[发明专利]以Faster R-CNN’s为基础的秘密分享方法

说明书

本发明属于计算机秘密图像共享技术领域，提供了一种以Faster R‑CNN’s为基础的秘密分享方法。该模型在选取载体图像和阴影图像上考虑了Faster R‑CNN’s在图像检索的鲁棒性和实时性。引入公开图像数据作为图像查询库，与传统(t，n)门限秘密图像共享方案相比，本文所使用的方案利用了深度学习对特征的表示能力，发送方只需要传送一张相同的查询图像和由Faster RCNN’s检索得到的序列给对应的所有参与者。本发明提供了计算机秘密图像共享的一种新方法，可以有效提高秘密图像的安全性并得到减少获取秘密图像时间，为秘密图像共享领域提供了一种新的解决方案。

技术领域

本发明属于计算机秘密图像分享领域，涉及一种基于Faster RCNN’s(加速的区域卷积神经网络)模型的秘密图像分享方法。

背景技术

秘密信息分享(Secret Information Sharing)技术最初起源于机密信息管理。银行系统密钥由于个人掌管导致的利益损失和权威欺骗不在少数，军事的决策权掌握在个人手中导致的决策失误也同样存在。过去的秘密信息分享是由多人通过专业设备保存部分秘密信息，使得复原后的秘密信息能够提供准确信息从而解决单向决策的不合理。

如今，图像信息内容丰富、表述形象，随着网络带宽的增加，图像信息可以迅捷在网络上传输。但同时图像在网络中传输很容易被窃取或者被攻击者攻击，重要的秘密图像信息在传输的过程中风险更高，因此利用图像检索技术进行快速准确的获取秘密图像分享技术成为理想的选择，不仅可以将秘密信息分布式保存，而且在图像数据集中的快速检索能够减少图像信息在网络传输中的攻击。对于一些重要的秘密图像和电影胶片，直接传送给接受方的过程中会导致信息不法分子获取未授权的秘密图像，秘密图像分享技术处理载体图像(cover image)效果平滑自然，处理痕迹不易察觉。计算机视觉理论认为对图像中的少量信息更改，人眼是无法识别原始载体图像和修改后图像的真伪。Faster R-CNN’s能够在数据库中检索到与查询图像目标相似的图像。借助这个理论，在进行秘密图像分享时，首先我们将将秘密信息的每一个像素嵌入到载体图像中，为保证载体图像的质量，我们需要对秘密信息与载体信息线性结合的影子图像(shadow image)，利用载体图像和影子图像的视觉不可分辨的性质，提出基于Faster R-CNN’s的秘密图像分享方案。

秘密图像分享技术的相关研究现状如下：

Naor和Shamir提出了第一个秘密图像分享方案，但是，由于影子图像是无意义的，所以当影子图像在不安全的网络中传输时，很容易吸引攻击者对无意义的影子图像进行修改、删除等恶意操作。

为了解决影子图片无意义的问题，张真诚等人提出了手动选取有意义的载体图片嵌入秘密图像信息生成影子图片，并且使得生成的影子图像与载体图像在视觉上是不可分辨的，使得影子图片在网络中的传输不易引起攻击者的注意，但对于不同大小的秘密图像在同一个方案中是难以处理的。

Chen提出了解决利用两种方案处理不同大小秘密图像的嵌入，增加了系统的鲁棒性。但在传输影子图像遇到攻击时不能够做出及时的对策。

本发明利用了Faster R-CNN’s能够在图像数据库检索到含有相同目标图像的能力，能够自动的选取载体图像并为参与者检索到对应的影子图像，同时，本文采用方案传送给发送方的不再是影子图像，而是没有任何修改的查询图像，因此，攻击者不能发现查询图像的任何异常。本发明提出了一种有效、安全的秘密图像分享方案。

发明内容

本发明的目的是，提供一种基于FasterR-CNN’s模型的秘密图像分享模型，可以解决现有算法的考虑安全方面不够充分的缺点，在传输过程不再传输有风险的影子图像，传输的是未经修改的查询图像，避免了攻击者将查询图像与公开数据集中的真实图像比较而发现传输过程中图像的异常。本文设定一个安全的Oxford Buildings 5,063张图片的数据集，除此之外，为了保证影子图像的安全，一旦发现攻击，发送方即刻更新图像数据库。