随着云计算和云存储技术的飞速发展,越来越多的企业和个人使用云存储来保存数据或备份数据.但用户将私有数据上传到云端的同时,也丧失了对数据的绝对控制权,用户数据的隐私保护问题成为云存储发展不得不解决的问题.为了解决这一问题,提出一种新的针对云存储的数据隐私保护方法BSBC（Bit Split Bit Combine）,它在上传前,将数据按照比特位进行拆分,重新组装后形成多个数据文件,再分别上传到云存储服务器;下载时,先将所有数据文件下载,然后通过位合并再恢复成原始文件.实验证明这种方法可以保护用户数据的隐私,同时可比传统加解密获得17～35倍的性能提升.然后将核心的位拆分、位合并代码模块用汇编语言进行优化,对汇编语言进行指令调度优化,以减少数据冲突和流水线停顿.最终,采用BSBC方法比传统加解密可以获得25～35倍的性能提升.
目的纹理是描述和区分不同物体的重要特征之一,纹理特征提取一直是模式识别、机器视觉领域的研究热点。局部方向模式(LDP)是一种分辨性好、对随机噪声和非均匀光照鲁棒的纹理特征。而LDP特征由于计算8方向的边缘响应并排序,提取速度较慢。为此对LDP编码方案进行改进。方法设计了两种改进方案:第1种方案直接对8方向的边缘响应符号进行编码,避开排序,称为FLDP(fast local directional pattern)特征;第2种方案,尝试使用较少的方向模板来降低特征提取的时间、空间消耗,设计了MLDP算子(mini local directional pattern)。结果在Brodatz数据集的24类均匀纹理图像以及111类全部纹理图像上将本文提出的FLDP特征、MLDP特征与传统的LDP进行了对比实验。实验结果表明,在保证了分类准确率的前提下,FLDP算子的运算速度是3th-LDP的20倍左右,MLDP算子的运算速度是3th-LDP的35倍左右。结论论文设计了2种方案改进了LDP特征,分别为FLDP算子和MLDP算子。实验结果表明,这两种改进方案,在保证分类准确率的同时,大幅度提高了特征提取运算速度。
暂无评论