近日，计算机科学领域国际顶级刊物《IEEE Transactions on Multimedia》 （一区TOP，IF 7.3）报道了人工智能学院机器视觉团队在JPEG图像隐私保护方向的研究进展，相关成果以“TPE-ADE: Thumbnail-Preserving Encryption Based on Adaptive Deviation Embedding for JPEG Images”为题在线发表。

当今时代，图像已经成为我们日常生活中不可或缺的一部分。从社交媒体到商业领域，图像在信息传递和交流中都扮演着关键角色，而其中JPEG格式更是以高视觉质量和低存储扩展的优势渐渐成为了图像生成的主流选择。由于个人信息、敏感数据等可能隐藏在图像中，因此图像的快速增长引发了隐私和安全方面的担忧，这也进而刺激了更多图像隐私保护技术的研究。

本论文通过结合霍夫曼编码和可逆信息隐藏技术设计了支持 JPEG 格式的缩略图保留加密算法，实现了JPEG图像隐私性和可用性的良好平衡，以及能够无损地恢复出原始的明文图像。同时，该论文通过将加密过程和JPEG压缩结合，有效地克服了JPEG图像格式兼容性问题，并且在减小密文文件扩展率和改善密文图像视觉质量方面都取得了显著的成效。此外，我们还提出了教师-助手-学生的网络结构用于验证和增强JPEG密文图像的可用性。通过综合的实验评测分析，结果表明该方案在图像加密效果、安全性、文件扩展率、缩略图保留精度以及密文图像检索精度有着显著的优势，有效解决了传统JPEG图像加密导致密文图像可用性丧失带来的图像管理困难问题，并极大程度上保留了JPEG格式的自身优势特性。

图1 加密方案框架图

图2 教师-助手-学生的结构示意图

图3 实验测试结果

河南大学人工智能学院为该论文的第一单位，机器视觉团队柴秀丽教授为第一作者，南京航空航天大学计算机科学与技术学院教授张玉书为通讯作者。该研究工作为河南大学、南京航空航天大学、河南省网络空间态势感知重点实验室的联合研究成果，受到国家自然科学基金、河南省科技攻关项目的支持。

论文链接：https://doi.org/10.1109/TMM.2023.3345158