圖像同態(tài)加密算法研究的國(guó)內(nèi)外文獻(xiàn)綜述近些年，云端的發(fā)展已日趨成熟，它具有強(qiáng)大的計(jì)算能力，可以幫助人們進(jìn)行復(fù)雜的計(jì)算，但基于對(duì)用戶數(shù)據(jù)隱私的保護(hù)，關(guān)鍵問(wèn)題是云計(jì)算強(qiáng)大計(jì)算能力的利用，在這種迫切的需要下，完全同態(tài)加密到來(lái)。從數(shù)學(xué)上講，同態(tài)是維持運(yùn)算，即運(yùn)算結(jié)果的順序改變，最終的結(jié)果是完全相同的。通過(guò)全同態(tài)加密算法，用戶可先對(duì)數(shù)據(jù)進(jìn)行加密，并允許服務(wù)器（如“云”）對(duì)密文進(jìn)行任何基于計(jì)算機(jī)的運(yùn)算（包括加法和乘法），結(jié)果是相應(yīng)明文的有效密文，這一特性非常重要。為了保護(hù)信息的安全性，采用完全同態(tài)加密，可以對(duì)密文進(jìn)行同態(tài)計(jì)算，然后進(jìn)行解密，這樣就不需要對(duì)密文進(jìn)行高代價(jià)的解密；同態(tài)加密允許無(wú)密鑰計(jì)算密文，不僅可以降低通信成本，還可以轉(zhuǎn)移計(jì)算任務(wù)來(lái)補(bǔ)償各方的計(jì)算成本；由于同態(tài)加密，解密者只能知道最終的結(jié)果，而不能知道任何能提高信息安全性的運(yùn)算過(guò)程。因此同態(tài)加密在一定程度上提高了安全性。由于科研人員的不斷努力研究各種理論以及加密算法，全同態(tài)加密算法的發(fā)展正不斷前進(jìn)向前。由于全同態(tài)加密可以很好實(shí)現(xiàn)用戶的安全性與隱私性，它一提出就作為密碼學(xué)領(lǐng)域的一個(gè)公開問(wèn)題，被稱為“密碼學(xué)的圣杯”。隨后，許多密碼學(xué)家、科研學(xué)者對(duì)全同態(tài)加密有了很深的興趣，不斷地研究理論，并獲取了許多理論成果。并且留給后人了許多深?yuàn)W問(wèn)題，比如理想格上的理想陪集問(wèn)題、整數(shù)上的近似最大公因子問(wèn)題。目前，圖像處理可結(jié)合全同態(tài)加密，對(duì)用戶的隱私保護(hù)起到至為重要的作用。圖像處理是云計(jì)算中非常重要的一步，已有許多科研人員提出了圖像特征提取算法。然而，大部分人計(jì)算和容量資源有限。目前可將這些海量數(shù)據(jù)外包給云端，云端圖像檢索系統(tǒng)可根據(jù)相應(yīng)算法提取圖像特征描述向量來(lái)比較不同圖像，然而每個(gè)圖像一般由很長(zhǎng)的特征向量來(lái)描述，意味著云端的計(jì)算量也相應(yīng)的增加。目前圖像特征提取不能很好的保護(hù)用戶隱私。假如通過(guò)云端計(jì)算后，提取的特征向量不會(huì)表示出圖像的相關(guān)信息，在近幾年相關(guān)研究人員的努力下，可通過(guò)圖像特征描述符來(lái)描述一副圖像，并且和原有圖像有很高的匹配度。因此在外包給云端計(jì)算時(shí)，需要考慮保護(hù)原有圖像數(shù)據(jù)的隱私，不能讓云端獲取圖像中的相關(guān)敏感信息。Hsu等人在之前提出隱私保護(hù)的SIFT特征提取方案，該方案代價(jià)過(guò)去太大，并且不具有很強(qiáng)的安全性，Qin對(duì)該算法進(jìn)行改善。盡管改善后的方案隱私性有所提高，但是改善后，算法的算法復(fù)雜度不太理想。對(duì)于外包給云端的圖像檢索，大部分都是基于關(guān)鍵字進(jìn)行檢索，但是這樣的檢索方式過(guò)于繁瑣導(dǎo)致效率低下，且沒有保護(hù)圖像隱私。部分系統(tǒng)是基于同態(tài)加密來(lái)計(jì)算向量距離，這樣做的代價(jià)是巨大的，把運(yùn)算結(jié)果交付給云端，會(huì)泄露用戶數(shù)據(jù)。目前，簡(jiǎn)單的同態(tài)加密方案并不能很好解決圖像檢索問(wèn)題。在對(duì)圖像的隱私保護(hù)應(yīng)用中，云端對(duì)于圖像的特征提取尤為重要，目前，許多科研學(xué)者已研究出許多算法，全局特征提取算法有ORB,部分特征提取算法有SIFT和HOG等。對(duì)于海量級(jí)的云端圖像搜索，需要效率高并且隱私性很強(qiáng)的檢索匹配方案，現(xiàn)有的部分系統(tǒng)選擇使用關(guān)鍵字和元數(shù)據(jù)對(duì)圖像標(biāo)記，在目前一些加密標(biāo)記下，通過(guò)算法提取標(biāo)記，來(lái)完成搜索，還有部分系統(tǒng)采用同態(tài)加密計(jì)算私有向量距離。這些系統(tǒng)都不能很好地實(shí)現(xiàn)基于圖像特征的目標(biāo)搜索，因?yàn)檫@種算法的代價(jià)過(guò)于太大，會(huì)很輕易導(dǎo)致數(shù)據(jù)結(jié)果丟失，且運(yùn)算繁瑣、效率低下。針對(duì)以上圖像檢索會(huì)出現(xiàn)的問(wèn)題，Zhang提出了多層次同態(tài)加密方案PIC，PIC對(duì)于云計(jì)算而言，計(jì)算速度快，算法過(guò)程不冗余，但一定的缺陷，會(huì)將計(jì)算結(jié)果泄露給云端。參考文獻(xiàn)曲永宇,劉清,郭建明,周生輝.基于HOG和顏色特征的行人檢測(cè)[J].武漢理工大學(xué)學(xué)報(bào),2011,33(04):134-138.尚俊.基于HOG特征的目標(biāo)識(shí)別算法研究[D].華中科技大學(xué),2012.慕春雷.基于HOG特征的人臉識(shí)別系統(tǒng)研究[D].電子科技大學(xué),2013.李星,郭曉松,郭君斌.基于HOG特征和SVM的前向車輛識(shí)別方法[J].計(jì)算機(jī)科學(xué),2013,40(S2):329-332.周科嘉.基于HOG特征和模板匹配的行人檢測(cè)與跟蹤研究[D].吉林大學(xué),2014.[王鎮(zhèn).基于HOG特征的人臉表情識(shí)別算法研究[D].南京郵電大學(xué),2015.葉志堅(jiān).基于圖像特征提取和描述的匹配算法研究[D].廣東工業(yè)大學(xué),2018.馮亞沛.基于內(nèi)容的圖像特征提取及應(yīng)用[D].浙江大學(xué),2018.李欣怡.基于深度網(wǎng)絡(luò)的圖像特征提取及應(yīng)用[D].江南大學(xué),2018.莫冬梅.基于廣義正則稀疏回歸的圖像特征提取[D].深圳大學(xué),2018.楊佳晴.基于場(chǎng)景配準(zhǔn)的圖像特征提取算法研究[D].電子科技大學(xué),2019.吳澤.基于HOG和改進(jìn)顏色直方圖的工業(yè)反應(yīng)釜液面狀態(tài)識(shí)別算法研究[D].杭州電子科技大學(xué),2019.田佳莉,常麗.基于顏色空間和Hu不變矩的圖像檢索方法[A].中共沈陽(yáng)市委、沈陽(yáng)市人民政府.第十七屆沈陽(yáng)科學(xué)學(xué)術(shù)年會(huì)論文集[C].中共沈陽(yáng)市委、沈陽(yáng)市人民政府:沈陽(yáng)市科學(xué)技術(shù)協(xié)會(huì),2020:6.和文輝,李易,吳志慶,竇昊,陸冠嚴(yán).基于顏色特征和不變矩的圖像檢索[J].電腦知識(shí)與技術(shù),2018,14(27):173-175.[1]CamposS,SmithT,DavisAL,PusicMV,ShouldiceM,BrownJ,LeganoL,PecaricM,BoutisK.PrepubescentFemaleGenitalExaminationImages:EvidenceInformedLearningOpportunities.[J].Journalofpediatricandadolescentgynecology,2020.[1]MahmoodToqeer,ShahMohsin,RashidJunaid,SabaTanzila,NisarMuhammadWasif,AsifMuhammad.Apassivetechniquefordetectingcopy-moveforgeriesbyimagefeaturematching[J].MultimediaToolsandApplications,2020,79(43-44).[1]ZengHao,ChenLinyan,HuangYeqian,LuoYuling,MaXuelei.IntegrativeModelsofHistopathologicalImageFeaturesandOmicsDataPredictSurvivalinHeadandNeckSquamousCellCarcinoma.[J].Frontiersincellanddevelopmentalbiology,2020,8.[1]AthraaH.Farhan,FarhanAthraaH.,KamilMohammedY..TextureAnalysisofBreastCancerviaLBP,HOG,andGLCMtechniques[J].IOPConferenceSeries:MaterialsScienceandEngineering,2020,928(7).[1]BinZhao,LianruGao,WenzhiLiao,BingZhang.Anewkernelmethodforhyperspectralimagefeatureextraction[J].Geo-spatialInformationScience,2017,20(