[发明专利]一种可验证的加密图像检索隐私保护方法

说明书

本发明公开一种可验证的加密图像检索隐私保护方法，利用默克尔哈希树的技巧，把默克尔层次聚类索引树和默克尔KD树链接在一起，默克尔层次聚类索引树可以加快查找的过程，找到和查询图片相似度高的聚类，用默克尔KD树构建聚类加密特征向量的空间索引，这样能够提升了在聚类中的查找相似特征向量的速度，并且可以对查找过程反向验证。默克尔KD树建立在用ASPE加密图片特征向量上，层次聚类索引树节点的表示向量都是用ASPE方法加密过的表示向量，这样既保护了图片特征向量的隐私，而且还实现了在加密情况下图片检索的可行性。

技术领域

本发明涉及图像检索技术领域，具体涉及一种可验证的加密图像检索隐私保护方法。

背景技术

随着云计算的快速发展和普及，人们享受到了云服务带来的各种便利，比如将图片存储在云上。然而，直接将图片外包到公共云不可避免地会引发隐私问题。含有高度敏感信息的海量图像(如患者的医学图像)一旦泄露给未经授权的实体，将造成严重后果或不必要的麻烦。加密机制可以在一定程度上缓解图片数据的安全性和隐私问题，但它会使基于内容的图像检索(CBIR)技术在密文上失效。并且这种外包模式虽然减轻了用户的负担，但用户可能会失去对数据的控制，无法保证交付给用户的服务的完整性。特别是由于软硬件故障、黑客攻击等各种原因，云服务提供商可能会有意或无意地向用户返回不正确或不完整的查询结果。同时云服务器搜索服务的性能，如搜索的准确性和效率，将深刻影响用户的搜索体验。

基于对当前背景技术的分析，当前的云场景图片检索面临以下三个问题：

1.因为现实中云服务商处于利益问题，可能不会完整地执行检索操作，甚至会获取图片的隐私。所以要在数据拥有者外包数据的时候对图片进行加密，同时要设计一个可验证的图片特征向量索引结构以确保图片是在云服务器上完整检索的，并在返回结果的同时给到客户端密码学证明以证明检索结果是来自数据拥有者且检索过程是被完整且正确执行的。

2.假设用户是一个依靠搜索结果诊断某个病人病情的医生，错误的搜索结果会导致错误的诊断，危及病人的健康甚至生命。这里通过使用预先训练好的CNN模型提取图片的特征向量，以获得了较高的搜索精度。

3.如果用户是一个需要高实时性响应的移动用户，那么过长的搜索时间是难以忍受的，很容易使搜索时间失去时效性。使用K-means聚类算法对图片数据库进行分类，并根据聚类结果自底向上构造层次聚类索引树。因此，避免了在执行搜索操作时遍历整个图片数据库，将搜索时间缩短到次线性时间。

发明内容

本发明所要解决的是云计算环境下加密图像检索的隐私保护与查询验证的问题，提供一种可验证的加密图像检索隐私保护方法。

为解决上述问题，本发明是通过以下技术方案实现的：

一种可验证的加密图像检索隐私保护方法，其具体包括步骤如下：

步骤1、图片所有者使用预先训练好的CNN模型提取本地图片数据库的每张图片的特征向量；

步骤2、图片所有者采用K-means聚类算法对步骤1所得的图片的特征向量进行聚类，得到K个聚类；

步骤3、图片所有者采用ASPE加密方法对步骤1所得的图片的特征向量进行加密，得到加密特征向量，并结合步骤2所得到的K个聚类，得到K个加密聚类；

步骤4、图片所有者先利用步骤3所得到的每个加密聚类分别构建一棵KD树；

步骤5、图片所有者在步骤4所得到的每棵KD树的每个节点上增加聚类默克尔哈希值，得到默克尔KD树；

步骤6、图片所有者利用步骤2所得到的K个聚类共同构建一棵层次聚类索引树；

步骤7、图片所有者采用ASPE加密方法对步骤6所得到的层次聚类索引树的每个节点的表示向量进行加密，得到每个节点的加密表示向量，并得到加密层次聚类索引树；