Cybersecurity·10月8日 · 周四论文智慧农业 / 农业物联网阅读 3
A privacy-preserving hyper-spectral remote sensing image analysis framework based on matrix outsourcing computation
Xinrong Sun · Yunting Tao · Fanyu Kong 等 4 人
论文解读
71接近精选线
速览
提出基于矩阵外包计算的隐私保护框架，实现高光谱遥感图像安全高效分析。
方法
矩阵盲化与验证方法，结合JSCC算法，外包矩阵乘法和伪逆计算。
发现
方案比现有矩阵盲化方案平均优4.15-10.79%，比原算法效率提升73.49-80.45%。
机会点
可探索隐私保护外包计算在实时作物表型分析、多源遥感数据融合中的落地与优化。
影响力12
信息增量20
专业深度18
信源权威13
时效性8
高光谱遥感图像隐私保护外包计算新方法，属农业遥感与信息安全交叉的学术进展，方法新颖但应用面偏窄。
原文摘要
高光谱遥感图像提供了更详细的地物光谱信息，而基于联合稀疏编码的聚类（JSCC）算法则被提出用于实现精确的高光谱图像分割。然而，由于高光谱图像数据处理是最耗时的计算任务之一，因此需要通过云外包计算来加速。此外，在实际应用场景中，还需考虑云计算中的数据隐私和结果可用性问题。本文提出了一种新颖的隐私保护外包方案，用于JSCC算法中的矩阵乘法和矩阵伪逆运算，以实现高效且安全的高光谱遥感图像分析。该方案的核心在于提出一种新颖的矩阵盲化方法，通过逐元素计算对原始矩阵进行混淆，并利用密钥索引集而非精心设计的矩阵，从而进一步降低加密和解密操作的存储开销。此外，我们相应地提出了一种新的验证方法，通过计算并比较混淆矩阵中随机选取的元素来保证返回结果的可用性。实验结果表明，我们的方案平均优于基于矩阵盲化的最新隐私保护外包计算方案4.15–10.79%，并且相较于原始高光谱遥感图像分析算法实现了73.49–80.45%的效率提升。
信源（1 个）