劉錦強, 唐春明, 劉憶寧*

(1. 桂林電子科技大學(xué) 計算機與信息安全學(xué)院， 廣西 桂林 541004； 2. 廣州大學(xué) 數(shù)學(xué)與信息科學(xué)學(xué)院， 廣東 廣州 510006)

隨著5G物聯(lián)網(wǎng)設(shè)備的發(fā)展，智能家居系統(tǒng)得到了廣泛的應(yīng)用[1-2]。在智能家居系統(tǒng)中，用戶可以通過物聯(lián)網(wǎng)設(shè)備對房屋環(huán)境進行監(jiān)控及控制，例如，通過智能空調(diào)控制溫度，通過智能窗簾控制室內(nèi)光線，使用物聯(lián)網(wǎng)攝像頭監(jiān)控房屋等[3-4]。然而，物聯(lián)網(wǎng)設(shè)備收集的數(shù)據(jù)包含大量用戶的隱私信息，尤其是物聯(lián)網(wǎng)監(jiān)控攝像頭收集的圖像數(shù)據(jù)包含大量的用戶日常生活信息，這些信息發(fā)生泄漏的后果將會十分嚴重，因此，必須對圖像中的隱私信息進行保護[5]。

傳統(tǒng)的圖像隱私保護方法主要通過采用加密算法打亂相鄰像素間的相關(guān)性，使圖像中的信息無法被識別。傳統(tǒng)的數(shù)據(jù)加密算法包括AES和DES，這2種算法主要用于數(shù)據(jù)加密并且具有較高的安全性[6]。由于智能攝像頭拍攝了大量包含用戶日常生活的圖像信息，若直接使用AES和DES，則需要大量的計算資源，其加密效率十分低下[7-8]。

混沌系統(tǒng)最早由Lorenz提出[9]，此后構(gòu)建的混沌映射系統(tǒng)得到了重要應(yīng)用[10-11]。近年來，混沌映射算法因其具有偽隨機性、遍歷性和初值敏感性等特點，在圖像加密算法中得到了廣泛應(yīng)用。混沌映射算法主要分為一維、兩維及多維混沌映射算法[12]。Ahmad等[13]提出一種基于混沌映射和正交矩陣的圖像加密方案。Muhammad等[14]提出一種應(yīng)用于物聯(lián)網(wǎng)環(huán)境中的工業(yè)監(jiān)控隱私保護方案，該方案使用基于二維正弦的混沌系統(tǒng),對監(jiān)控視頻中的關(guān)鍵幀進行加密。雖然這些混沌映射算法的安全性很高，但由于大多數(shù)算法仍比較復(fù)雜，并不適用于物聯(lián)網(wǎng)攝像機。此外，大部分混沌映射算法對整幅圖像進行加密，盡管提高了圖像的安全級別，但是缺乏靈活性，并且浪費了計算資源。

與混沌映射算法的高安全性相比，近年來，基于置換的圖像加密算法引起了研究人員的廣泛關(guān)注。基于置換的圖像加密算法通常分為3類：像素替換算法、位置替換算法和塊替換算法[15]。像素替換算法和位置替換算法相較于塊替換法需要更多的加密時間。塊替換算法需要處理的圖像塊越小，加密效果越好。這些基于置換的圖像加密算法雖然加密時間較快，但是安全性較差，并且這些算法大多對整張圖像進行加密，缺乏靈活性。

考慮到圖像加密算法的安全性和靈活性，Lv等[16]提出一種基于動態(tài)膜的加密模型。在該模型中，云平臺首先生成一個矩陣作為遮蔽膜，然后由物聯(lián)網(wǎng)攝像頭使用遮蔽膜遮蔽圖像中的敏感區(qū)域。盡管Lv等的方案靈活性以及效率較高，但是由于云平臺可以獲得全部的遮蔽膜及敏感區(qū)域信息，因此，存在云平臺與惡意用戶合謀的可能，這將是不安全的。

盡管研究人員提出了眾多的圖像加密算法，但這些算法并不能直接應(yīng)用于智能家居環(huán)境。原因如下：①家用攝像頭拍攝的視頻每秒25到30幀，由于智能攝像頭的計算資源受限，且持續(xù)獲取圖像，因此,對每一幀進行加密是不合理的;②家庭監(jiān)控攝像頭拍攝的內(nèi)容是日常生活，圖像中的場景單一，并非整個圖像都包含敏感信息，加密整個圖像會浪費計算資源;③不同用戶對隱私的定義不同，傳統(tǒng)加密算法無法提供自適應(yīng)加密策略。

在此背景下，本文提出一種應(yīng)用于智能家居環(huán)境中的輕量、靈活的智能家居圖像隱私保護方案，該方案充分考慮了監(jiān)控攝像頭的計算能力和用戶的隱私要求。具體來說，在用戶選擇隱私標(biāo)簽后，智能攝像頭會根據(jù)用戶的隱私要求自動檢測和拾取敏感區(qū)域，然后使用輕量級遮蔽算法對圖像中的敏感區(qū)域進行遮蔽。為了減少計算資源的損耗，保證加密算法的靈活性，只有當(dāng)某幀中出現(xiàn)用戶自定義的敏感區(qū)域時，才會進行遮蔽，其他幀不進行任何操作。此外，本方案充分考慮了物聯(lián)網(wǎng)監(jiān)控攝像頭的計算能力，提出的遮蔽算法是輕量級的，去除掩碼后的加密圖像與原始圖像一致。

本文的貢獻如下:

(1)提出了一種用于智能家居的輕量級圖像隱私保護方法，該方案可以自動識別視頻流中的敏感幀并保護敏感幀的隱私;

(2)提出的方法充分考慮了用戶的隱私需求，可以根據(jù)不同用戶的隱私需求動態(tài)保護特定區(qū)域的隱私;

(3)進行了充足實驗，實驗表明,所提出的方法適用于智能家居環(huán)境。

1 預(yù)備知識

1.1 Logistic映射算法

Logistic映射算法[17]是混沌系統(tǒng)中常用的一種算法，廣泛應(yīng)用于圖像加密中。 算法原理如下：

xn+1=μxn(1-xn),

其中, 0<μ<4，當(dāng)μ∈(3.75,4]時,圖像為混沌圖,n=0,1,2,3…然而，用于實數(shù)域值的Logistic映射具有一定的局限性。

在實際的計算機應(yīng)用中，由于需要計算浮點數(shù)，該算法可能會使計算資源的消耗增加1倍。為了解決浮點計算引起的計算量增加的問題，Miyazaki等[18]提出了一種適用于整數(shù)的邏輯映射算法，具體如下：

其中，X∈[0, 2n],n=0,1,2,3…?.」為向下取整。

Muhammad等[19]定義了有限域上的邏輯映射, 具體如下：

Xi+1=fZN(Xi)=μNXi(Xi+1)(modN),

其中，控制參數(shù)μN∈[1,N-1],Xi∈[0,N-1],i=1,2,3,…

1.2 整數(shù)向量同態(tài)加密算法(Integer Vector Homomorphic Encryption algorithm, VHE)

整數(shù)向量加密算法[20]是一種高效的加密算法，該算法被廣泛地應(yīng)用于云計算環(huán)境中。本文中，VHE算法將被用于遮蔽膜的生成，VHE算法的細節(jié)如下：

(1)密鑰生成階段

實體A生成一個大小為m×n的矩陣S，然后發(fā)送矩陣S給實體B，其中，S中的元素均為整數(shù)。

(2)加密階段

步驟2:實體A利用向量β=(b1,b2,…,bm)Τ計算wβ，其中，β代表明文，b1,b2, …,bm為整數(shù)。

(3)解密階段

1.3 DNA加密算法

脫氧核糖核酸含有蛋白質(zhì)和RNA生物合成所必需的遺傳信息，是一種重要的生物大分子。DNA包含4個堿基，即腺嘌呤(A)、鳥嘌呤(G)、胞嘧啶(C)和胸腺嘧啶(T)。DNA中的4個堿基有特定的分配規(guī)則，其中，A與T配對，C與G配對。該配對原則對應(yīng)于計算機中0和1的互補原則。 因此，研究人員根據(jù)DNA的配對原理設(shè)計了DNA加密算法[21]。DNA加密算法的編碼原理如表1所示。

表1 DNA加密算法編碼原理

DNA的編碼規(guī)則采用八進制，每2位對應(yīng)1個堿基。 由于不知道對應(yīng)的規(guī)則，所以對應(yīng)的規(guī)則有8個，如表2所示。

表2 DNA加密算法可能的編碼規(guī)則

2 采用的方法

為保護智慧家居環(huán)境中圖像的隱私，本文提出了一種具有靈活性特點的輕量級圖像隱私保護模型，如圖1所示。該模型由圖像采集與預(yù)處理部分和遮蔽算法2個部分組成。在遮蔽算法部分，本研究提出了一種圖像中敏感區(qū)域的遮蔽算法。

圖1 系統(tǒng)模型圖Fig.1 Scheme proposed

2.1 圖像采集與預(yù)處理

在智能家居環(huán)境中，不同用戶對于圖像中隱私區(qū)域的定義是不同的，例如為了獲得來訪者來訪預(yù)警服務(wù)，但不泄露來訪者的人臉信息，用戶可以設(shè)置人臉信息作為隱私區(qū)域，也可以將眼部設(shè)置為隱私區(qū)域。這些區(qū)域?qū)鳛殡[私標(biāo)簽用于后續(xù)敏感區(qū)域的隱私遮蔽。

物聯(lián)網(wǎng)攝像頭采集圖像并上傳到云服務(wù)器前，首先向用戶提供一些設(shè)定好的隱私標(biāo)簽以提供個性化的隱私服務(wù)，如來訪者的全部人臉、眼部信息或者是來訪人員的車牌等，然后利用已部署好的YOLO v5算法[22]來獲取圖像的敏感信息區(qū)域，并輸出符合用戶隱私要求的隱私目標(biāo)信息。選擇使用 YOLO v5 算法的原因是它比其他目標(biāo)檢測算法具有更快的檢測速度及更高的準(zhǔn)確率，適合應(yīng)用于智能家居環(huán)境中。

2.2 遮蔽算法

2.2.1 加密

步驟1：智慧攝像頭識別敏感區(qū)域位置SAr×SAc，然后生成一個序列S1,S1i∈{20,21,…28}，其中，i∈(0,1,…,SAr×SAc)；

步驟2：云服務(wù)器根據(jù)獲取的敏感區(qū)域信息以及密鑰S2利用邏輯映射算法生成Mi∈{20,21,…28},其中，i∈(0,1,…,SAr×SAc)，然后云服務(wù)器向智能攝像頭發(fā)送M；

步驟3：智能攝像頭執(zhí)行VHE算法計算矩陣C的具體細節(jié)如公式(1)所示，其中，e是一個誤差項；

C=S1-1(WM+e)

(1)

步驟4：智能攝像頭定位圖像中的敏感區(qū)域后，利用步驟3得到的矩陣C與圖像中的敏感區(qū)域所對應(yīng)的矩陣執(zhí)行DNA加密算法，對圖像中的敏感區(qū)域進行遮蔽；

步驟5：智能攝像頭向云服務(wù)器發(fā)送加密圖。

2.2.2 解密

步驟1:根據(jù)密鑰S1以及S2計算矩陣C;

步驟2:執(zhí)行DNA解密算法。

3 實驗與仿真

本節(jié)對采用的實驗環(huán)境及實驗結(jié)果進行了詳細描述。采集和預(yù)處理部分在系統(tǒng)配置為2.3 GHz處理器和Windows 10的云實例上使用Python進行。其中，所選擇的圖像均為灰度圖像，實驗圖像名稱、原圖大小以及敏感區(qū)域大小如表3所示。

表3 實驗圖尺寸

本文以3幅圖像為例來驗證所提出的模型。如圖2所示.

圖2 原始圖像加密及解密效果圖

由圖2可知，經(jīng)過遮蔽操作后的圖像無法識別出用戶所設(shè)定的隱私區(qū)域內(nèi)容，圖像中的其他區(qū)域未經(jīng)任何處理，這表明該算法具有較好的靈活性，可以滿足用戶可定制化隱私的需求。

3.1 直方圖分析

灰度直方圖(圖3)可以直觀地評價圖像的像素色調(diào)分布。 在直方圖中，x軸和y軸表示對應(yīng)強度級別的像素數(shù)。圖3(a)、圖(b)、圖(c)分別是原始圖像、原始敏感區(qū)域圖像和加密敏感區(qū)域圖像的直方圖。

圖3 灰度直方圖Fig.3 Grayscale histogram of the original image

由圖3可知，原始圖像的灰度直方圖是不均勻的，沒有經(jīng)過遮蔽處理的敏感區(qū)域的灰度直方圖分布不均，被遮蔽后敏感區(qū)域的灰度直方圖分布均勻，這就證明了被遮蔽的圖像不會泄露隱私信息，遮蔽算法具有較好的安全性。

3.2 像素相關(guān)性分析

相鄰像素的相關(guān)性(圖4)反映了圖像相鄰位置像素值的相關(guān)程度，如公式(2)所示：

c=

(2)

其中，xi和yi是相鄰像素值，N是像素數(shù)。

圖4 相鄰像素值的相關(guān)分析

由圖4可知，所選圖像中的敏感區(qū)域被遮蔽后，相鄰像素的相關(guān)性被完全破壞，這使得通過統(tǒng)計攻擊的手段難以對加密圖進行預(yù)測。說明使用本文提出的方案對圖像的敏感區(qū)域進行遮蔽后，遮蔽圖像的相鄰像素分布高度分散，與原始圖像的相關(guān)性非常低。

3.3 MSE, RMSE和PSNR

均方誤差(MSE)定義了圖像I1和I2之間對應(yīng)像素差的平方，可以用來描述原始圖像和恢復(fù)掩蔽圖像之間的質(zhì)量差異，可由公式(3)表示：

(3)

均方根誤差 (RMSE) 是MSE的平方根,可由公式(4)表示：

(4)

為了驗證圖像遮蔽操作的效率，使用峰值信噪比(PSNR)來驗證遮蔽恢復(fù)圖像的質(zhì)量，如公式(5)所示：

(5)

PSRN的值越大，去除遮蔽后的圖像質(zhì)量越高。經(jīng)過計算，上述3個例子中的PSNR=+∞。該結(jié)果證明，恢復(fù)遮蔽后的圖像質(zhì)量與原始圖像質(zhì)量相同，滿足物聯(lián)網(wǎng)相機中圖像加密算法的圖像質(zhì)量要求。

3.4 NPCR和UACI

像素數(shù)變化率(NPCR)表示不同加密圖像在同一位置不同灰度值的比率，計算公式如式(6)所示。統(tǒng)一平均變化強度(UACI)表示不同加密圖像之間的平均變化密度，計算公式如式(7)所示。使用這2個參數(shù)來驗證本文提出的圖像遮蔽操作對抗差分攻擊的強度。表4給出了實驗圖的PSNR和UACI值。

(6)

(7)

表4 原圖與去掉遮蔽后圖像的NPCR與UACI值

4 結(jié) 論

在智慧家居環(huán)境中，為了防止圖像在上傳至云服務(wù)器時泄露用戶的隱私信息，本文提出了一種圖像隱私保護模型。該模型分為圖像采集及預(yù)處理部分以及遮蔽算法部分。在圖像采集及預(yù)處理部分，用戶可以根據(jù)自身的隱私需要設(shè)置圖像中的隱私標(biāo)簽；在遮蔽算法部分，筆者在智能攝像頭上部署了YOLO v5算法，通過用戶預(yù)先設(shè)定的隱私標(biāo)簽，YOLO v5算法可以識別圖像中的隱私區(qū)域，并將該區(qū)域的坐標(biāo)信息反饋給云服務(wù)器，云服務(wù)器利用Logistic 映射算法發(fā)送給智能攝像頭，最終，智能攝像頭通過VHE算法及DNA加密技術(shù)實現(xiàn)圖像中隱私區(qū)域的遮蔽，從而保護了用戶的隱私。該模型充分考慮了智慧家居環(huán)境中智能攝像頭計算資源受限的特點，所采用的加密算法均為輕量級的加密算法，由于利用云進行輔助加密計算，減少了本地的資源消耗，并且云無法恢復(fù)原始的圖片文件；該模型充分考慮了用戶在不同場景下的隱私服務(wù)，并向用戶提供了一種可定制化的圖像隱私保護方案，在保護用戶隱私的同時提高了數(shù)據(jù)的可用性；本文在實際的智慧家居環(huán)境中進行了充分的實驗，實驗表明，所提出的算法在安全性等多個方面可以滿足實際中圖像隱私保護的需求。