CN110298363A - 一种加密图像上的隐私保护lbp特征提取方法 - Google Patents

Abstract

本发明公开了一种加密图像上的隐私保护LBP特征提取方法，本发明通过使用SHE(Somewhat Homomorphic Encryption)算法对图像的像素值进行加密，克服了现有技术中对图像进行分割，需要将分割后的图像分别存储在2个云服务器中的缺点，使得本发明实现了单服务器的图像存储，通过采用对LBP的二进制比特位按照指针的顺时针方向对进行编码，实现在加密图像上直接提取加密的LBP特征，并直接应用于基于LBP的图像处理服务，实现了LBP特征提取过程的交互开销为零，并且存储开销更小，安全级别更高。

Description

一种加密图像上的隐私保护LBP特征提取方法

技术领域

本发明属于图像数据加密技术领域，具体涉及一种加密图像上的隐私保护LBP特征提取方法。

背景技术

强大的存储和计算能力已经吸引了包括个人和企业在内的图像数据用户将他们大量的图像数据外包给远程云服务器以节约本地存储和计算成本。然而，外包的数据脱离了图像数据拥有者的物理控制，因此图像数据外包会引起隐私和安全问题。对于半可信的云服务器，明文图像数据不可避免地会泄露图像数据所有者的敏感信息(如商业机密、个人敏感信息，包括个人身份，家庭住址，工作单位，甚至财务信息等)。此外，攻击者一旦突破云服务器的外部防护就可以窃取用户的所有明文图像数据，这给用户隐私带来极大的隐患。图像数据外包之前进行加密是一种非常有效的保护图像隐私的解决方案，但加密使得传统的图像处理方案变得不可行。特别地，对加密图像提取特征变得不可能。为了避免加密带来的这种限制，学者们对加密域图像处理，特别是加密域图像特征提取进行了广泛的研究，以使图像特征提取仍然可以在保护图像隐私的情况下执行。然而，这些加密域图像特征提取方案存在相应的一些问题。

Xia等人在其发表的论文“Secure Image LBP Feature Extraction in Cloud-Based Smart Campus”(IEEE Access,vol.6,2018:30392-30401)中提出了一种基于云的智能校园中的安全图像LBP特征提取方法。该方法首先把图像分成3×3的非重叠子块；接下来，利用图像像素置乱保护图像的纹理信息；然后，利用图像分割来保护图像的颜色信息；最后使用两个云服务器共同完成加密图像上的LBP特征的提取。该方法存在的不足之处是：被分割的图像需要存储在两个远程云服务器，存储开销大，通信开销大，并且两个云服务器的共谋会使整个特征提取方案无效。

发明内容

本发明的目的在于克服上述不足，提供一种加密图像上的隐私保护LBP特征提取方法，能够实现在加密图像上直接提取加密的LBP特征，并直接应用于基于LBP的图像处理服务，同时减少了存储和通信成本，提高了方案的安全性，解决了云服务器的共谋的安全问题。

为了达到上述目的，本发明包括以下步骤：

步骤一，图像数据拥有者将图像划分为若干非重叠图像子块，对所有的图像子块进行随机置乱，再将图像子块内非中心像素值置乱；

步骤二，采用SHE(Somewhat Homomorphic Encryption)算法加密图像像素值，对图像的每一个像素值实施保护；

步骤三，将加密后的图像再次划分为若干非重叠图像子块，然后计算每一个图像子块中心像素值和相邻的非中心像素值的差值，并对差值进行二值化；

步骤四，采用对LBP的二进制比特位按照指针的顺时针方向进行编码，再将二进制编码转换为十进制数值，从而得到具体的图像的加密LBP特征。

步骤二完成后，将加密后的图像上传至云服务器；

步骤四完成后，将得到的加密LBP特征返回给图像数据拥有者，或者根据图像数据拥有者的具体要求，将得到的加密LBP特征直接应用于基于LBP特征的图像处理服务，并将图像处理服务的结果返回给图像数据拥有者。

将图像划分为3×3的非重叠图像子块。

步骤一中，随机置乱采用伪随机置乱生成器RPGen生成一组用于图像子块之间置乱的随机排列，随机排列的范围是[1,...,blocknum]，其中blocknum表示图像中非重叠图像子块的个数。

步骤一中，像素值置乱采用伪随机置乱生成器RPGen生成一组用于图像子块内像素值置乱的随机排列，随机排列的范围是[1,...,ncnum]，其中ncnum表示图像中任意一个子块内非中心像素值的个数。

步骤二中，采用SHE算法加密时，选择一个安全参数k_s，并利用SHE算法的密钥生成器生成一个公私钥对{sk,pk}，

图像数据拥有者为每一个图像生成blocknum个加密参数u,f,g，然后，对于第i个图像子块的所有像素使用相同的参数u_i,f_i,g_i和公钥pk进行加密，c_i,j←SH.Enc(pk,m_i,j)；

其中，i∈1,...,blocknum，m_i,j表示第i个图像子块的第j个像素值，c_i,j表示明文像素值m_i,j的密文像素值。

与现有技术相比，本发明通过使用SHE算法对图像的像素值进行加密，克服了现有技术中对图像进行分割，需要将分割后的图像分别存储在2个云服务器中的缺点，使得本发明实现了单服务器的图像存储，通过采用LBP的二进制比特位按照指针的顺时针方向进行编码，实现在加密图像上直接提取加密的LBP特征，并直接应用于基于LBP的图像处理服务，实现了LBP特征提取过程的交互开销为零，并且存储开销更小，安全级别更高。

进一步的，本发明设置有云服务器，能够使图像数据拥有者以加密形式将其私有图像数据提供给远程云服务器以节省本地存储成本，并且图像数据拥有者可以将计算上昂贵的LBP特征提取任务卸载到远程云服务器上，以便更好地管理和充分利用这些图像数据。

附图说明

图1为本发明的***架构图；

图2为原始LBP值的计算过程图；

图3为本发明中图像加密流程图；

图4为大小为6×6的图像块间置乱图；

图5为图像中一个图像子块的块内置乱图。

具体实施方式

下面结合附图对本发明做进一步说明。

图像加密阶段由图像数据拥有者执行。如图1所示，图像数据拥有者首先将图像划分为3×3的非重叠子块。之后，对所有的图像子块进行随机置乱。接下来，每一个图像子块的非中心像素值被随机置乱。最后，每一个像素值使用SHE算法加密。因此，我们需要一个伪随机置乱生成器RPGen，SHE(Somewhat Homomorphic Encryption)算法的密钥生成器SH.Keygen(1^k)和加密算法SH.Enc(pk,m)。图3给出了图像加密的流程图。图像加密的具体过程如下：

第一步，图像数据拥有者划分图像为3×3的非重叠图像子块，如图4所示。

第二步，图像数据拥有者为伪随机置乱生成器RPGen选择一个输入参数k_b，伪随机置乱生成器RPGen生成一个范围为[1,...,blocknum]的随机排列pmtb，该随机排列的生成如下所示：

pmtb←RPGen(k_b,blocknum)，

其中blocknum＝(imgwidth/3)×(imgheight/3)表示图像中非重叠子块的个数，imgwidth和imgheight分别表示图像的宽和高。

第三步，图像数据拥有者利用伪随机置乱生成器RPGen生成的随机排列pmtb对图像子块进行重新排列，生成图像子块置乱后的图像。图4给出了一个图像大小为6×6的图像子块置乱的示例。

第四步，图像数据拥有者为伪随机置乱生成器RPGen选择一个输入参数k_i，伪随机置乱生成器RPGen生成一个范围为[1,...,ncnum]的随机排列pmti，该随机排列的生成如下所示：

pmti←RPGen(k_i,ncnum)，

其中ncnum表示图像子块中非中心像素的个数，由于每一个图像子块的大小是3×3，因此每一个图像子块的非中心像素的个数是8，即ncnum＝8。

第五步，图像数据拥有者利用伪随机置乱生成器RPGen生成的随机排列pmti对每一个图像子块内的非中心像素值进行重新排列，生成图像子块块内置乱后的图像。图5给出了图像中一个图像子块的块内置乱示例。

第六步，图像数据拥有者为SHE算法的密钥生成器选择一个安全参数k_s，并利用SHE算法的密钥生成器为图像数据集中的每一个图像生成一个公私钥对{sk,pk}，如下所示：

这里sk＝s，pk＝(a₀＝-(a₁s+te),a₁)。

第七步，图像数据拥有者为每一个图像生成blocknum个加密参数u,f,g，接下来，对于第i个图像子块的所有像素使用相同的参数u_i,f_i,g_i和公钥pk进行加密，具体的，对于任意一个图像子块i，用m_i,0表示中心像素值，m_i,1表示任意的一个非中心像素值，依据SHE算法，云服务器执行以下运算对图像像素值加密：

这里c_i,0和c_i,1分别表示明文像素值m_i,0和m_i,1相应的密文像素值。

第八步，图像数据拥有者上传被加密的图像数据到远程云服务器。

加密图像上的LBP特征提取由远程云服务器直接在加密图像上执行。远程云服务器首先将加密图像划分为3×3的非重叠子块。之后，和如图2所示的原始的LBP特征提取相似，远程云服务器计算每一个图像子块中中心像素值和非中心像素值的差，并进行二值化。接下来，将二值编码转换成十进制数值从而获得加密图像的LBP值。加密图像上的LBP特征提取的具体过程如下：

第一步，云服务器划分加密图像为3×3的非重叠图像子块。

第二步，对于使用参数u_i,f_i,g_i和公钥pk加密的第i个图像子块，云服务器计算图像子块中中心像素值和相邻的8个非中心像素值的差，如下所示：

从上面的式子可以看出中心像素值和非中心像素值的差在加密前后是一致的，因此云服务器能够按照如图2所示的方法对差值进行二值化，然后LBP的二进制比特位能够按照指针的顺时针方向进行编码，接下来转换成十进制数值，云服务器获得加密图像中第i个子块的加密LBP值。云服务器对加密图像中的每一个图像子块重复上述操作获得加密图像的LBP特征。

第三步，云服务器根据图像数据拥有者的要求，返回图像的加密LBP特征，或者将得到的加密LBP特征直接应用于基于LBP特征的图像处理服务，并将图像处理服务的结果返回给图像数据拥有者。

Claims (7)

1.一种加密图像上的隐私保护LBP特征提取方法，其特征在于，包括以下步骤：

步骤一，图像数据拥有者将图像划分为若干非重叠图像子块，对所有的图像子块进行随机置乱，再将图像子块内非中心像素值置乱；

步骤二，采用SHE算法加密图像像素值，对图像的每一个像素值实施保护；

步骤三，将加密后的图像再次划分为若干非重叠图像子块，然后计算每一个图像子块中心像素值和相邻的非中心像素值的差值，并对差值进行二值化；

步骤四，采用对LBP的二进制比特位按照指针的顺时针方向进行编码，再将二进制编码转换为十进制数值，从而得到具体的图像的加密LBP特征。

2.根据权利要求1所述的一种加密图像上的隐私保护LBP特征提取方法，其特征在于，步骤二完成后，将加密后的图像上传至云服务器；

步骤四完成后，将得到的加密LBP特征返回给图像数据拥有者，或者根据图像数据拥有者的具体要求，将得到的加密LBP特征直接应用于基于LBP特征的图像处理服务，并将图像处理服务的结果返回给图像数据拥有者。

3.根据权利要求1所述的一种加密图像上的隐私保护LBP特征提取方法，其特征在于，将图像划分为3×3的非重叠图像子块。

4.根据权利要求1所述的一种加密图像上的隐私保护LBP特征提取方法，其特征在于，步骤一中，随机置乱采用伪随机置乱生成器RPGen生成一组用于图像子块之间置乱的随机排列，随机排列的范围是[1,...,blocknum]，其中blocknum表示图像中非重叠图像子块的个数。

5.根据权利要求1所述的一种加密图像上的隐私保护LBP特征提取方法，其特征在于，步骤一中，像素值置乱采用伪随机置乱生成器RPGen生成一组用于图像子块内像素值置乱的随机排列，随机排列的范围是[1,...,ncnum]，其中ncnum表示图像中任意一个子块内非中心像素值的个数。

6.根据权利要求1所述的一种加密图像上的隐私保护LBP特征提取方法，其特征在于，步骤二中，采用SHE算法加密时，选择一个安全参数k_s，并利用SHE算法的密钥生成器生成一个公私钥对{sk,pk}，

7.根据权利要求6所述的一种加密图像上的隐私保护LBP特征提取方法，其特征在于，图像数据拥有者为每一个图像生成blocknum个加密参数u,f,g，然后，对于第i个图像子块的所有像素使用相同的参数u_i,f_i,g_i和公钥pk进行加密，c_i,j←SH.Enc(pk,m_i,j)；

其中，i∈1,...,blocknum，m_i,j表示第i个图像子块的第j个像素值，c_i,j表示明文像素值m_i,j的密文像素值。