基于内容的安全图像检索工具：FSeCBIR

软件影响11（2022）100224原始软件出版物FSeCBIR：一种面向云的快速安全的基于内容的图像检索安朱·J a，c，R.J.，ShreelekshmiR. 和218ca印度喀拉拉邦特里凡得琅工程学院计算机科学与工程系b印度喀拉拉邦特里凡得琅工程学院巴顿山政府工程学院信息技术系c附属于APJ Abdul Kalam科技大学，印度喀拉拉邦，特里凡得琅，695016A R T I C L E I N F O保留字：聚类加密图像数据库索引安全的基于内容的图像检索A B标准近年来，基于内容的加密域图像检索成为一个重要的挑战在云环境中。我们提出FSeCBIR，一个原型，实现更快，更安全的基于内容的图像检索，确保安全的搜索和检索大型加密图像数据库。该原型是使用MATLAB在服务器/高端PC上实现的，它包含一个复制威慑模块，通过不可信的查询用户来识别数据泄漏。这模拟了一个可以在涉及敏感信息的实时云应用中使用的系统，这些敏感信息需要高级别的安全性，检索精度和较低的时间/空间复杂度。代码元数据当前代码版本v1.0用于此代码版本的代码/存储库的永久链接https://github.com/SoftwareImpacts/SIMPAC-2021-190Reproducible Capsule的永久链接https://codeocean.com/capsule/3008117/tree/v1法律代码许可证MIT许可证使用git的代码版本控制系统使用MATLAB R2017 b的软件代码语言、工具和服务编译要求，操作环境依赖性任何带有MATLAB的操作系统如果可用，链接到开发人员文档/手册https://github.com/anju-j/FSeCBIR#readme问题支持电子邮件anjuj@cet.ac.in，mailme2anju@gmail.com1. 介绍由于成像和计算技术的进步，在我们的日常生活中有大量的图像。这些大型图像数据库需要实时处理的几个关键应用程序，需要巨大的存储空间和计算能力。对于这种不断增长的计算和存储需求，云计算能力是一个有前途的解决方案。由于存储、处理和传输过程中的安全和隐私问题，这些功能尚未在涉及敏感信息（如医疗数据、财务记录、个人身份数据、法医数据、生物特征数据库等）的实时应用中得到充分探索[1]。尽管强烈建议使用加密来保护数据隐私，但搜索和检索加密数据是一项繁琐的任务。在临床决策、生物特征匹配、法医分析、医学研究等应用的情况下，基于内容的图像检索（CBIR）具有极其重要的意义，但即使在普通领域，CBIR也是一项艰巨的任务。由于这些应用程序涉及大量敏感信息，因此需要对加密图像进行安全的CBIR，以确保在第三方服务器或云以及专用服务器上处理和存储期间的机密性。此外，这些关键应用要求高检索精度，实时处理，高安全性，存储要求少，这使得安全CBIR在加密领域非常具有挑战性在本文中，我们提出了FSeCBIR，一个原型的快速和安全的CBIR大型加密图像数据库。FSeCBIR自动化隐私保护搜索和检索排名加密的图像，使敏感应用程序安全外包到云或本文中的代码（和数据）已由Code Ocean认证为可复制：（https://codeocean.com/）。更多关于生殖器的信息徽章倡议可在https://www.elsevier.com/physical-sciences-and-engineering/computer-science/journals上查阅。∗通讯作者。电子邮件地址：anjuj@cet.ac.in（Anju J.），shreelekshmir@gecbh.ac.in（Shreelekshmi R.）.https://doi.org/10.1016/j.simpa.2022.100224接收日期：2021年12月17日;接受日期：2022年1月3日2665-9638/©2022作者。由Elsevier B.V.出版。这是一篇开放获取的文章，使用CC BY许可证（http://creativecommons.org/licenses/by/4.0/）。可在ScienceDirect上获得目录列表软件影响杂志 首页：www.journals.elsevier.com/software-impactsAnju J.和Shreelekshmi R.软件影响11（2022）1002242Fig. 1. 系统模型任何第三方服务器。该原型实现了更快的索引、安全搜索和检索，具有更好的检索精度和可扩展性.用于加密的特征向量与图像用户共享以生成陷门。此外，它实现了一个复制威慑模块，以确定通过不可信的查询用户的数据泄漏。2. 系统描述图1示出了FSeCBIR的系统模型，其主要包括四个模块-索引、查询、搜索和复制阻止以及图像加密和解密。在FSeCBIR中，索引是使用在加密之前从原始图像数据库中提取的图像特征的聚类来实现的。由于索引涉及原始图像特征，因此由图像所有者执行，以确保图像内容的隐私。安全索引包括加密的聚类中心和图像特征，用于基于查询陷门搜索和排名检索到的结果。包括加密的查询图像特征的查询陷门确定查询图像的最接近的聚类，并对聚类中的结果图像进行排名。为此，图像特征和聚类中心使用非对称标量积加密（ASPE）[2]加密，这有助于加密特征向量之间的欧几里得距离在从加密图像数据库中检索排名的加密图像之后，它们被嵌入特定于每个查询用户的水印，以防止将来复制。这些水印将保留在解密的图像中，与现有的方案相比，图像质量的下降非常小。在任何非法分发的情况下，从可疑图像中提取这些水印以识别不可信的图像用户。这些水印具有较好的抗比特翻转和JPEG压缩攻击的能力，与现有的方案相比，具有更好的或相当的提取精度。FSeCBIR中各模块的主要功能描述如下：1. 索引：图像所有者生成安全索引，以确保在加密图像数据库中进行安全搜索和检索这包括：(a) 特征提取：MPEG-7视觉描述符[3]用于表示图像，它们与查询图像特征的欧氏距离确定它们的相似性。(b) 安全索引生成：从图像中提取的特征向量进行聚类使用k均值聚类算法和属于同一类的图像被认为是相似的。为了保护索引中的图像特征，它们使用ASPE进行加密，这有助于在不解密的情况下计算两个加密特征向量秘密参数2. 查询：图像用户从查询图像生成查询陷门，以确保安全检索相似的图像，而不会危及查询隐私。(a) 特征提取：图像用户从查询图像中提取特征向量以生成陷门(b) 陷门生成：图像用户通过使用图像所有者共享的秘密参数3. 搜索：在搜索过程中，通过首先找到它可能属于的最接近的聚类来确定查询图像的相似图像。这是通过计算ASPE加密的聚类中心和查询陷门之间的欧几里得距离来完成的。最接近的聚类中的这些图像被认为与查询图像最相似，并且基于对应的加密特征向量与查询陷门之间的距离进行排名。4. 防止复制：为了识别图像的非法分发，每个检索到的加密图像都嵌入了每个查询用户特定的(a) 水印嵌入：通过翻转由秘密嵌入密钥确定的选定像素(b) 水印提取：当图像被怀疑非法传播时，图像所有者可以通过提取原始图像和秘密嵌入密钥的嵌入水印来识别非法图像使用者。5. 图像加密和解密：使用流密码加密图像，流密码是使用不同图像的不同种子生成的伪随机比特流。这些不同的种子是通过用密钥加密对应的图像标识符来生成的，该密钥仅与图像用户共享。 图像用户使用该共享密钥来生成伪随机比特流以解密检索到的图像。所有这些功能的更多细节可以在相关的出版物[4]中找到。3. 影响FSeCBIR是一个原型，可以在服务器/高端PC上使用MATLAB进行模拟，以便在云中外包的大型加密图像数据库上进行快速安全的这有助于研究者探索Anju J.和Shreelekshmi R.软件影响11（2022）1002243隐私保护搜索的新研究思路和创新。FSeCBIR中使用的图像加密可以抵抗选择明文攻击（CPA），使用ASPE的特征加密可以抵抗仅密文攻击（COA），从而确保安全的搜索和查询隐私。与最先进的方案相比，FSeCBIR具有高度可扩展性，存储效率高，并且在索引，陷门生成，搜索和检索方面更快[5FSeCBIR是一个实验和评估模型，可以在要求高安全性和更好性能的实时云应用程序该原型在Corel-1 k [12]和Corel-10 k [13]基准图像数据集上进行了测试，结果可在相关出版物[4]中获得。通过实验验证了检索性能和检索效率。利用该系统还可以分析不同图像集和相似图像集对检索精度的影响。FSeCBIR比较了五种MPEG-7视觉描述 符 的 性 能 ， 即 颜 色 结 构 描 述 符 （ CSD ） ， 颜 色 布 局 描 述 符（CLD），可缩放颜色描述符（SCD），边缘直方图描述符（EHD）和主颜色描述符（DCD），并输出检索精度以及每个数据集的时间/空间消耗。FSeCBIR比较索引时间、陷门生成时间和不同大小的图像集合的搜索时间以及每个数据集的空间复杂度。这为比较该领域未来的研究提供了一个基线。使用FSeCBIR，也可以针对不同大小的图像集合比较聚类数目对计算复杂度的影响。结合两个MPEG-7视觉描述符的检索性能和时间/空间复杂度可以使用FSeCBIR进行分析，这可以进一步探索更好的检索性能。使用FSeCBIR，可以使用两个度量-峰值信噪比（PSNR）和结构相似性指数度量（SSIM）以及水印嵌入时间来评估用于防止复制的水印图像的感知质量。 此外，嵌入水印的提取精度在JPEG压缩在不同的质量因子和比特翻转攻击在不同的比例也可以使用FSeCBIR进行分析。研究人员可以使用FSeCBIR来比较由其他嵌入技术生成的水印图像的感知质量以及它们对不同水印长度和块大小的攻击敏感性。FSeCBIR适合涉及大型图像数据库的关键应用，这些数据库需要实时处理，而不会影响检索精度和安全性。该原型的未来增强是引入一个模块，用于将安全特征提取和索引外包到云服务器，以及更强大的防复制机制。此外，还可以探索深度特征或高级聚类技术，以提高检索性能，而不会在时间和计算复杂性上做出太多牺牲。最后，FSeCBIR只是新生的，其用户目前仅限于我们的研究实验室。然而，它可以用于隐私保护数据外包的新创新。竞合利益作者声明，他们没有已知的竞争性财务利益或个人关系，可能会影响本文报告的工作致谢这项工作得到了印度喀拉拉邦政府工程研究与发展中心（CERD）研究奖学金计划的支持。引用[1]T.G. Peter Mell，NIST对云计算的定义，美国商务部，2011年，pp. 145-164，特别出版物。[2]W.K. 黄 德 威 - L. 张 湾 ， 澳 - 地 Kao ， N. Mamoulis ， Secure knn computationonencrypteddatabases ， in ： ProceedingsOfThe2009ACMSIGMODInternationalConference On Management Of Data，ACM，2009，pp. 139-152.[3]B.S. Manjunath，J.- R. Ohm，V.V. Vasudevan，A.山田，颜色和纹理描述符，IEEETrans. 电路系统视频技术11（6）（2001）703[4] 安茹河Shreelekshmi，一个更快的安全的基于内容的图像检索使用聚类云，专家系统应用。189（2022）116070，http://dx.doi.org/10。1016/j.eswa.2021.116070，URLhttps://www.sciencedirect.com/science/article/pii/S0957417421014093。[5]M. Majhi，A.K. S.H.伊斯兰，M。Khurram Khan，使用改进的欧氏距离加密特征进行基于内容的安全图像检索，Trans.Emerg。电信。32（2）（2021）e4013.[6] Q.古，Z. Xia、X. Sun，J.Weng，MSPPIR：云计算中的多源隐私保护图像检索，2020，arXiv预印本arXiv：2007.12416。[7] M. Shen，G.成湖，澳-地Zhu，X. Du，J. Hu，基于内容的多源加密云图像检索与隐私保护，Future Gener。Comput. 系统109（2020）621-632。[8] 安茹河Shreelekshmi，在云中使用组合功能进行基于内容的安全图像检索，在：分布式计算和互联网技术国际会议，Springer，2020年，pp. 179-197页。[9] J.Qin，H. Li，X. Xiang，Y.湘，四川人谭，W。 潘，W。 妈妈，N.N.Xiong，基于Harris角点优化和LSH的云计算加密图像检索方法，IEEE Access7（2019）24626-24633。[10] Z. Xia，Y. Zhu，X.太阳，Z. Qin，K. Ren，Towards Privacy-Preserving Content-BasedImage Retrieval in Cloud Computing， IEEE Trans. Cloud Comput. 6（ 1）（2018）276-286。[11] Z. Xia、X.王湖，加-地Zhang，Z. Qin、X.孙，K. Ren，云计算中的隐私保护和防复制基于内容的图像检索方案，IEEETrans. INF. 法医安全11（11）（2016）2594[12] J.Z.Wang，Corel-1k图像数据集，2019，http://wang.ist.psu.edu/~jwang/test1。tar.（2019年6月1日查阅）。[13] 号政府大学，Corel图像数据集，2019，http://www.ci.gxnu.edu.cn/cbir/Dataset.aspx。（2019年1月1日查阅）。