[논문 리뷰] Low-Complexity Cloud Image Privacy Protection via Matrix Perturbation

Xuangou Wu, Shaojie Tang외 1명|arXiv (Cornell University)|2014. 12. 18.

Sparse and Compressive Sensing Techniques참고 문헌 23인용 수 4

한 줄 요약

이 논문은 압축 센싱(Compressive Sensing, CS)을 사용하여 이미지를 동시에 압축하고 암호화하는 저복잡도의 클라우드 지원 이미지 프라이버시 보호 기법인 eCIS를 제안한다. 상호정보량을 고려한 암호화 행렬을 설계하고 계산을 클라우드로 이관함으로써 eCIS는 기존의 CS 기반 방법 대비 시스템 오버헤드를 4.1배에서 6.8배까지 감소시켜 자원이 제한된 장치에서 효율적인 프라이버시 보장 이미지 처리를 가능하게 한다.

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.

연구 동기 및 목표

• 자원이 제한된 스마트 장치에서 전통적인 이미지 암호화의 높은 계산 비용을 해결한다.
• 전송 비용을 증가시키지 않으면서 클라우드 환경에서 프라이버시 보장 이미지 저장 및 계산 외주를 가능하게 한다.
• 원본 이미지와 암호화된 이미지 간의 상호정보량을 최소화하는 통합 압축-암호화 메커니즘을 설계한다.
• 이미지 샘플링 장치와 최종 사용자 모두에 대해 저복잡도의 인코딩 및 디코딩을 달성한다.
• 사용자 요구에 기반한 적응형 보안 수준을 지원한다.

제안 방법

• 압축 센싱(CS)을 활용해 인코더의 계산 부담을 클라우드로 이관함으로써 현지 처리 비용을 감소시킨다.
• 역행렬과 상호정보량 최소화 기반의 암호화 행렬을 설계하여 동시에 이미지 압축과 암호화를 달성한다.
• 자원이 제한된 장치에서의 인코딩 및 디코딩 복잡도를 줄이기 위해 적응형 페르터베이션 행렬을 적용한다.
• 측정 행렬이 제한 이sovolumetric 성질(Restricted Isometric Property, RIP)을 만족하도록 암호화 과정을 수식화하여 안정적인 신호 복원을 확보한다.
• 매트릭스 기반 페르터베이션을 통해 프라이버시를 유지하면서도 이미지 압축 및 복호화를 클라우드에 외주한다.
• 암호화 행렬을 CS 프레임워크에 통합하여 추가 전송 비용이 발생하지 않도록 한다.

실험 결과

연구 질문

• RQ1 자원이 제한된 장치에서 최소한의 계산 비용으로 이미지 압축과 암호화를 동시에 달성할 수 있는가?
• RQ2 단일 암호화 행렬을 설계하여 CS 이론과 프라이버시 요구 조건을 동시에 충족시킬 수 있는가?
• RQ3 강력한 프라이버시 보장을 확보하면서도 인코더와 최종 사용자 모두에 대해 저복잡도를 유지할 수 있는가?
• RQ4 기존의 CS 기반 및 LP-암호화 기법 대비 제안된 암호화 행렬이 시스템 오버헤드에 어떤 영향을 미치는가?
• RQ5 사용자 수요에 기반한 적응형 보안 수준을 지원할 수 있는가?

주요 결과

• eCIS는 기존의 CS 기반 이미지 처리 방법 대비 시스템 오버헤드를 4.1배에서 6.8배까지 감소시켰다.
• 샘플링 장치의 경우 원본 CS 기법 대비 실행 시간이 단지 1.2배에서 1.7배로 증가하였다.
• 최종 사용자에 대해 eCIS는 원본 CS 기법 대비 시간 비용을 4.6배에서 7.7배까지 감소시켰다.
• 'Lenna' 이미지의 경우, 32×32 및 48×48 블록 크기에 대해 총 실행 시간이 각각 8.9배와 11.7배 감소하였다.
• 'Soccer' 이미지의 경우, 동일한 블록 크기에서 총 시간 속도 향상이 각각 8.37배와 12.7배에 달하였다.
• 암호화되지 않은 클라우드 기반 기법과 비교해도 eCIS는 최종 사용자 시간을 최대 2배 이내로 증가시켜 뛰어난 효율성을 입증하였다.