[論文レビュー] Low-Complexity Cloud Image Privacy Protection via Matrix Perturbation

Xuangou Wu, Shaojie Tang+1 more|arXiv (Cornell University)|Dec 18, 2014

Sparse and Compressive Sensing Techniques参考文献 23被引用数 4

ひとこと要約

本稿では、圧縮センシング（CS）を用いて画像を同時に圧縮および暗号化する低複雑性のクラウド支援型画像プライバシー保護方式eCISを提案する。相互情報量に配慮した暗号化行列を設計し、計算をクラウドに移管することで、従来のCSベースの手法と比較してシステムオーバーヘッドを4.1倍から6.8倍まで低減し、リソース制限のあるデバイス上でも効率的なプライバシー保護付き画像処理を実現する。

ABSTRACT

Cloud-assisted image services are widely used for various applications. Due to the high computational complexity of existing image encryption technology, it is extremely challenging to provide privacy preserving image services for resource-constrained smart device. In this paper, we propose a novel encrypressive cloud-assisted image service scheme, called eCIS. The key idea of eCIS is to shift the high computational cost to the cloud allowing reduction in complexity of encoder and decoder on resource-constrained device. This is done via compressive sensing (CS) techniques, compared with existing approaches, we are able to achieve privacy protection at no additional transmission cost. In particular, we design an encryption matrix by taking care of image compression and encryption simultaneously. Such that, the goal of our design is to minimize the mutual information of original image and encrypted image. In addition to the theoretical analysis that demonstrates the security properties and complexity of our system, we also conduct extensive experiment to evaluate its performance. The experiment results show that eCIS can effectively protect image privacy and meet the user's adaptive secure demand. eCIS reduced the system overheads by up to $4.1 imes\sim6.8 imes$ compared with the existing CS based image processing approach.

研究の動機と目的

• リソース制限のあるスマートデバイスにおける従来の画像暗号化の高い計算コストを低減すること。
• 送信コストを増加させることなく、クラウド環境におけるプライバシー保護付きの画像格納および計算のアウトソーシングを可能にすること。
• 元の画像と暗号化画像の間の相互情報量を最小限に抑える、統合された圧縮・暗号化メカニズムを設計すること。
• 画像サンプリングデバイスおよびエンドユーザーの両方のエンコーディングおよびデコーディングを低複雑性で実現すること。
• ユーザーの要件に基づいて適応的セキュリティ要件をサポートすること。

提案手法

• エンコーダーの計算負荷をクラウドに移管するために、圧縮センシング（CS）を活用し、ローカル処理コストを低減する。
• 逆行列と相互情報量の最小化に基づく暗号化行列を設計し、同時に画像圧縮と暗号化を達成する。
• リソース制限のあるデバイスにおけるエンコーディングおよびデコーディングの複雑さを低減するために、適応的摂動行列を適用する。
• 測定行列が安定な信号回復を可能にするために、制限的等長性性質（RIP）を満たすように暗号化プロセスを定式化する。
• 行列に基づく摂動によりプライバシーを維持しながら、画像圧縮および復号をクラウドにアウトソーシングする。
• 追加の送信コストが発生しないように、暗号化行列をCSフレームワークに統合する。

実験結果

リサーチクエスチョン

• RQ1 リソース制限のあるデバイス上で、計算コストを最小限に抑えて画像圧縮と暗号化を同時に達成する方法は何か？
• RQ2 一括した暗号化行列を設計することで、CS理論とプライバシー要件の両方を満たすことは可能か？
• RQ3 強力なプライバシー保証を確保しつつ、エンコーダーおよびエンドユーザーの両方の複雑さを低く維持できるか？
• RQ4 提案された暗号化行列は、従来のCSベースおよびLP暗号化方式と比較して、システムオーバーヘッドにどのような影響を与えるか？
• RQ5 ユーザーの要請に基づいて、適応的セキュリティレベルをサポートできるか？

主な発見

• eCISは、従来のCSベースの画像処理アプローチと比較して、システムオーバーヘッドを4.1倍から6.8倍まで低減した。
• サンプリングデバイスの実行時間は、元のCS方式と比較してわずか1.2倍から1.7倍に増加した。
• エンドユーザーの時間コストは、元のCS方式と比較して4.6倍から7.7倍まで低減した。
• 「Lenna」画像の場合、32×32および48×48のブロックサイズにおいて、合計実行時間がそれぞれ8.9倍および11.7倍短縮された。
• 「Soccer」画像の場合、同じブロックサイズで合計時間の高速化が8.37倍および12.7倍に達した。
• 暗号化されていないクラウド方式と比較しても、eCISはエンドユーザーの実行時間を最大2倍にしか増加させず、高い効率性を示した。