1.一种基于响应长度隐藏的k‑NN图像检索方法，其特征在于，在云服务器中基于响应长度隐藏的k‑NN图像检索系统中用户加密上传以及用户搜索图像的过程包括以下步骤：S1、密钥代理商生成密钥并分发密钥，需要上传图像的用户通过属性加密制定对加密图像提供细粒度的访问控制的访问策略；具体包括：密钥代理商运行密钥生成算法生成在同态加密中使用的主密钥K，再次运行密钥生成算法生成两个随机密钥KTP和KCS，使得KTPKCS＝K；

通过安全信道将随机密钥KCS发送给云服务器，将随机密钥KTP发送给第三方；

每当新用户加入时，密钥代理商就会运行密钥生成算法生成三个随机密钥Ku、K′u、K″u，使得KuK′uK″u＝K；

通过安全通道分别向云服务器提供密钥K″u，向第三方提供密钥K′u，向新加入的用户提供密钥Ku；

用户通过属性加密制定对加密图像提供细粒度的访问控制的访问策略，表示为：AC＝(AC.Enc(·),AC.Token(·),AC.Query(·),AC.Dec(·))；

其中，AC表示访问策略；AC.Enc(·)表示属性加密方法；AC.Token(·)表示搜索令牌生成算法；AC.Query(·)表示辅助信息查询算法；AC.Dec(·)表示属性解密算法；

S2、图像拥有者加密上传图像，将图像存储在云服务器中；具体包括：利用SIFT对图像集进行特征提取，通过K‑means算法对特征进行聚类，生成视觉词典；

按照视觉单词的响应长度进行聚类，按类进行填充；

使用视觉词典对图像特征进行量化，并利用TF‑IDF权重度量方法计算图像的加权词频向量；

采用辅助多映射和字典来存储图像，并构建一个响应长度隐藏的二部图；

利用属性加密方法加密辅助信息和授权用户信息，并利用多级同态加密视觉词典；

S3、进行一级搜索，在一级搜索中，图像用户通过个人属性信息和私钥获取查询所需的辅助信息；一级搜索具体包括：当图像用户希望搜索图像库时，通过使用属性信息μ和密钥Ku运行AC.Token(·)算法获得查询令牌tkμ并提交给云服务器；

云服务器通过令牌tkμ运行 算法获取辅助信息的密文cq:＝(EVD,EMMG)并将其返回给图像用户；

图像用户运行属性解密算法AC.Dec(·)，使用密钥Ku解密辅助信息的密文cq得到视觉词典和辅助多映射MMG；

图像用户在搜索查询图像Iq的相似图像集时，首先从Iq中提取特征向量，并用视觉词典对其进行量化，获得查询图像的视觉单词w和查询图像的词频向量；

通过TF‑IDF权重度量方法计算得到Iq的加权词频向量fq，完成一级搜索；

其中，EVD表示加密的视觉词典；EMMG表示加密的辅助多映射；属性信息μ∈U，U表示用户属性的集合；

S4、进行二级搜索，在二级搜索中，根据辅助信息找出由查询视觉单词索引的图像和图像的加权词频向量；二级搜索的过程包括：对于查询视觉单词w，图像用户运行DS.GetB(·)算法查询辅助多映射MMG，从中计算桶标识符B；

运行HE.E(·)多级同态加密算法，使用密钥Ku加密视觉单词w、加权词频向量fq和桶标识符B，输出密文HE.E(Ku,(w,fq,B))并将其发送给第三方；

第三方在接收到密文HE.E(Ku,(w,fq,B))后，运行HE.E(·)多级同态加密算法改变密文的密钥，得到使用密钥KuK′u加密的新密文HE.E(KuK′u,(w,fq,B))并将其发送给云服务器；

云服务器在接收到新密文HE.E(KuK′u,(w,fq,B))后，运行HE.E(·)多级同态加密算法改变新密文的密钥，得到最终的密文云服务器运行DS.GetDX(·)算法，返回与查询视觉单词 相关联的加密图像和图像的加权词频向量使用云服务器密钥KCS运行多级同态解密算法HE.D(·)，得到使用第三方密钥KTP加密的加权词频向量；

云服务器使用距离函数分别计算查询图像的加权词频向量fq与查询视觉单词索引的加权词频向量fI间的距离，并将这些距离的密文发送到第三方；

第三方在接收到距离密文后对其进行解密，将明文距离按从小到大的顺序排列，并将前k个最小距离的加权词频向量对Dmin(fq,fI)经过使用密钥KTP的HE.E(·)多级同态加密算法加密后得到HE.E(KTP,D(fq,fI))，并将其发送给云服务器；

云服务器在接收到k个加权词频向量对的密文距离HE.E(KTP,D(fq,fI))后，使用密钥转换将其密钥更改为K；

检索与 相关联的图像集 运行多级同态解密算法HE.D(·)使用密钥K″u解密 获得使用密钥KuK′u加密的密文HE.E(KuK′u,I)并将其发送给第三方；

第三方在收到密文HE.E(KuK′u,I)后使用密钥K′u运行多级同态解密算法HE.D(·)，获得使用密钥Ku加密的密文HE.E(Ku,I)并将其发送给图像用户；

图像用户使用密钥Ku运行多级同态解密算法HE.D(·)解密密文HE.E(Ku,I)得到相似图像集I，完成二级搜索；

其中，K表示同态加密的主密钥；Ku是用户的密钥；K′u是第三方用于转发用户和云服务器之间交易的转换密钥；K″u是云服务器用于将由密钥KuK′u加密的密文转换为由密钥K加密的密文的密钥；KTP是第三方用于解密距离对的密钥；KCS是云服务器用于生成由密钥KTP加密的距离对的密钥；fq表示查询图像Iq的加权词频向量；fI为图像I的加权词频向量；表示加密的视觉单词； 表示查询图像Iq的加权词频向量的密文；表示桶标识符的密文；表示图像I的加权词频向量的密文；Dmin(fq,fI)表示fq与fI之间的前k个最小距离的加权词频向量对。

2.根据权利要求1所述的一种基于响应长度隐藏的k‑NN图像检索方法，其特征在于，按照视觉单词的响应长度进行聚类，按类进行填充的过程包括：根据主流的手肘法确定视觉单词的最优聚类数k；

使用K‑Means聚类算法对视觉单词按其响应长度进行聚类，得到最优聚类；

根据最优聚类计算令分簇填充最优的插入的混淆图像和真实图像的比值；

根据最优的插入的混淆图像和真实图像的比值对图像进行填充。

3.根据权利要求2所述的一种基于响应长度隐藏的k‑NN图像检索方法，其特征在于，最优的插入的混淆图像和真实图像的比值表示为：其中， 为最优的插入的混淆图像和真实图像的比值； 表示视觉单词的观察概率； 表示视觉单词的真实概率， 表示 的最大值， 表示 的最小值； 表示视觉单词的混淆概率，m表示最优聚类中元素的数量；Gi表示最优聚类中第i个元素；表示视觉单词所属簇的预期观测概率；w表示视觉单词；W表示视觉单词w所属的簇的集合；Γ为最优聚类。

4.根据权利要求1所述的一种基于响应长度隐藏的k‑NN图像检索方法，其特征在于，构建响应长度隐藏的二部图包括：实例化一个以WMM作为顶部顶点，n个空桶作为底部顶点的二部图，并计算多映射的集中组件如果 则随机均匀地采样 并选择由集合

索引的桶：

如果 则随机均匀地采样 并选择由集合 索

引的桶：

将集合 中的值分别存储在桶 中；

对B\ 中的桶从1到n‑τ进行排序，并选择由集合 索引的桶：将集合 中的元素随机分配在桶Bi中，且每个桶分配

一个元素；

创建一个辅助多映射MMG和一个字典DX，辅助多映射MMG将 映射到{rand,KB}，*将 映射到{(rand,rand),KB}，字典DX将桶标识符映射到存储在桶中的图像和图像的加权词频向量；

其中，⊥表示集合为空；$表示随机生成过程；rand表示随机生成的随机值；k为安全参数； 表示Nw个桶，Nw为视觉单词w的响应长度； 表示利用伪随机函数F计算*Nw个桶的位置；rand 表示随机生成的用于计算存储冗余图像的桶的位置的随机值；

表示利用伪随机函数F计算τ个桶的位置； 表示存储冗余图像的τ个桶；

表示利用伪随机函数H计算Nw‑τ个桶的位置； 表示滑动窗口数；

fI表示图像I的加权词频向量；MM[w]表示多映射中w的集合； 表示多映射的集中组件；

KB表示加密桶位置的密钥；表示冗余图像 的加权词频向量；τ为集中多映射中冗余图像的数量，表示为 #表示集合的基数，MM表示多映射操作；B\ 表示存储非冗余图像的桶。

5.根据权利要求1所述的一种基于响应长度隐藏的k‑NN图像检索方法，其特征在于，多级同态加密包括：图像拥有者运行HE.E(·)多级同态加密算法，使用密钥Ku加密字典DX，输出第一密文EDX′并将其发送给第三方；

第三方在接收到第一密文EDX′后，运行HE.E(·)多级同态加密算法改变密文的密钥，得到使用密钥KuK′u加密的第二密文EDX″并将其发送给云服务器；

云服务器在接收到第二密文EDX″后，运行HE.E(·)多级同态加密算法改变新密文的密钥，得到第三密文HE.E(K,DX)＝EDX并存储到加密字典；

其中，Ku是用户的密钥；K′u是第三方用于转发用户和云服务器之间交易的转换密钥。

6.一种基于响应长度隐藏的k‑NN图像检索系统，其特征在于，用于实现权利要求1所述的一种基于响应长度隐藏的k‑NN图像检索方法，该系统包括用户、第三方、云服务器和密钥代理商，其中：所述用户包括图像拥有者和图像用户，图像拥有者将加密的图像存储到云服务器，并自定义访问策略控制图像用户的查询权限；图像用户在拥有查询权限的情况下，根据其自身的私钥生成搜索令牌来查询图像；

所述云服务器存储加密图像、查询所需的视觉词典和辅助多映射以及计算图像的相似度；

所述第三方用于比较图像之间的相似度以及转发用户与云服务器之间的交易；

所述密钥代理商用于生成密钥以及分发密钥。