[发明专利]一种基于隐私保护的用户可认证外包图像去噪方法

说明书

本发明涉及一种基于隐私保护的用户可认证外包图像去噪方法，包括步骤：可信第三方TTP给内容所有者CO、授权用户AU和两个边缘计算服务器ES₁、ES₂分配相关的密钥；CO首先使用由TTP分配的密钥对含噪图像进行加密，并将加密后的图像发送到第一边缘计算服务器ES₁；第二边缘计算服务器ES₂辅助第一边缘计算服务器ES₁进行密文图像去噪，并计算所得结果发送给第一边缘计算服务器ES₁；AU向相应的CO提出图像使用请求，并从第一边缘计算服务器ES₁获得相应的去噪密文图像，在自身的私钥帮助下，授权用户AU解密恢复出所需的明文去噪图像。本发明确保用户隐私数据安全同时提供图像去噪服务；且降低了用户本地计算、通信开销，其密文去噪效果几乎等同于明文域性能。

技术领域

本发明涉及图像处理技术领域，特别是一种基于隐私保护的用户可认证外包图像去噪方法。

背景技术

目前，计算机视觉技术已经广泛应用在图像分类、对象检测、语义分割等领域。这些领域一般对图像质量都有一定的要求，但现实中受到成像设备本身或诸多外部环境干扰所获得的数字图像往往带有噪声，如果直接利用这些含噪的图像作为样本来进行研究，可能会对研究结果产生一定的负面影响。因此在进行图像处理之前，往往需要对样本图像进行去噪预处理操作，以获取较高质量的样本数据。

近年来，随着智能手机、数码相机等移动成像设备的普及和多媒体技术的快速发展，图像数量呈爆炸性增长，这对资源受限用户的图像存储及处理带来巨大的挑战。近几年来，云计算及其服务被广泛应用于诸多领域，受到了人们的普遍认可和使用，同样也给云计算服务提供商带来了巨大的商业价值。在Gartner发布的全球公共云服务市场的预测，该市场到2020年将增长17％，总额将达到2664亿美元，高于2019年的2227亿美元。而云计算技术的出现解决了用户的资源受限问题，其凭借自身的海量存储和强大的计算能力使得大规模数据存储和处理的成本大大降低。在这种情况下，用户倾向于将自己的多媒体数据交由云计算进行存储及处理。但问题是用户对外包数据的存储位置以及数据是否丢失甚至被篡改是一无所知，易引发用户对数据隐私安全的担忧。在外包操作之前直接采用传统加密算法对数据进行加密是确保数据机密性的一种常用方法。但是，它会阻碍这些加密数据的进一步处理，例如图像去噪。一种简单的安全图像去噪方案是：下载加密含噪图像，并在本地解密成明文含噪图像，然后直接采用去噪方法进行去噪操作。然而，这样的操作会增加用户的计算成本和通信开销。因此，不泄露用户隐私的情况下直接对密文图像去噪就显得十分重要。

最近，在加密文本和图像的数据上进行信号处理已经成为炙手可热的研究领域，相继出现各种研究分支，比如密文图像共享、文本可搜索加密、密文域图像检索、密文域可逆信息隐藏等。相对而言，在密文图像上进行安全图像去噪的研究相对较少。现有的密文域图像去噪方法主要有三类，第一类方法是基于秘密共享技术，其代表是Saghaian中提出了一种基于秘密共享的安全小波去噪方法，但每次乘法运算后的阈值规范化都需要相关方相互通信才能完成，这将会增加用户的计算和通信开销；第二类方法是基于安全多方计算技术，其代表是Pedrouzo-Ulloa等人提出了一种基于格密码的小波去噪方案，它解决了单轮过滤和阈值操作的同态计算问题，但在非局部均值图像去噪算法中效率不高。另外一个工作是Zheng等人[4]提出利用外部云数据库辅助图像安全去噪，其方案是基于两台云服务器，一台用于存储加密的图像块数据库，另一台用于生成混淆的电路并将其发送到图像云数据库执行比较操作。对于较大的图像数据库，其服务器间的通信负载相当巨大。第三类是基于同态加密技术，其代表工作是Hu等人提出了一种基于Paillier加性同态和JL保距变换的双密码方案来进行非局部图像去噪。但Paillier公钥加密体制的引入容易导致密文数据扩展和计算复杂度增加。另外，在该方案中像素权重需要用户端事先执行JL变换操作，这易对去噪精度和用户体验度产生影响。在该方案的基础上，Hu等人进一步提出一个基于双服务器的随机非局部均值去噪算法。比起他们第一个方案，该方案降低了密文扩展，减少了用户与云服务器的通信开销。然而，新方案中JL变换仍需用户端执行，且去噪过程中需用户和两台云服务器进行交互。