安全的外包 SIFT:准确和有效的隐私保护图像 SIFT 功能提取

科学领域:

• 计算机科学 计算机科学
• 信息安全 信息安全
• 云计算 云计算 云计算

背景情况:

• 云计算为大数据提供了方便的IT基础设施,但用户隐私是一个主要问题.
• 将存储和计算外包到云端需要保护隐私的处理方法.
• 现有的安全的SIFT特征提取方法缺乏最佳的完整性,准确性和效率.

研究的目的:

• 为云环境提出一种新的安全的规模不变特征转换 (SIFT) 特征提取方案.
• 为了提高SIFT提取的完整性,准确性和效率,同时保持用户隐私.
• 完全在密码文本域内实现SIFT特征提取.

主要方法:

• 将复杂的SIFT步骤拆解为基本操作,以确保安全实施.
• 使用秘密共享协议来提高准确性和效率.
• 设计用于SIFT操作的安全绝对值比较协议.
• 完全在密码文本领域实施SIFT特征提取.
• 优化云间通信以减少轮回.

主要成果:

• 拟议的方案成功地实现了所有SIFT特征提取步骤在加密文本领域.
• 秘密共享协议和安全的比较协议提高了准确性和效率.
• 优化通信可以减少云服务器之间的开销.
• 实验结果表明,与现有的最先进的方法相比,性能优越.

结论:

• 开发的安全的SIFT特征提取方案提供了更好的完整性,准确性和效率.
• 这种方法有效地解决了基于云计算的大数据处理中的隐私问题.
• 这种方法为云环境中保护隐私的SIFT提取提供了强大的解决方案.