刘岩 李迎春 李兴龙 刘雨松 陈虹宇 范施延
辽宁科技大学
1前言
图像识别技术的研究可以起源于20世纪50年，但是早些年由于准确率在实际环境下很低，所以一直没有得到实用。近年来随着大数据与深度神经网络技术的飞速发展，深度神经网络在各种计算机视觉分类任务中取得了不俗的成绩，深度神经网络技术开始应用于图像识别任务中，并且取得了很好的效果，图像识别的准确率在很多数据集上达到99％以上。在公安办案、企业考勤，物业安保等等方面都有应用。
随着云服务出现，图像识别技术结合云计算，使得其实用性更强。最近几年，卷积神经网络(CNN)，深度卷积神经网络(DNN)等技术飞速发展，在计算机视觉领域的各种任务中表现优异，成果斐然。图像识别一直以来也是计算机视觉领域的重要方向，越来越多的CNN，DNN应用在图像识别问题上取得了不俗的成绩。由于深度神经网络在图像识别方面的优秀表现，该技术开始广泛应用到各类图像识别的领域中，因此深度神经网络对于对抗样本的脆弱性急需解决。对抗样本对于各大深度神经网络模型的影响是巨大的，使得深度神经网络模型在实际应用中容易被第三方利用对抗样本攻击，得到错误结果，降低识别安全性，带来不可估量的损失。
2．图像安全识别系统设计
为解决上述问题，克服现有技术的不足，本课题提出一种网络环境下图像安全识别系统及方法，该方法在进行图像识别时使得客户端和服务端不能获取对方的隐私信息，并且第三方也不能获取两方隐私信息。随后针对这个系统的准确率、效率、安全性进行了实验测试。通过对实验数据和实验流程的分析，可以看出本系统准确率在自然状态下可以达到98.4％以上。
本课题的技术解决方案：一种网络环境下的图像安全识别方法，包括如下步骤：
步骤1：前端首先采集图片，前端包括图像识别模块、图像安全识别模块、图像安全认证模块；
步骤2：前端对采集的图片进行特征提取以及二值化；
步骤3：对前端特征数据进行paillier密码算法加密；
步骤4：将相机绑定到DOM元素；
步骤5：前后端交互，前端将数据提交给后台，然后后台处理完数据以后返回结果给前端，前端收到后台发送回来的数据后解析数据，然后根据后台的数据渲染前端页面。
步骤1具体包括：
利用webcam调用摄像头采集用户图像；调用摄像头拍摄照片，拍照得到的照片显示在的网页中，或渲染到画布canvas，或者提交到服务器。
利用webcam调用摄像头拍照；在使用webcam时，如果需要修改默认值，通过调用Webcam.set()方法来实现，通过填入一个hash表的方式来修改；width和height分别表示相机试图的宽度和高度；image_format控制拍摄照片的格式，fps用来控制拍摄的速率。
步骤2具体包括：
定义一个模块来处理前端特征提取以及二值化，用于对得到的原始特征数据进行二值化，二值化将128维特征数据中小于0的数据置为0，其余数据置为1；二值化后将原始的128维特征数据转为128bit的特征数据。
步骤3具体包括：
对于图像安全识别功能和图像安全认证功能都需要对前端特征数据通过paillier密码算法进行加密；在加密中首先需要生成一对非对称密钥对；出于对于安全性的考量，使得公钥和私钥长度大于预设值；利用无关大素数p和q，生成公私钥；p和q选择这两个大素数的长度为512，因此需要用NTL大数库(Number Theory Library大数库)中的数据类型ZZ来表示，利用NTL大数库来实现，后续运算都调用NTL大数库中接口函数来实现。
步骤4具体包括：
在前端页面上设置一个摄像头DOM元素，然后利用webcam.attach()方法将相机绑定到这个DOM元素中；这个DOM元素用来实时显示摄像头中画面；然后再定义一个大小一样的画布canvas元素在同一位置上；这个canvas元素覆盖在原来摄像头元素上，在canvas上将检测到的目标利用矩形圈画出来，并在矩形周围标上识别出的姓名；圈出目标的矩形框用strokeRect()函数来实现，在矩形周围写入需要展示的姓名用用fillText()函数来实现；
在前端设置定时采集照片发送给后台去处理，实现实时检测的效果；定时执行采集图像以及提交数据等操作；当定时设置的时间小于预定值时，能够达到肉眼的实时图像识别效果。
步骤5具体包括：
前后端交互的主要目的是前端将数据提交给后台，然后后台处理完数据以后返回结果给前端，前端收到后台发送回来的数据后解析数据，然后根据后台的数据渲染前端页面；前后端交互常用的方式包括cookie、Ajax、jsonp、服务端渲染、webSocket和Socket.io；在云环境下安全图像识别系统原型前后端交互中采用Ajax方式。
在进行图像识别时使得客户端和服务端不能获取对方的隐私信息，并且第三方也不能获取两方隐私信息。
图像识别功能在后台传送给前端最后识别结果时，将识别结果设计为名字以及四个点坐标的数据结构；具体格式为：name，(x1,y1),(x2,y2),(x3,y3),(x4,y4)；
图像安全识别功能在后台传送给前端最后识别结果时，将识别结果设计为密文识别结果以及四个点坐标的数据结构；具体格式为：密文识别结果，(x1,y1)，(x2,y2)，(x3,y3)，(x4,y4)；
图像安全认证功能在后台传送给前端最后认证结果时，将认证结果设计为密文认证结果以及四个点坐标的数据结构；具体格式为：密文认证结果，(x1,y1)，(x2,y2)，(x3,y3)，(x4,y4)。
根据本课题的另一方面还提出一种网络环境下的图像安全识别系统：
包括前端和后台，其中前端包括：图像识别功能模块、图像安全识别功能模块、图像安全认证功能模块；后台包括图像识别处理模块、图像安全识别处理模块、图像安全认证功能模块；具体如下：
图像识别模块：图像识别模块是明文状态下的图像识别模块；
图像安全模块：图像安全识别是密文状态下通过安全计算的不泄露任何信息的图像安全识别，利用基于深度学习和不经意传输的安全图像识别方法实现；
图像安全认证模块：图像安全认证模块利用基于同态加密和系数干扰的图像安全识别方法进行图像安全认证。
3结束语
(1)本课题提出的图像识别方法在实际环境中实用性很高。虽然整个系统在自然状态下的识别准确率低于最优状态识别准确率，但是结果也在96.4％以上。
(2)本课题对于图像识别功能，是没有特征数据加密阶段的。设计并行计算方法，将特征数据加密与后续计算从串行处理改为并行处理的方式，大大提高了整个方法的效率。
(3)本课题提出的图像安全识别模型在防御对抗样本上有明显的效果，对于对抗样本的识别的准确率有明显上升，安全性有显著提高。
参考文献：
[1]企业无线网络设计与实现[J]. 刘浪. 冶金管理. 2019(17)
[2]WCDMA无线网络设计基础浅析[J]. 黄海晖. 广东通信技术. 2004(S1)
[3]中波发射机监控系统通讯网络设计与实现探讨[J]. 袁星. 西部广播电视. 2020(11)
基金支持
该项目获得辽宁科技大学2020年期大学生创新创业训练计划支持,项目号202010146527