[论文解读] Outsource Photo Sharing and Searching for Mobile Devices With Privacy Protection

Lan Zhang, Taeho Jung+4 more|arXiv (Cornell University)|Oct 24, 2014

Advanced Image and Video Retrieval Techniques参考文献 12被引用 3

一句话总结

本文提出 SouTu，一种隐私保护框架，使移动用户能够在不暴露图像内容、查询或搜索结果的情况下，将照片共享与搜索任务外包给不可信的云服务器。该框架采用新颖的非交互式外包向量距离协议，适用于实值和二值特征向量，在仅增加6%存储空间、通信量减少27%（部分数据集）的情况下，实现了较低的通信与计算开销。

ABSTRACT

With the proliferation of mobile devices, cloud-based photo sharing and searching services are becoming common due to the mobile devices' resource constrains. Meanwhile, there is also increasing concern about privacy in photos. In this work, we present a framework \ourprotocolNSP, which enables cloud servers to provide privacy-preserving photo sharing and search as a service to mobile device users. Privacy-seeking users can share their photos via our framework to allow only their authorized friends to browse and search their photos using resource-bounded mobile devices. This is achieved by our carefully designed architecture and novel outsourced privacy-preserving computation protocols, through which no information about the outsourced photos or even the search contents (including the results) would be revealed to the cloud servers. Our framework is compatible with most of the existing image search technologies, and it requires few changes to the existing cloud systems. The evaluation of our prototype system with 31,772 real-life images shows the communication and computation efficiency of our system.

研究动机与目标

• 解决云环境下的照片共享与搜索日益增长的隐私担忧，特别是针对自动化图像识别和未经授权访问的问题。
• 使移动用户能够将繁重的存储与搜索任务外包给云，同时保护照片、查询和搜索结果的隐私。
• 设计一种系统，支持在加密特征向量上进行高效、安全的内容驱动图像搜索，且无需所有者与查询者之间的在线交互。
• 确保与现有图像搜索技术及云基础设施的兼容性，以实现实际部署。

提出的方法

• 设计一个模块化框架 SouTu，将隐私保护与核心图像搜索功能分离，支持与现有云服务的无缝集成。
• 开发两种非交互式外包向量距离计算协议——一种用于实值特征向量，另一种用于二值向量——实现在所有者与查询者之间无需交互的安全距离评估。
• 使用对图像描述符（如 SIFT、二值描述符）的安全编码，使得只有授权用户才能计算相似度，而云则完全无法获知内容。
• 提出优化变体 SouTu_bin，利用二值特征向量将计算成本减半，仅带来轻微的精度损失。
• 采用 k-n oblivious transfer 技术隐藏实际的搜索模式，确保云无法推断出正在查询的图像。
• 应用压缩技术以减少上传查询和下载结果时的通信开销，尤其适用于大规模图像数据库。

实验结果

研究问题

• RQ1 如何在保护图像内容和搜索查询隐私的前提下，将照片共享与搜索安全地外包给不可信的云服务器？
• RQ2 能否为图像搜索中的向量距离评估设计高效、非交互式的安全计算协议，避免用户之间的在线交互？
• RQ3 隐私保护的图像搜索在多大程度上可与现有图像搜索系统和特征提取方法兼容？
• RQ4 所提出的隐私保护框架在移动与云平台上的性能开销（通信、计算）如何？

主要发现

• SouTu 的通信开销在 LFW 数据集上仅比非私有系统高约 6%，而在 Holiday 数据集上则低 27%，得益于高效的压缩技术。
• 经压缩后，查询上传开销降至 350B（SouTu）和 90B（SouTu_bin），分别低于压缩前的 36KB 和 9KB。
• 对于实值向量，云端计算欧氏距离耗时 0.18 秒（SouTu）；对于二值向量，仅需 0.018 秒（SouTu_bin），可在笔记本电脑上实现亚分钟级响应时间。
• 对于典型的照片集合（如每位用户数百张人脸图像），单个搜索请求可在笔记本电脑上于一分钟内完成，且在高性能云服务器上性能更优。
• 该框架实现了强隐私保障：云或任何非信任方均无法获知图像内容、查询或搜索结果。
• 系统对用户透明：隐私保护为自动执行，无需用户改变行为或调整现有图像搜索工作流程。