[发明专利]一种具有隐私保护的图像搜索方法

说明书

本发明公开了一种具有隐私保护的图像搜索方法，图像搜索领域，一种具有隐私保护的图像搜索方法，该方案采用局部敏感哈希、Transformer，混淆函数及AES算法相结合的方法达到此目的，特别地，设计了一种混淆函数对图像特征进行混淆，采用“一次一混”的方法隐藏图像特征，并给予了证明，用Transformer进行特征提取，之后用局部敏感哈希方法对图像特征进行哈希编码，当计算图像的哈希编码后，可以直接通过本发明设计的混淆函数进一步隐藏特征，然后将隐藏特征与加密后的图像捆绑，一方面可以采用混淆特征进行快速匹配，当匹配成功后，可以根据相似度进行排序，然后返回排序后的加密图像，在用户端进行解密还原得到明文图像。

技术领域

本发明属于人工智能在图像处理上的应用领域，更具体地说，涉及一种具有隐私保护的图像搜索方法。

背景技术

人们在享受图像搜索便利时，也带来了个人隐私泄露的隐患。如何既能保证实现便利搜索，同时又能保护用户的隐私成为研究热点。云服务器的不可信，当图像以明文形式存储在云服务器上时，很可能会导致图像的泄露，因此，图像的拥有者希望对图像加密，再将加密图像上传至云服务器。但是，以往的图像明文检索方案在加密的环境中将失效。同时，用户在检索时倾向高效获取检索结果，然而伴随着用户数与数据量的爆炸增长，云服务器可能会成为瓶颈，延长用户等待的时长，这将导致用户的搜索体验极差。鉴于此，如何在海量的图像密文中准确快速地获得自己所要的检索结果成为图像密文环境下个性化搜索技术的研究高地，为了在密文环境下检索信息，可搜索加密技术应运而生；

现有的密文搜索方案依据采用的加密算法分为基于对称秘钥的密文搜索（SSE,Searchable Symmetric Encryption）方案和基于非对称秘钥的密文搜索（PEKS,PublicEncryption Keyword Search）方案。(1)SSE方案依据构建策略，SSE方案分为基于顺序扫描的方案和基于安全索引的方案，其中，后者分为基于正向索引和基于反向索引构建的方案，基于顺序扫描的SSE方案把明文划分为“单词”并对其加密，之后当用户提交搜索要求时，通过对整个密文文件顺序扫描，匹配密文单词和待检索的关键字，返回包含关键字的密文文件。优势在于支持对文件中的任意单词的检索，劣势在于搜索时需要服务器遍历整个文件，故效率极低，也使其无法应用在实际场景中，且该方案无法抵抗对密文的频率分析攻击。另一种基于安全正向索引的SSE方案，搜索时由服务器对每个文件的安全索引进行关键字搜索。优点在于，相比前一种方案能以较高效率支持用户的关键字搜索。然而由于构建索引所使用的BloomFilter本身存在正向误检概率，使搜索结果准确率降低，可能消耗用户更多的计算和带宽开销。(2)PEKS方案。主要基于双线性对给出了几种构造方案。同时给出了基于身份匿名方案构造PEKS的流程。然而与SSE方案一样主要问题就是搜索效率较低，其本质原因是数据特征维度较高和加密算法的耗时较多，本发明针对这些问题结合目前先进的深度学习技术加以解决；图像搜索本质是图像匹配，也称为图像配准，旨在从多幅图像中识别出相同或相似的结构或内容。该技术可用于图像拼接，图像融合，目标识别和跟踪等，是计算机视觉、模式识别、图像分析等各领域的基础和关键所在。

图像匹配一般由两部分组成，即匹配特征的性质和匹配策略，分别表示用什么来匹配和如何匹配。最终目标是将感测图像几何变形到参考图像的公共空间坐标系中，并将它们的公共区域像素到像素对齐（即图像配准）。为此，一种直接策略，也称为基于区域的方法，通过在预定义大小的滑动窗口甚至整个图像中使用原始图像像素强度或像素域变换后的信息的相似性度量来配准两幅图像。

另一种是基于特征的方法，即特征检测和描述、特征匹配、变换模型估计、图像重采样和变换。特征检测可以从图像中提取出独特的结构，特征描述可以看作是一种图像表示方法，广泛应用于图像编码和相似度度量，如图像分类和检索。

此外，由于其强大的深度特征获取和非线性表达能力，将深度学习技术应用于图像信息表示和相似度度量，以及图像对变换的参数回归等，是当今图像匹配界的热门话题。与传统方法相比，已被证明可以实现更好的匹配性能并具有更大的潜力。