HERS：同态加密表示搜索
计算机视觉与模式识别
2022-06-22 v3 密码学与安全
机器学习
摘要
我们提出了一种在加密域中针对大型图库搜索探针（或查询）图像表示的方法。我们要求探针图像和图库图像均以定长表示形式表达，这对于从学习网络获得的表示而言是典型情况。我们的加密方案对定长表示如何获得不加限定，因此可应用于任意应用域中的任意定长表示。我们的方法称为 HERS（Homomorphically Encrypted Representation Search，同态加密表示搜索），其操作为：(i) 以最小精度损失将表示压缩至其估计本征维数；(ii) 使用所提出的全同态加密方案对压缩表示加密；(iii) 直接在加密域中针对加密表示图库高效搜索，而无需解密。在人脸、指纹及 ImageNet 等对象数据集的大型图库上的数值结果表明，加密域中准确且快速的图像搜索首次可规模化实现（500 秒；相较最先进加密搜索针对 1 亿图库实现 加速）。代码见 https://github.com/human-analysis/hers-encrypted-image-search
引用
@article{arxiv.2003.12197,
title = {HERS: Homomorphically Encrypted Representation Search},
author = {Joshua J. Engelsma and Anil K. Jain and Vishnu Naresh Boddeti},
journal= {arXiv preprint arXiv:2003.12197},
year = {2022}
}
备注
Published in the Trustworthy Biometrics Special Issue of IEEE Transactions on Biometrics, Behavior, and Identity Science 2021