• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IEEE transactions on dependable and secure computing >Privacy Protection in Interactive Content Based Image Retrieval
【24h】

Privacy Protection in Interactive Content Based Image Retrieval

机译：基于交互式内容的图像检索的隐私保护

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Privacy protection in Content Based Image Retrieval (CBIR) is a new research topic in cyber security and privacy. The state-of-art CBIR systems usually adopt interactive mechanism, namely relevance feedback, to enhance the retrieval precision. How to protect the user's privacy in such Relevance Feedback based CBIR (RF-CBIR) is a challenge problem. In this paper, we investigate this problem and propose a new Private Relevance Feedback CBIR (PRF-CBIR) scheme. PRF-CBIR can leverage the performance gain of relevance feedback and preserve the user's search intention at the same time. The new PRF-CBIR consists of three stages: 1) private query; 2) private feedback; 3) local retrieval. Private query performs the initial query with a privacy controllable feature vector; private feedback constructs the feedback image set by introducing confusing classes following the K-anonymity principle; local retrieval finally re-ranks the images in the user side. Privacy analysis shows that PRF-CBIR fulfills the privacy requirements. The experiments carried out on the real-world image collection confirm the effectiveness of the proposed PRF-CBIR scheme.
机译：基于内容的图像检索（CBIR）的隐私保护是网络安全和隐私的新研究主题。最先进的CBIR系统通常采用互动机制，即相关反馈，以提高检索精度。如何保护用户在基于相关反馈的CBIR（RF-CBIR）中的隐私是一个挑战问题。在本文中，我们调查了这个问题，并提出了一种新的私有相关反馈CBIR（PRF-CBIR）方案。 PRF-CBIR可以利用相关性反馈的性能增益，并同时保留用户的搜索意图。新的prf-cbir由三个阶段组成：1）私人查询; 2）私人反馈; 3）局部检索。私有查询使用隐私可控特征向量执行初始查询;私人反馈通过介绍k-匿名原则之后引入令人困惑的类来构造反馈映像;本地检索最终在用户端重新排列图像。隐私分析表明，PRF-CBIR履行了隐私要求。在实际图像收集上进行的实验证实了所提出的PRF-CBIR方案的有效性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号