【福州大学等】基于隐私保护的外包监控视频异常检测和行人重识别技术
【异常检测和行人重识别是监控视频两项重要的处理任务,广泛应用于许多安全相关领域,尤其是公共安全领域。如何在确保用户隐私和数据安全的情况下实现安全异常检测和行人重识别,是外包监控视频处理的难题。本文介绍福州大学程航、刘西蒙等老师在外包监控视频处理方面的两个新工作。】
监控视频异常事件检测/行人重识别是智能视频监控的重要分支,当检测到发生如突然倒下、打架斗殴等异常事件或检测到感兴趣的人会及时自动预警,可用于交通监控、犯罪取证和公共安全等领域,对维稳、平安城市建设有重要的意义,在国民经济健康发展和国家安全防范中必将扮演重要角色。近年来,云计算、物联网等新兴技术的快速发展,海量监控视频数据外包处理日趋常态化,但也面临着数据安全和隐私泄露的风险。现有的视频安全外包处理主要是基于Paillier同态加密技术,存在计算/通信开销大、数据膨胀等问题。针对以上问题,我们分别围绕监控视频安全外包异常检测和行人重识别任务提出如下相应的解决方案:
针对利用云计算进行视频异常检测可能会导致安全威胁问题,我们提出了一个安全的隐私保护视频异常检测方案(SecureAD)。该方案引入加性秘密分享技术设计出一套可用于CNN训练和视频异常检测的安全计算协议集,包括异或、比较、最大值、指数等常见运算。此外,我们基于布隆过滤器设计了一种细粒度访问控制策略,可允许服务器在不知道用户属性情况下对用户的合法性进行认证。不同于相关方案,该方案采用边缘计算技术替代云计算技术来确保用户和服务器在非交互方式下可实现高效地、低延迟的视频异常安全检测。
针对外包监控视频的行人重识别可能会导致安全威胁,我们提出了一个高效的隐私保护行人重识别方案。该方案首先利用卷积神经网络和基于核函数的监督哈希来获取有效的行人特征。然后,构建一种基于秘密分享技术的汉明距离计算协议,允许云服务器在不了解明文内容情况下,计算密文特征索引之间的相似性。此外,我们提出了一种基于双Merkle哈希树的验证机制,允许用户检查匹配结果的正确性。该技术方案在保护其他非相关行人的隐私的同时,实现了外包监控视频的可验证行人重识别。
上述两项工作的相关论文已分别发表于IEEE Transactions on Cloud Computing和IEEE Transactions on Dependable and Secure Computing,作者为福州大学程航、刘西蒙、王美清,新加坡南洋理工大学王华雄教授等。
[1]. Cheng H, Liu X, WangH, et al. SecureAD: A Secure Video Anomaly Detection Framework on ConvolutionalNeural Network in Edge Computing Environment[J]. IEEE Transactions on CloudComputing, DOI:10.1109/TCC.2020.2990946, 2020.
[2]. Cheng H, Wang H, LiuX, et al. Person Re-Identification over encrypted outsourced surveillancevideos[J]. IEEE Transactions on Dependable and Secure Computing. DOI:10.1109/TDSC.2019.2923653, 2019.