DeepEDN：一种面向医疗物联网的基于深度学习的图像加密与解密网络
密码学与安全
2020-12-22 v2 计算机视觉与模式识别
图像与视频处理
摘要
医疗物联网（IoMT）可将众多医学影像设备连接到医疗信息网络，以方便医生的诊断与治疗过程。由于医学图像包含敏感信息，保护患者隐私或安全至关重要且极具挑战性。本文提出一种基于深度学习的加密与解密网络（DeepEDN），以实现医学图像的加密与解密过程。具体而言，在 DeepEDN 中，采用循环生成对抗网络（Cycle-GAN）作为主学习网络，将医学图像从其原始域迁移至目标域。目标域被视为“隐藏因子（Hidden Factors）”以引导学习模型实现加密。加密图像通过重构网络恢复为原始（明文）图像，从而实现图像解密。为便于在隐私保护环境下直接进行数据挖掘，提出感兴趣区域（ROI）挖掘网络，从加密图像中提取目标对象。所提 DeepEDN 在胸部 X 光数据集上进行了评估。大量实验结果与安全分析表明，该方法能以良好的效率实现高水平的安全性。
引用
@article{arxiv.2004.05523,
title = {DeepEDN: A Deep Learning-based Image Encryption and Decryption Network for Internet of Medical Things},
author = {Yi Ding and Guozheng Wu and Dajiang Chen and Ning Zhang and Linpeng Gong and Mingsheng Cao and Zhiguang Qin},
journal= {arXiv preprint arXiv:2004.05523},
year = {2020}
}