[论文解读] Cloud-based Privacy Preserving Image Storage, Sharing and Search

Lan Zhang, Taeho Jung+3 more|arXiv (Cornell University)|Oct 24, 2014

Advanced Image and Video Retrieval Techniques参考文献 28被引用 8

一句话总结

本文提出PIC，一种用于大规模图像存储、共享和基于内容搜索的隐私保护云系统。它利用同态加密和基于属性的访问控制，实现安全高效的图像搜索，使用户能够在将大部分计算外包给云的同时，指定细粒度的访问策略，实验结果表明该系统在真实世界图像数据集上展现出强大的隐私保护能力和可扩展性。

ABSTRACT

High-resolution cameras produce huge volume of high quality images everyday. It is extremely challenging to store, share and especially search those huge images, for which increasing number of cloud services are presented to support such functionalities. However, images tend to contain rich sensitive information (\eg, people, location and event), and people's privacy concerns hinder their readily participation into the services provided by untrusted third parties. In this work, we introduce PIC: a Privacy-preserving large-scale Image search system on Cloud. Our system enables efficient yet secure content-based image search with fine-grained access control, and it also provides privacy-preserving image storage and sharing among users. Users can specify who can/cannot search on their images when using the system, and they can search on others' images if they satisfy the condition specified by the image owners. Majority of the computationally intensive jobs are outsourced to the cloud side, and users only need to submit the query and receive the result throughout the entire image search. Specially, to deal with massive images, we design our system suitable for distributed and parallel computation and introduce several optimizations to further expedite the search process. We implement a prototype of PIC including both cloud side and client side. The cloud side is a cluster of computers with distributed file system (Hadoop HDFS) and MapReduce architecture (Hadoop MapReduce). The client side is built for both Windows OS laptops and Android phones. We evaluate the prototype system with large sets of real-life photos. Our security analysis and evaluation results show that PIC successfully protect the image privacy at a low cost of computation and communication.

研究动机与目标

• 解决在不可信云环境中存储、共享和搜索大规模高分辨率图像的日益严峻挑战。
• 在基于内容的图像搜索过程中保护图像隐私，因为特征向量可能被用于重建原始图像。
• 实现细粒度的访问控制，使图像所有者能够指定谁可以搜索其图像。
• 通过将大部分计算外包给云来实现高效、可扩展的搜索，同时保持隐私性。
• 设计一个系统，确保图像数据、查询和结果的机密性，且在搜索过程中无需与图像所有者交互。

提出的方法

• 使用同态加密（特别是非电路基础的对称密钥方案）实现对加密特征向量的安全距离计算。
• 应用SIFT特征描述符将图像表示为高维向量，以实现基于内容的相似性匹配。
• 使用Hadoop MapReduce和HDFS构建分布式、并行化的搜索流水线，以实现跨多台机器的可扩展性。
• 集成密文策略属性基加密（CP-ABE）以在图像上实施细粒度的访问控制。
• 构建索引结构以优化搜索性能并减少冗余计算。
• 设计支持Windows和Android客户端的客户端-服务器架构，以实现端到端的隐私保护图像搜索。

实验结果

研究问题

• RQ1 是否可以在不暴露图像内容、查询或结果的前提下，在云端安全地执行基于内容的图像搜索？
• RQ2 当已知可被用于图像重建的特征向量必须被处理时，如何保护隐私？
• RQ3 通过外包计算是否能够实现高效、可扩展的搜索，同时保持强保密性？
• RQ4 如何实施访问控制策略，以确保只有授权用户才能搜索特定图像？
• RQ5 与标准方法相比，隐私保护图像搜索的性能开销如何？

主要发现

• 该系统成功保护了图像隐私，即使使用先进的重建技术，从特征向量重构出的图像仍与原始图像无法区分。
• 同态加密的使用确保了云服务提供商无法获知查询和搜索结果的任何信息。
• 基于Hadoop MapReduce的原型实现表明，该系统在大规模真实照片图像数据集上具备良好的可扩展性和效率。
• CP-ABE的集成实现了细粒度的访问控制，使图像所有者能够指定哪些用户或用户属性可以搜索其图像。
• 该系统实现了安全、私密且高效的基于内容的图像搜索，客户端计算量极小，主要依赖云端的并行处理。
• 安全分析表明，该系统能够抵御已知的特征向量泄露攻击，并在现实威胁模型下保持隐私性。