[论文解读] MSPPIR: Multi-source privacy-preserving image retrieval in cloud computing

Qi Gu, Zhihua Xia+1 more|arXiv (Cornell University)|Jul 24, 2020

Image Retrieval and Classification Techniques被引用 6

一句话总结

本文提出了一种名为 JES-MSIR 的新型 JPEG 域加密方案，用于云计算环境下的多源隐私保护图像检索（MSPPIR）。该方案通过基于排列的随机化与词袋特征聚合技术，实现了来自多个图像拥有者的恒定轮次安全检索，具备高效率、强安全性，并在大规模源数量下仍能保持稳定的检索准确率。

ABSTRACT

Content-Based Image Retrieval (CBIR) techniques have been widely researched and in service with the help of cloud computing like Google Images. However, the images always contain rich sensitive information. In this case, the privacy protection become a big problem as the cloud always can't be fully trusted. Many privacy-preserving image retrieval schemes have been proposed, in which the image owner can upload the encrypted images to the cloud, and the owner himself or the authorized user can execute the secure retrieval with the help of cloud. Nevertheless, few existing researches notice the multi-source scene which is more practical. In this paper, we analyze the difficulties in Multi-Source Privacy-Preserving Image Retrieval (MSPPIR). Then we use the image in JPEG-format as the example, to propose a scheme called JES-MSIR, namely a novel JPEG image Encryption Scheme which is made for Multi-Source content-based Image Retrieval. JES-MSIR can support the requirements of MSPPIR, including the constant-rounds secure retrieval from multiple sources and the union of multiple sources for better retrieval services. Experiment results and security analysis on the proposed scheme show its efficiency, security and accuracy.

研究动机与目标

• 为解决云计算环境中多源隐私保护图像检索（MSPPIR）缺乏综合解决方案的问题。
• 实现使用不同加密密钥从多个图像拥有者进行安全、恒定轮次的检索。
• 支持图像源的动态联合，以提升检索覆盖范围与性能。
• 在 JPEG 域中确保安全性与准确性，同时避免文件膨胀与特征泄露。
• 提供可扩展且高效的解决方案，优于现有的单源或部分多源方案。

提出的方法

• 提出 JES-MSIR，一种基于随机化的加密方案，利用异或（bitxor）与排列技术对 JPEG 图像中的 DCT 系数进行保护。
• 采用词袋模型（BOW）对来自多个源的加密 (r,v) 特征对进行聚合，以支持联合检索。
• 通过多重排列防止特征泄露，并抵抗图像拥有者之间的共谋攻击。
• 设计恒定轮次协议，使用户能够以与源数量无关的通信成本，从所有授权拥有者处检索信息。
• 提出基于数据分布与特征采样率的动态聚类大小选择机制（$k_{suggest}$），以在准确率与效率之间取得平衡。
• 在云端执行特征聚合与距离计算，最大限度减少客户端计算负载，实现可扩展的多源支持。

实验结果

研究问题

• RQ1 在云计算环境中，如何实现使用不同加密密钥的多个图像拥有者之间的安全、恒定轮次图像检索？
• RQ2 如何安全高效地支持多个图像源的联合，以提升检索覆盖范围？
• RQ3 在多源隐私保护图像检索中，应采用何种机制防止特征泄露与共谋攻击？
• RQ4 如何利用 JPEG 域加密避免文件膨胀，同时保持检索准确率？
• RQ5 随着图像源数量的增加，检索准确率会下降多少，又该如何缓解？

主要发现

• 当源数量从 1 增加到 1,000 时，JES-MSIR 的检索准确率仅下降 7.3%，表明其在大规模场景下具有高度稳定性。
• 使用两倍于建议聚类大小（$k_{grid}$）可提升准确率，尤其在源数量超过 500 时效果更显著。
• 即使聚类大小增加十倍，准确率损失仍低于 10%，且性能仍优于先前方案如 [4]。
• 仅使用原始特征的 10% 时，该方案仍保持鲁棒性，表明其在大规模场景下的高效性。
• 所提出的 $k_{suggest}$ 公式能有效平衡不同源数量与特征采样率下的准确率与计算成本。
• 安全分析表明，通过基于排列的混淆与随机化，该方案能有效抵抗特征泄露与共谋攻击。