Page 95 - 《软件学报》2026年第6期
P. 95

2414                                                       软件学报  2026  年第  37  卷第  6  期


                    ● 特征提取网络. Faster R-CNN   利用  CNN  提取语义和空间特征. 为了更高效地进行多层次特征提取, 本文采
                 用  ResNet50  与  FPN  相结合的主干网络. 其中, ResNet50  通过残差连接有效缓解了梯度消失问题, 而             FPN  通过融
                 合浅层和深层特征图, 进一步提升检测性能.
                    ● 区域提议网络. RPN     通过滑动窗口机制生成锚框, 然后利用边界框回归对锚框进行优化, 生成候选区域. 随
                 后通过非极大值抑制       (non-maximum suppression, NMS) 筛选出高质量的区域提议.
                    ● 分类与回归. 基于     RPN  输出的候选区域, Faster R-CNN  通过  RoI 算法提取候选区域对应的固定大小的特征,
                 然后执行分类和边界框回归, 最终完成目标检测任务.
                  2.2   基础符号表示
                    ● 复制秘密共享. 本文采用        (4, 3) 复制秘密共享方案. 将需要共享的秘密值             x  分成  4  个随机加法秘密份额
                                                                                          m
                 x + x + x + x = x, 并分发至  4  台服务器  S 0 、S 1 、S 2 、S 3 . 对于一个秘密值   x ∈ Z 2 k , 符号  [x]  表示服务器在模
                  (0)
                             (3)
                         (2)
                      (1)
                                                   m   (j)                                   m = 2 , 在没有
                                                                                                 k
                 m 下所持有的秘密份额集合, 其中         S i  持有  [x] = {x } j,i  , 任意两台服务器可以重构   x. 通常情况下有
                                                   i
                 特殊情况时, 将省略该符号. 本文采用           SMPC  中通用的定点数编码方式, 将浮点数映射为整数. 具体而言, 对于浮
                                                                         k
                                                                   f
                                     f
                 点数   v ∈ R, 给定小数精度  , 其在环   Z 2 k  上的整数表示为  x = ⌊v·2 ⌋ mod 2 . 文中所有密文域计算均基于此定点编
                 码进行. 本文所涉及的其他主要符号说明见表              1.

                                                     表 1 主要符号说明

                       符号                       描述                                  备注
                        F                      特征图                         加粗大写字母表示整张特征图
                      F(x,y)            特征图在坐标    (x,y) 处的值                          -
                       H,W                  特征图的高与宽                                  -
                        a                       锚框                       中心坐标  (x c,(a) ,y c,(a) ), 尺寸  (w (a) ,h (a) )
                        A                     锚框集合                          下标用于区分不同尺寸锚框
                        b                     目标边界框                      中心坐标  (x c,(b) ,y c,(b) ), 尺寸  (w (b) ,h (b) )
                                              边界框集合                                A 相对应
                        B                                                        与
                       Prob                   置信度集合                                  -
                        δ             偏移量 (锚框与边界框之间的偏移)                              -

                    ● 数据重构和输入共享. 文献        [28] 中的共享输入协议通过引入冗余份额, 使得即使部分数据被恶意篡改, 仍能
                 通过其他冗余份额恢复原始数据. 同时, 该文献提出的联合消息传递协议                      (joint messaging protocol, JMP) 采用交叉
                 验证机制, 对不同来源的数据进行相互验证, 从而及时发现恶意敌手. 本文利用                       JMP  和共享输入协议, 在恶意敌手
                 环境下实现高效的数据重构和输入共享, 满足中止安全性.
                  2.3   基础运算协议
                    本节的基础运算协议基于安全四方计算              [28] , 采用了  MP-SPDZ [36] 框架 (https://github.com/data61/MP-SPDZ). 本
                 研究利用   JMP  协议, 实现服务器之间的安全交互, 确保了在恶意敌手环境下的安全性.
                    ● 安全加法协议 (secure addition protocol,   Π SAdd ): 对于来自服务器   S i  的输入  ([x] i ,[y] ) Π SAdd  输出  [x+y] , 记作
                                                                                      ,
                                                                                    i              i
                 [x]+[y] = [x+y], 其中  i ∈ {0,1,2,3}.
                    ● 安全乘法协议 (secure multiplication protocol,  Π SMult ): 对于各个服务器  S i  持有的输入  ( [x] i ,[y] ),  Π SMult  输出  [x×y] ,
                                                                                         i             i
                 记作  [x]×[y] = [x×y], 其中  i ∈ {0,1,2,3}.
                    ● 安全比较协议 (secure comparison protocol,  Π SComp ): 对于各个服务器  S i  持有的输入  ([x] i ,[y] ), 输出  [z] i =
                                                                                              i
                                                                        (1)
                                                                    (0)
                                                                            (2)
                                                                               (3)
                                               (0)
                                                  (1)
                                                      (2)
                                                          (3)
                 {z j } , 其中  i, j ∈ {0,1,2,3}. 若   x > y, 则  z +z +z +z = 1; 否则,  z +z +z +z = 0.
                   j,i
                                                                                     (        )
                    ● 安全选择协议 (secure selection protocol,   Π SSelect ): 给定来自各个服务器   S i  的输入   [x] i ,[y] ,[c] i , 其中  c ∈ Z 2 ,
                                                                                          i
                               (j)          (0)  (1)  (2)  (3)    (0)  (1)  (2)  (3)           Π SComp , 可得
                                          ,
                 Π SSelect  输出  [z] i = {z } j,i  . 若  c = 0 z +z +z +z = x; 否则,  z +z +z +z = y. 结合  Π SSelect  以及
                 到安全最大值函数       (secure maximum function,  Π SMax ).
   90   91   92   93   94   95   96   97   98   99   100