种云环境下基于词袋模型的图像安全检索方法，可用于密文图像的安全检索。内容所有者基于词袋模型对图像提取特征操作数据后进行正交分解，将之划分为密码操作域和特征提取操作域，分别进行加密操作和特征提取操作，并通过正交逆变换，将操作结果叠加至同一数据域，形成加密特征并上传到云服务器；当用户需要检索图像时，云服务器无须解密，直接对密文特征进行正交分解，即可从特征提取数据域中计算出密文图像的特征，与请求检索图像的特征进行相似性度量，最为接近的即为要检索的图像。这种检索方法不依赖于特定加密方法，安全性好，更具有通用性；基于袋模型的检索方法也具有很高的检索精度。

技术领域

本发明属于多媒体信息安全保护领域，具体涉及到一种基于词袋模型与正交分解模型相结合的图像安全检索方法，可用于密文图像的安全检索。

背景技术

随着数码相机、智能手机的广泛应用及云计算的兴起，图像等多媒体数据呈现出爆炸性增长的趋势，图像数据的云存储已成为一种趋势。但云计算平台也面临着严峻的安全问题，主要表现在数据的所有者与数据分离，外包于云端的数据完全脱离其拥有者的直接物理控制，将面临外部网络攻击者和不可信的云服务提供商CSP(Cloud ServiceProvider)的双重威胁。这样的服务性质可能会导致数据的泄露和滥用，从而造成在云计算环境下特有的安全隐患。

图像数据往往包含大量个人隐私信息，一旦泄露，将造成严重的后果。对图像数据采用前端加密是解决上述安全问题的一种有效方法，即数据拥有者在本地对数据加密后再外包给CSP，这样即使攻击者在云端非法窃取了用户数据，也无法进行解密以获取明文信息。但加密也给图像检索带来了困难。基于内容的图像检索从图像中自动提取相关特征，并通过比较图像特征的距离来决定图像之间的相似度，代表图像检索未来的发展趋势。图像加密后，由于加密带来的随机性，图像特征之间的距离难以保持，难以进行检索。云计算环境下加密图像的安全检索需要在保证图像数据机密性的前提下实施高效的检索，在保证检索性能的情况下，保护图像信息的安全。目前大多数加密方案都不支持对密文图像的检索运算，需要先对数据进行解密将其恢复成明文后才能进行检索，但这样明文则会被完全暴露给不被信任的CSP，有可能造成用户隐私信息的泄露，图像数据的机密性和安全性不能得到保护。近年来也逐渐出现了一些依赖于置乱、同态等特定加密方法，安全性和通用性不足。如何解决加密图像的安全高效检索是当前的研究热点。

发明内容

本发明旨在提出一种云环境下基于词袋模型的密文域检索方案，无须对密文图像及密文特征解密，即能直接对加密后的特征进行检索，且与具体加密方法无关，能有效解决现有方案安全性，通用性以及精确性不能兼顾的问题。

本方案的解决方案为：通过词袋模型提取特征，并对其进行正交分解，将图像特征数据划分为两个数据域，利用正交分解系数之间相互正交的特性，分别对两个数据域进行加密操作和特征提取操作；运用正交分解系数最终融合于正交合成向量的特性，实现操作结果的融合，使两种操作结果在最终用户载体中不可区分，形成加密后的特征并上传至CSP，保证数据的安全性。当有用户请求检索时，CSP无须解密，直接对密文特征进行正交分解，即可从特征提取域中直接计算出密文图像的特征，与检索图像的特征最为接近的即为要检索的图像。这种检索方法对具体的加密算法没有特殊要求，不依赖于特定加密方法，安全性更高，且更具有普适性；并且词袋模型特征具有鲁棒性，对于不同角度、光照的图像基本都能在图像库中正确检索，具有较高的检索效率。

本发明提供的一种云环境下基于词袋模型的图像安全检索方法，具体实现步骤为：

步骤1，可信第三方通过训练图像库建立词袋模型，生成视觉词典及中值矩阵；

步骤2，内容所有者基于步骤1构建的词袋模型对测试图像库中的每幅图像进行特征提取，并生成差值特征数据；

步骤3，内容所有者对测试图像及其差值特征数据进行加密保护，具体包括以下子步骤，