Key points are not available for this paper at this time.
Benutzer lagern Bilder an Edge-Server aus, die physisch näher an ihrem Standort liegen, für Echtzeitanwendungen aufgrund der geringen Latenz und der niedrigen Übertragungskosten. Das Outsourcing an diese Edge-Server erhöht jedoch die Risiken für die Datensicherheit. Fast alle bestehenden privat wärend Bildretrieval-Systeme nutzen einen einzigen Cloud-Server, um Abrufaufgaben durchzuführen und eine zentrale Bildrückgewinnung anzubieten, was jedoch mit hohen Rechenkosten verbunden ist und somit für die verteilten Edge-Umgebungen mit begrenzten Rechenressourcen nicht geeignet ist. Wir schlagen ein leichtgewichtiges, datenschutzfreundliches Multi-Source-Bilderrückgewinnungsschema vor, das speziell für die verteilte Edge-Umgebung angepasst ist. Wir wenden eine hocheffiziente orthogonale Zerlegung und die Learning with Errors (LWE) Strategie an, um Bildmerkmale zu verschlüsseln und Chiffre-Indizes sowie Fallen zu erstellen, die die Sicherheit der Daten gewährleisten und gleichzeitig die Rechenkosten senken. Die Orthogonalität der Daten stellt sicher, dass die Genauigkeit der Abrufresultate nicht durch die im Schema verwendeten Zufallszahlen beeinträchtigt wird. Darüber hinaus wird die Proxy-Re-Encryption-Technologie eingesetzt, um die Rückgewinnung von Multi-Source-Bildern zu unterstützen, die von verschiedenen Datenbesitzern mit unterschiedlichen Schlüsseln verschlüsselt sind. Eine detaillierte Leistungsanalyse und umfassende Experimente zeigen, dass unser Schema die Datensicherheit mit einer sehr hohen Rückgewinnungsgenauigkeit und einer geringen Rechenlast gewährleistet, was den Anforderungen von Edge-Umgebungen entspricht.
Yan et al. (Freitag) haben diese Frage untersucht.