视觉盲计算:基于密码学的云环境人脸隐秘识别

随着云计算技术的深入应用、网络传输速度的不断加快、图像视频数据的持续增长,人们将越来越多的图像视频数据存储在云端,并且逐渐习惯于依赖云端的强大计算能力和优秀算法处理与分析图像视频。例如,百度云盘、时光相册等网盘中可以存储大量的图像视频,并且可以在云端完成人脸检测识别,例如,检索某一个特定人物的所有照片,或者某几个特定人物的合影照片等。这些智能应用在带来巨大便利的同时,也带来了存储在云端的用户影像数据的隐私泄露问题,一旦云存储服务器被攻破,这些携带大量用户隐私的影像数据将直接泄露。例如,2014年8月31日,约200张大多为好莱坞女性艺人上传到苹果云存储服务iCloud上的私人照片被人盗取并上传至了贴图网站4chan,造成了恶劣的社会影响,使得人们逐渐意识到:图像视频的云存储与计算带来的内容隐私泄露风险是网络空间安全的新挑战。在该背景下,北京电子科技学院可视计算与安全课题组相继提出了基于密码学的云环境人脸盲检测、识别与检索算法,力求在不泄露内容隐私的前提下,在云端隐秘地完成人脸检测、识别与检索。

检测:早在2006年,Avidan & Butman提出了视觉盲计算(Blind Vision),该方法利用标准的密码工具实现了VJ物体检测算法的隐秘版本,但是其利用的密码算法计算过于缓慢,以至于扫描一幅普通图像需要若干小时。2017年,本课题组提出图像的随机基图像表示,将待检测图像随机地分解为若干随机基图像,只将随机基图像随机地发送给云端,云端在随机基图像上进行VJ算法物体检测的特征计算,将计算结果发回给终端后,终端计算真实的特征响应,再利用百万富翁协议隐秘地与云端阈值比较大小之后确定是否为人脸。该方法同时保护了用户图像的内容隐私,也保护了云服务提供商所训练的算法参数。实验结果表明基于随机基图像的方法将传统的Blind Vision方法的计算速度提高了10~50倍,如图1所示[1]。

图1云环境人脸图像隐秘检测

识别:2010年,Osadchy等人提出了SCIFI算法[2](S&P2010 Best Paper),该算法利用两个密码学工具:同态加密和不经意传输,实现了人脸二进制向量表示的汉明距离的隐秘计算,然而该算法所提出的人脸二进制向量维度过高,难以实用,并且其基于人脸关键图像块的表示方法被Luong等人攻击,能够恢复出部分人脸信息。2015年,本课题组提出了基于稀疏表示的人脸图像盲识别方法[3],如图2所示,利用稀疏表示将人脸表示成十进制向量,并且提出了十进制向量的欧氏距离隐秘计算方法。在只损失了4%识别率的情况下,将SCIFI的人脸表示向量长度从3000bit降低到1600bit,并且能够抵御Luong等人的攻击方法。随后2017年,北京工业大学的毋立芳教授团队提出了基于深度学习的人脸隐秘识别方法[4],进一步将人脸表示向量长度降低到256bit。

图2云环境人脸图像隐秘识别

检索:2017年,本课题组提出了云环境人脸隐秘检索方案[5],即百度云盘、时光相册等现有云环境明文人脸检索方法的隐秘版本,能够同时保护用户照片的内容隐私与人脸检测服务提供商的模型参数,云端仅仅提供存储与计算资源,如图3所示。

图3云环境人脸图像隐秘检索

该研究的相关成果发表于多媒体领域著名国际会议ICME2017,中国生物识别会议CCBR2015,和人工智能领域顶级会议IJCAI2017 Workshop上。

Xin Jin, Peng Yuan, Xiaodong Li,Chenggen Song, Shiming Ge, Geng Zhao and Yingya Chen. Efficient PrivacyPreserving Viola-Jones Type Object Detection via Random Base ImageRepresentation. IEEE International Conference on Multimedia and Expo (ICME), Hong Kong, China, 10-14 July,pp.643-678, 2017. (CCF-B)

Margarita Osadchy, Benny Pinkas, Ayman Jarrous, and Boaz Moskovich, “Scifi - A system for secure face identification,” in 31st IEEE Symposium on Security and Privacy (S&P) 2010, 16-19 May 2010, Berleley/Oakland, California, USA, 2010, pp. 239–254.(CCF-B)

Xin Jin, Yan Liu, Xiaodong Li, Geng Zhao, Yingya Chen, and Kui Guo. Privacy Preserving Face Identification in the Cloud through Sparse Representation. The 10th Chinese Conference on Biometric Recognition (CCBR), Tianjin, China, 13-15 November, pp.160-167, 2015.

Yukun Ma, Lifang Wu, Xiaofeng Gu, Jiaoyu He and Zhou Yang, "A Secure Face-Verification Scheme Based on Homomorphic Encryption and Deep Neural Networks," in IEEE Access, vol. 5, pp. 16532-16538, 2017.

Xin Jin, Shiming Ge, Chenggen Song. Privacy Preserving Face Retrieval in the Cloud for Mobile Users. Abuse Preventive Data Mining (IJCAIW), 19-25 August, 2017 Melbourne, Australia

---------------------------------------------------------------------------------------------------

欢迎关注北京电子科技学院

可视计算与安全组官方微信

  • 发表于:
  • 原文链接:http://kuaibao.qq.com/s/20180213G0AY5K00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。

扫码关注云+社区

领取腾讯云代金券