随着互联网的迅猛发展和多媒体设备的广泛普及,网上的图片数量呈爆发式增长。为了减少存储和维护开销,越来越多的图像拥有者愿意将图像数据集外包给公共云。为了保护图像隐私,图像在外包前应该先被加密。然而,这使得公共云难以提供基于内容图像检索服务。如何实现高效的加密图像检索成为了近年来的研究热点。研究学者提出了许多加密图像检索方案。现存的大多数方案虽然能实现高效的加密图像检索,但是在构建安全索引时需要图像拥有者消耗大量的时间和计算资源。这对于资源有限的图像拥有者来说,是不实用的。另一些方案则允许公共云直接从加密图像中提取图像特征并建立索引,因而极大地减少了图像拥有者的资源消耗。但是,这些方案只能使用低级图像特征来实现加密图像检索,这对于大规模加密图像检索来说是不实际的。本文针对以上问题,对高效的大规模加密图像检索技术进行了研究。本文的主要贡献为:1.本文提出了一种允许图像拥有者将安全索引构造任务完全外包给公共云的高效的大规模加密图像检索方案。为了获得良好的检索精度,方案使用调优的卷积神经网络提取图像特征。为了保护数据隐私,方案使用AES算法保护图像内容,并利用非对称向量积保留加密算法保护图像特征。为了提高检索效率,方案让云服务器直接使用加密的图像特征构建安全分层索引图。安全索引的构建和更新过程都不需要图像拥有者的任何参与,因此该方案非常适合资源受限的图像拥有者。2.本文不仅对本文方案的安全性和效率进行了理论分析,还给出了该方案与近期提出的加密图像检索方案在Cifar-10图像数据集上的实验结果和对比分析。实验结果表明本文方案是可行的,并且在安全索引的构造和更新这两方面比现有的同类方案表现得更好。