[发明专利]图像的非交互式轻量级隐私保护审计方法

说明书

本发明公开了一个图像的非交互式轻量级隐私保护审计方法，包括如下步骤：用户定义并训练出一个二值卷积神经网络(BCNN)模型，使用该模型得到模板图片的特征值计算公钥PK_A、私钥SK_A，将公钥和二值卷积神经网络模型发给众包服务器，服务器使用模型得到本地兴趣图片的特征值用户使用公钥PK_A、私钥SK_A通过隐藏算法加密特征值生成密文cipherA；众包服务器使用密文cipherA，结合特征值和公钥PK_A计算出密文cipherB；用户使用公钥PK_A、私钥SK_A，使用提取算法提取出双方特征值的汉明距离本发明实现了用户在未下载图片的情况下，对存储在众包服务器上的图片进行审计。

技术领域：

本发明涉及一种图像的非交互式轻量级隐私保护审计方法，属于图像安全技术领域。

背景技术：

如今，随着移动众包系统在世界范围内的流行，越来越多的移动用户通过众包系统收集和处理数据。但为了确保数据的真实性，用户需要在付费下载前首先检查该图片是否符合自己的预期。与此同时，为了避免经济损失，众包服务器也不允许用户在付费前查阅图片内容。另外，因为涉及到移动用户，协议也必须轻量且高效。因此需要一个非交互式的轻量级隐私保护审计来实现。

一个典型的非交互式轻量级隐私保护审计系统由三个部分组成：众包服务器是存储图片的服务端，移动用户是在审计众包服务器上图片的主体，另外是收集并上传图片的工作人员。

考虑到安全性和效率，一个可以用于移动众包网络中图像的非交互式轻量级隐私保护审计方案需要满足以下要求：(1)隐私保护。众包服务器以及移动用户的图片特征值不能被对方知晓。众包服务器可以通过伪造错误信息来通过审计，从而使移动用户遭受经济损失。另一方面，众包服务器也会遭受经济损失。(2)内容安全。在审计过程中，众包服务器要确保第三方不能从交换信息中提取图片内容，从而使众包服务器遭受经济损失。(3)审计。移动用户需要通过协议确保图片符合预期。(4)计算量。众包服务器和移动用户要确保审计协议的计算量要小。(5)准确性。众包服务器和移动用户要确保提取特征值的模型的准确性。

显然，设计一个高效的图像非交互式轻量级隐私保护审计协议是一项重要的任务。目前，众包服务的安全协议主要着眼于众包服务器对图片的检查，而暂时还没有移动用户对图片的审计协议。然而伴随着越来越多的移动众包系统被部署，设计一个移动用户的图片审计协议也尤为重要了。

发明内容：

发明目的：为了弥补市场的空缺，以及降低协议的资源消耗，本发明提出了一种图像的非交互式轻量级隐私保护审计方法。

上述目的通过以下技术方案来实现：

一种图像的非交互式轻量级隐私保护审计方法，该方法包括如下步骤：

(1)初始化阶段：

用户定义并训练出一个二值卷积神经网络模型mode，使用该模型得到模板的图片特征值接着用户初始化协议所需的属性值n,l，n,l分别代表模板的图片特征值的长度和密钥的安全强度，使用这两个属性值n,l通过初始化算法计算用户的公钥PK_A、私钥SK_A，最后将公钥和二值卷积神经网络模型发给众包服务器，众包服务器使用该模型得到本地兴趣图片的特征值其长度等于模板的图片特征值

(2)隐藏阶段：

用户使用自己的公钥PK_A、私钥SK_A通过隐藏算法加密自己的图片特征值生成密文cipherA，并将其发送给众包服务器；众包服务器使用密文cipherA，结合初始化阶段生成的本地兴趣图片的特征值和用户的公钥PK_A通过注入算法计算出密文cipherB，并将其发送给用户；

(3)提取阶段：