近日，计算机与人工智能学院王皓教授课题组在网络安全方向CCF A类顶刊《IEEE Transactions on Dependable and Secure Computing》上发表了论文“SecOIR: Enhancing Privacy and Accuracy in Outsourced Image Retrieval via Function Secret Sharing and Deep Hashing” 。

随着大数据与云计算的快速发展，图像数据的规模呈指数级增长，越来越多的用户选择将图像数据及检索服务外包至云服务器。然而，外包环境带来了严重的数据隐私泄露风险，如何在保护数据隐私的同时实现高效、精准的图像检索，成为当前学术界与工业界共同关注的难点问题。

针对上述挑战，本文一种基于深度哈希网络的安全外包图像检索方案。SecOIR在半诚实 adversary 模型下实现了可证明的安全性，有效防止外包服务器的信息泄露，实现了隐私保护的深度哈希网络检索，大幅提升了检索精度。为解决现有方案普遍忽视的领域适配问题，研究团队通过微调特征提取模型，显著提升了检索系统在真实场景中的泛化能力。

在技术实现层面，SecOIR结合了函数秘密共享（FSS）与复制秘密共享（RSS）技术，提出了一系列高效的密码学子协议，包括改进的比较函数秘密共享方案（DCF）和点函数秘密共享方案（DPF），并在此基础上构建了三方安全比较、相等测试、ReLU激活、最大值/最小值选取、匹配元素移除等核心协议。实验结果表明，SecOIR在相同数据集和配置下，检索精度较现有最优方案提升了 11% 至 12% ，同时在数据上传与查询阶段保持了良好的实用效率。

《IEEE Transactions on Dependable and Secure Computing》为网络与信息安全领域中国计算机学会推荐A类国际学术顶刊（CCF A），学校计算机与人工智能学院王皓教授、苏烨副教授为论文通讯作者，该研究得到国家自然科学基金62472265，62302280，62272282，62472266，以及山东省自然科学基金ZR2023QF133，山东省青年科技人才托举工程项目SDAST2025QTB026的共同资助。