حریم شخصی مبتنی بر حسگری فشرده، برای محافظت از برون سپاری ذخیره سازی تصاویر
چکیده
نظریه حسگری فشرده (CS) امکان ذخیره سازی فشرده دیتابیس های تصاویر را فراهم می کند که امروزه در سطح بسیار زیادی تولید می شوند. در این کاربرد، پیچیدگی محاسباتی بالای فرایند بازسازی CS ، معمولا به سرویس های ابری برون سپاری می شود زیرا در این سرویس های ابری منابع محاسبات و ذخیره سازی فراوانی وجود دارد. اگرچه این روش می تواند امید بخش باشد، اما موضوع نحوه محافظت از حریم شخصی داده ها و به صورت همزمان حفظ مدیریت تصاویر، هنوز یکی از موضوعات چالش بر انگیز است. برای رفع این چالش، ما یک روش بازسازی جدید برای تصاویر برون سپاری شده و سرویس تایید هویت در سیستم های ابری را ارائه می کنیم که از تکنیک های پردازش سیگنال در حوزه CS و برون سپاری محاسبه ها، استفاده می کند. در سیستم ما، نمونه تصویر های CS به سیستم ابری برون سپاری می شوند تا نیاز به ذخیره سازی کاهش پیدا کند. برای حریم شخصی، این طرح تضمین می کند که سیستم ابری به صورت امن تصاویر را بازسازی کند بدون این که محتوای زیر لایه ای افشا شود. برای مدیریت، این که آیا سیستم ابری تعیین کند که ارائه سرویس بازسازی تصویر ممکن است یا خیر، مبتنی بر نتایج تایید هویت می باشد. تحلیل های نظری و ارزیابی های تجربی نشان دهنده عملکرد قابل قبول امنیتی و پیچیدگی پایین محاسباتی در سیستم پیشنهاد شده می باشد. علاوه بر این، نتایج آزمایشی همچنین نشان دهنده امکان پذیری اجرایی روند تایید هویت در حوزه CS می باشد.
1. مقدمه
در سال های اخیر، الگوهای حس گری فشرده (CS) باعث شد است که مزیت های زیادی برای انتقال و پردازش تصاویر ایجاد شود، زیرا یک فرایند نمونه برداری فشرده با استفاده از این روش فراهم می شود که سیگنال ها را با نرخی کمتر از نایکوییست دریافت می کند. به صورت خاص، با اجرای نمونه برداری CS بر روی مجموعه داده های موجود از تصاویر، می توان در هزینه ذخیره سازی صرفه جویی کرد. اما، پیچیدگی بالای محاسباتی این بازسازی CS باعث شده است که این روش برای پردازش در دستگاه هایی که از نظر منابع محدود هستند، مانند گوشی های موبایل هوشمند، عملی نباشد. خوشبختانه، افزایش گرایش ها برای برون سپاری محاسبات به سیستم های ابری عمومی باعث شده است روش جدیدی فراهم شود تا بتوان این مشکل را رفع کرد. ازین رو با کمک محاسبات گسترده در سیستم های ابری و منابع ذخیره سازی فراوان، یک روش ذخیره سازی و بازسازی تصاویر به صورت عملی برای دستگاه هایی که از نظر منابع محدود هستند، تحت قالب کاری CS فراهم شده است.
Abstract
The theory of Compressive Sensing (CS) enables the compact storage of image datasets which are exponentially generated today. In this application, the high computational complexity CS reconstruction process is considered to be outsourced to the cloud for its abundant computing and storage resources. Although it is promising, how to protect data privacy and simultaneously maintain management of the image remains challenging. To address the challenge, we propose a novel outsourced image reconstruction and identity authentication service in cloud, which integrates the techniques of signal processing in the CS domain and computation outsourcing. In our system, the image CS samples are outsourced to cloud for reduced storage. For privacy, the scheme ensures the cloud to securely reconstruct image without revealing the underlying content. For management, whether the cloud determines to supply the reconstruction service is depending on the identity authentication result. Theoretical analysis and empirical evaluations show a satisfactory security performance and low computational complexity of the proposed system. Besides, experimental results also confirm the feasibility of identity authentication in the CS domain.
1. Introduction
In recent years, the Compressive Sensing (CS) paradigm [5,7,11] brings a lot of benefits to image transmission and processing, due to the compressive sampling process that captures signals at a sub-Nyquist rate. Specially, by performing CS sampling on the existing image dataset, the storage cost can be saved. However, the high computational complexity of the CS reconstruction makes it unrealistic for the processing on the resource constrained device such as a smart phone. Fortunately, the growing trend of computation outsourcing to the public cloud [8,12,16,32] provides a new avenue to solve this problem. Hence, with the help of cloud’s abundant computing and storage resources, a practical image storage and reconstruction service for resource constrained device under CS framework could be realized.
چکیده
1. مقدمه
1.1 چالش ها
1.2 انگیزه ها
1.3 تاثیرات مطالعاتی
2. کار های مربوطه
3. بیان مسئله
3.1 موضوعات اولیه
3.2 معماری سیستم
3.3 اهداف طراحی
4. طراحی CAISS
4.1 تبدیل مسئله
4.2 اجرای ماتریس رمز نگاری
4.3 جزییات سیستم نشان معیار
4.4 توصیف الگوریتم
4.5 فرایند طرح ها
5. تحلیل نظری
5.1 تحلیل صحت
5.2 تحلیل امنیت
5.3 تحلیل کارایی
5.4 تحلیل شناسایی نشان معیار
6. نتایج آزمایشی و تحلیل عملکرد
6.1 ارزیابی تاثیر
6.2 ارزیابی کارایی
6.3 اعتبار سنجی امکان شناسایی
7. جمع بندی
Abstract
1. Introduction
2. Related work
3. Problem statement
4. The CAISS design
5. Theoretical analysis
6. Experimental results and performance analysis
7. Conclusion
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه