• 中国精品科技期刊
  • CCF推荐A类中文期刊
  • 计算领域高质量科技期刊T1类
高级检索

基于区域卷积神经网络的图像秘密共享方案

刘雁孝, 吴萍, 孙钦东

刘雁孝, 吴萍, 孙钦东. 基于区域卷积神经网络的图像秘密共享方案[J]. 计算机研究与发展, 2021, 58(5): 1065-1074. DOI: 10.7544/issn1000-1239.2021.20200898
引用本文: 刘雁孝, 吴萍, 孙钦东. 基于区域卷积神经网络的图像秘密共享方案[J]. 计算机研究与发展, 2021, 58(5): 1065-1074. DOI: 10.7544/issn1000-1239.2021.20200898
shu
Liu Yanxiao, Wu Ping, Sun Qindong. Secret Image Sharing Schemes Based on Region Convolution Neural Network[J]. Journal of Computer Research and Development, 2021, 58(5): 1065-1074. DOI: 10.7544/issn1000-1239.2021.20200898
Citation: Liu Yanxiao, Wu Ping, Sun Qindong. Secret Image Sharing Schemes Based on Region Convolution Neural Network[J]. Journal of Computer Research and Development, 2021, 58(5): 1065-1074. DOI: 10.7544/issn1000-1239.2021.20200898
shu
刘雁孝, 吴萍, 孙钦东. 基于区域卷积神经网络的图像秘密共享方案[J]. 计算机研究与发展, 2021, 58(5): 1065-1074. CSTR: 32373.14.issn1000-1239.2021.20200898
引用本文: 刘雁孝, 吴萍, 孙钦东. 基于区域卷积神经网络的图像秘密共享方案[J]. 计算机研究与发展, 2021, 58(5): 1065-1074. CSTR: 32373.14.issn1000-1239.2021.20200898
shu
Liu Yanxiao, Wu Ping, Sun Qindong. Secret Image Sharing Schemes Based on Region Convolution Neural Network[J]. Journal of Computer Research and Development, 2021, 58(5): 1065-1074. CSTR: 32373.14.issn1000-1239.2021.20200898
Citation: Liu Yanxiao, Wu Ping, Sun Qindong. Secret Image Sharing Schemes Based on Region Convolution Neural Network[J]. Journal of Computer Research and Development, 2021, 58(5): 1065-1074. CSTR: 32373.14.issn1000-1239.2021.20200898
shu

基于区域卷积神经网络的图像秘密共享方案

  • 1(西安理工大学计算机科学与工程学院 西安 710048)

  • 2(广西可信软件重点实验室(桂林电子科技大学) 广西桂林 541004) (liuyanxiao@xaut.edu.cn)

基金项目: 陕西省自然科学基础研究计划项目(2019JQ-736)；陕西高校青年创新团队项目；广西可信软件重点实验室研究课题(KX202036)；西安市科技计划项目(GXYD14.12,GXYD14.13)
详细信息

  • 中图分类号: TP309

Secret Image Sharing Schemes Based on Region Convolution Neural Network

  • 1(Faculty of Computer Science and Engineering, Xi’an University of Technology, Xi’an 710048)

  • 2(Guangxi Key Laboratory of Trusted Software (Guilin University of Electronic Technology), Guilin, Guangxi 541004)

Funds: This work was supported by the Natural Science Basic Research Project of Shaanxi Province (2019JQ-736), the Youth Innovation Team of Shaanxi Universities, the Guangxi Key Laboratory of Trusted Software (KX202036), and the Project of Xi’an Science and Technology Bureau (GXYD14.12, GXYD14.13).

摘要

    摘要
  • 摘要: 数字图像在如今网络高速发展时代已成为重要的信息载体，而对图像信息的安全保护也成为安全领域的重要研究课题.图像秘密共享方案是一种基于门限的密码学方案，能够为多个用户提供一种保护图像秘密信息的方案.该方案将秘密图像加密成若干个影子图像，分配给不同的用户.当用户的个数达到门限值后，原始图像可以被重构，否则用户无法获得原始图像的任何信息.图像信息的分类和识别是图像秘密共享的前提和基础，卷积神经网络(convolutional neural network, CNN)在图像分类和识别中具有较高的准确性和较快的速度.将基于卷积神经网络的图像识别和分类与图像秘密共享结合起来，将深度学习工具应用于图像信息保护，可以提高基于传统人工图像识别的图像保护方案的效率.首先采用区域卷积神经网络(region CNN, RCNN)模型对图像进行识别，根据所包含的信息内容将图像分割成重要性级别不同的若干区域，然后在此基础上构造2种图像秘密共享方案，渐进式重构图像秘密共享方案以及具有重要影子图像的图像秘密共享方案.其中重要性级别较高的图像区域在图像重构中需要较高的门限，这一特性使得图像秘密共享方案能够适用于更多的应用场景.与传统的基于人工特征的图像识别方法相比，神经网络的引用能够提升图像分类和识别的效率，从而进一步提升了图像秘密共享的应用价值.
    Abstract: Digital image has become an important information carrier in the era of rapid network development, the security protection of image information has also become an important research topic in the security field. Secret image sharing is a threshold based approach that can protect confidential information in an image among multiple users. This scheme encrypts the secret image into several shadow images according a threshold and distributes them to different users. When the number of users reaches the threshold, the original image can be reconstructed, otherwise the user cannot obtain any information about the original image. The classification and recognition of image information is the premise and basis for image secret sharing, CNN (convolutional neural network) has higher accuracy and faster speed in image classification and recognition. In this paper, we combine CNN based image recognition and classification with secret image sharing together to applying the tool of deep learning in the field of information protection. First, we adopt Faster RCNN (region convolutional neural network) model to segment a secret image into multiple regions, where each region has dierent level, then progressive secret image sharing and secret image sharing with essential shadows are constructed, where the region with higher importance level needs higher threshold in reconstruction, this feature makes the image secret sharing scheme suitable for more application scenarios Compared with traditional image recognition methods based on artificial features, the use of Faster RCNN can greatly improve the efficiency of image classification and recognition, thereby further enhancing the application value of image secret sharing.
    • HTML全文
    • 参考文献(0)
    • 相关文章
    • 施引文献(104)

  • 期刊类型引用(29)

    1. 丁森阳，徐向华. 基于字段信息和覆盖率反馈的协议模糊测试方法. 软件工程. 2025(02): 56-60+66 . 百度学术
    2. 唐成华，蔡维嘉，杨萌萌，强保华. CBFuzzer：基于执行上下文导向及保护突破的程序缺陷模糊检测. 计算机研究与发展. 2025(03): 790-807 . 本站查看
    3. 陆力瑜，刘媛，洪超，曹扬，莫蓓蓓，匡晓云，杨祎巍. 基于影响性导向的模糊测试种子筛选方法. 网络安全技术与应用. 2024(02): 44-46 . 百度学术
    4. 侍言，羌卫中，邹德清，金海. 进化内核模糊测试研究综述. 网络与信息安全学报. 2024(01): 1-21 . 百度学术
    5. 王明义，甘水滔，王晓锋，刘渊. 基于种子智能生成的内核模糊测试模型. 信息安全学报. 2024(03): 124-137 . 百度学术
    6. 李志博，李清宝，兰明敬. 基于ART优化选择策略的遗传算法生成测试数据方法. 计算机科学. 2024(06): 95-103 . 百度学术
    7. 崔展齐，张家铭，郑丽伟，陈翔. 覆盖率制导的灰盒模糊测试研究综述. 计算机学报. 2024(07): 1665-1696 . 百度学术
    8. 王琴应，许嘉诚，李宇薇，潘祖烈，张玉清，张超，纪守领. 智能模糊测试综述:问题探索和方法分类. 计算机学报. 2024(09): 2059-2083 . 百度学术
    9. 许爱东，徐培明，尚进，孙钦东. 基于强化学习多算法组合模型的智能化模糊测试技术. 计算机工程与应用. 2024(20): 284-292 . 百度学术
    10. 张翔，王峰，李兴华，查娟娟，叶家敏. 基于包序列变异和反馈引导的电力通信协议模糊测试方法. 宁夏电力. 2024(05): 70-75 . 百度学术
    11. 刘羿希，何俊，吴波，刘丙童，李子玉. DevSecOps中软件安全性测试技术综述. 计算机应用. 2024(11): 3470-3478 . 百度学术
    12. 李泽源，尹中旭，宗国笑，桑海涯. 基于多目标支配分析和路径动态修剪优化的定向模糊测试技术. 计算机应用研究. 2024(11): 3455-3463 . 百度学术
    13. 纪守领，王琴应，陈安莹，赵彬彬，叶童，张旭鸿，吴敬征，李昀，尹建伟，武延军. 开源软件供应链安全研究综述. 软件学报. 2023(03): 1330-1364 . 百度学术
    14. 孙力立 ，张培华 ，武成岗 ，王喆 . JavaScript引擎JIT代码的类型混淆缺陷检测器. 高技术通讯. 2023(03): 251-260 . 百度学术
    15. 白英民，师智斌，信文阁，窦建民，张舒娟，王子建. 基于词嵌入与Shapelet时序特征的智能合约漏洞检测方法研究. 中北大学学报(自然科学版). 2023(04): 381-387 . 百度学术
    16. 樊志强，王洪宇，刘日昇. 命令行接口模糊测试漏洞挖掘研究及应用. 网络安全与数据治理. 2023(07): 61-66+78 . 百度学术
    17. 王鹃，张冲，龚家新，李俊娥. 基于机器学习的模糊测试研究综述. 信息网络安全. 2023(08): 1-16 . 百度学术
    18. 李航宇，方浩然，曲彦文，郭帆. ADFuzz：使用异常检测筛选低频路径高效模糊测试. 计算机研究与发展. 2023(08): 1912-1924 . 本站查看
    19. 刘博洋，刘潮，任艺琳，满芮，苗晗. 基于模糊测试工控协议漏洞挖掘技术研究. 科技风. 2023(24): 78-80 . 百度学术
    20. 白海波. 人工智能技术在模糊测试中的应用. 数字技术与应用. 2023(08): 16-18 . 百度学术
    21. 张颖君，周赓，程亮，孙晓山，张阳. 基于双重覆盖信息协同的协议模糊测试. 计算机系统应用. 2023(09): 32-42 . 百度学术
    22. 王宇，黄松，曲豫宾. 面向深度学习的模糊测试研究进展. 安庆师范大学学报(自然科学版). 2023(03): 66-73 . 百度学术
    23. 陈锦山，余斯航，祁琦，孙鑫，安珂欣，李俊娥. 针对VxWorks电力工控终端的模糊测试方法. 电力信息与通信技术. 2023(09): 15-22 . 百度学术
    24. 郑鹏，沙乐天. 基于混合分析的Java反序列化漏洞检测方法. 计算机工程. 2023(12): 136-145 . 百度学术
    25. 王雨绚，张之江，姚旭寅，李伟杰，杨融. 机载网络安保测试方法研究. 工业控制计算机. 2022(03): 95-97 . 百度学术
    26. 刘林彬，苗泉强，李俊娥. 基于模糊测试的GOOSE协议解析漏洞挖掘方法. 中国电力. 2022(04): 33-43 . 百度学术
    27. 程亮，王化磊，张阳，孙晓山. 基于聚类和新覆盖信息的模糊测试改进. 计算机系统应用. 2022(09): 192-200 . 百度学术
    28. 王朝晖，殷哲，刘娟. 软件供应链开源组件安全风险评估. 电子技术与软件工程. 2022(22): 80-84 . 百度学术
    29. 张琦，马莺姿. 模糊测试器AFL种子变异策略优化研究. 现代信息科技. 2021(24): 142-145 . 百度学术

    其他类型引用(75)

    • 资源附件(0)
计量
  • 文章访问数:  649
  • HTML全文浏览量:  6
  • PDF下载量:  320
  • 被引次数: 104
出版历程
  • 发布日期:  2021-04-30

目录

摘要
HTML全文
    参考文献(0)
    相关文章
    施引文献
    资源附件(0)

    /

    返回文章
    返回
    邮件订阅 RSS
    微信订阅号<br/>（实时资讯）

    微信订阅号
    （实时资讯）

    微信服务号<br/>（同步网站）

    微信服务号
    （同步网站）

    微信视频号<br/>（视频分享）

    微信视频号
    （视频分享）

    CCF<br/>（扫码入会）

    CCF
    （扫码入会）

    版权所有 © 《计算机研究与发展》编辑部

    本系统由北京仁和汇智信息技术有限公司开发  百度统计