[论文解读] 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 4

一句话总结

本文提出eCIS，一种基于压缩感知（CS）的低复杂度云辅助图像隐私保护方案，可联合实现图像的压缩与加密。通过设计一种互信息感知的加密矩阵，并将计算任务迁移至云端，eCIS相较现有基于CS的方法将系统开销降低了4.1×至6.8×，从而实现在资源受限设备上高效隐私保护的图像处理。

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.

研究动机与目标

• 解决传统图像加密在资源受限智能设备上的高计算成本问题。
• 在不增加传输成本的前提下，实现在云环境中隐私保护的图像存储与计算外包。
• 设计一种联合压缩-加密机制，以最小化原始图像与加密图像之间的互信息。
• 实现图像采样设备与最终用户均具备低复杂度的编码与解码能力。
• 根据用户需求支持自适应的安全等级。

提出的方法

• 利用压缩感知（CS）将计算负担从编码器转移至云端，降低本地处理成本。
• 基于逆矩阵与互信息最小化设计加密矩阵，实现图像压缩与加密的同步完成。
• 应用自适应扰动矩阵，降低资源受限设备上的编码与解码复杂度。
• 制定加密过程，使测量矩阵满足限制等距性质（RIP），以保证信号的稳定恢复。
• 将图像压缩与解密任务外包至云端，同时通过基于矩阵的扰动保持隐私安全。
• 将加密矩阵集成至CS框架中，确保无额外传输开销。

实验结果

研究问题

• RQ1 如何在资源受限设备上以最低计算成本联合实现图像压缩与加密？
• RQ2 能否设计出一个单一加密矩阵，同时满足CS理论与隐私保护需求？
• RQ3 系统如何在确保强隐私保障的同时，保持编码器与最终用户均具备低复杂度？
• RQ4 与现有基于CS的方案及LP-加密方案相比，所提出的加密矩阵对系统开销有何影响？
• RQ5 该方案能否根据用户需求支持自适应的安全等级？

主要发现

• eCIS相较现有基于CS的图像处理方法，系统开销降低4.1×至6.8×。
• 与原始CS方案相比，采样设备的运行时间仅增加1.2×至1.7×。
• 与原始CS方案相比，eCIS使最终用户的时间成本降低4.6×至7.7×。
• 对于'Lenna'图像，32×32与48×48块大小下，总运行时间分别减少8.9×与11.7×。
• 对于'Soccer'图像，相同块大小下，总时间加速比分别达到8.37×与12.7×。
• 即使与非加密云方案相比，eCIS使最终用户时间最多增加2×，展现出极强的效率优势。