隐私保护下的数据处理

摘要

随着互联网的发展，隐私问题获得了越来越多的关注，但是在隐私保护数据处理领域，仍然有问题亟待解决。云服务器有着丰富的计算资源，并且能完成指定的计算任务。随着个人和企业数据的高速增长，有着越来越多的计算任务在本地难以处理，要外包给云服务器进行运算。 如果我们的数据直接暴露给云服务器会直接面临隐私泄露的问题，那么如何在实现图像计算的同时保护私有图像数据成为我们的主要关注点。为了解决这一问题，本文就基于同态加密方案加密的数据处理与特征提取的问题进行了研究。 本文在前人研究成果的基础上，对基于同态加密方案加密的数据在神经网络中的使用以及基于同态加密方案的隐私图像特征提取进行了研究。本文的研究成果主要包含以下几个内容： 1.使用同态加密构造了一个可以对隐私保护数据进行处理的神经网络，设计了一种可以支持同态运算属性的激励函数。对该算法进行分析得知，我们的方案可以在多项式时间内完成计算。 2.提出一种在隐私保护图像上提取安全Haar特征的方案。基于同态加密方案，实现了在图像密文域上的安全Haar特征提取。安全Haar特征是Haar特征在密文域上的表现，与原始Haar特征相比，在维持有效性的同时，可以有效保护图像的隐私。通过对算法以及特征值的分析和评估，我们方案得到的安全Haar特征解密后与明文图像提取的Haar特征非常相近，并且可以在多项式时间内完成。 3.提出了一种密态数值比较的方案。我们利用同态加密的同态性质，设计了一种双加密方案，该方案由两方参与，可以在1次交互的情况下，以极低的运算资源得到比较结果。 4.应用安全Haar特征。使用前面在图像密文域中提取的安全Haar特征，实现隐私保护图像的人脸检测，通过对实验结果进行分析，我们的方案的检测结果与原始Haar特征检测结果非常相近。

目录

声明

第一章 绪论

1.1 研究的背景与意义

1.2 国内外研究现状

1.2.1 隐私保护机器学习算法

1.2.2 隐私保护图像特征提取算法

1.3 本文主要的贡献

1.4本文的结构安排

1.5 小结

第二章 预备知识

2.1 密码学工具

2.1.1 1-out-of-n茫然传输协议介绍

2.1.2 同态加密介绍

2.2 神经网络介绍

2.3 Haar特征介绍

2.4 小结

第三章 隐私保护神经网络方案

3.1 应用场景

3.2 方案模型

3.3 方案分析

3.3.1 安全性分析

3.3.2 正确性分析

3.3.3 时间复杂度分析

3.4 小结

第四章 隐私保护图像的Haar特征提取

4.1应用场景

4.2方案构建

4.3 密文域Haar特征提取算法

4.4基于安全Haar特征的隐私保护图像人脸检测

4.5 关键问题分析与实验说明

4.5.1 隐私性分析

4.5.2 准确性分析

4.5.3 效率分析

4.5.4 实验说明

4.6 小结

第五章 总结与展望

5.1 本文的工作总结

5.2后续的研究工作

参考文献

攻读硕士学位期间的主要成果

致谢