随着大数据和云计算时代的到来,越来越多的企业和个人用户选择将大量的图像文件存储在云服务器中,并提供图像的检索和共享功能,这样不仅能够节省大量的本地空间,云服务器强大的计算能力也能为用户之间的数据共享提供高效的数据检索与传输的服务。然而云服务器中的安全问题日益突出,目前较为认可的做法是在数据上传到云服务器之前先进行加密处理。但是加密后的数据是不能够再用传统的明文检索方式,并且加密后的数据虽然不能被云服务器窥视,但是并不能阻止云服务器对数据进行未经用户允许的操作,即数据的完整性可能会遭到云端的破坏。因此,研究并设计一种能够在云环境中安全高效的图像检索方案具有重要意义。针对上述问题,本文提出了一种在云环境下基于目标检测的密文图像检索方案(Ciphertext image Retrieval scheme based on Object detection in Cloud environment,CROC),具体分为基础方案(CROC-B)与扩展方案(CROC-E)。在CROC-B中采用了目标检测的深度学习模型对图像进行预处理,得到的关键词集合不仅能大致分类图像,加快检索效率,而且生成的图像特征向量相对于传统的图像处理方式更能准确的表达图像特征,使匹配的精度更高;然后采用多重线性映射加密的方式对关键词集合进行加密并构建安全索引,攻击者与云服务器都无法破解加密内容;CROC-E在CROC-B的基础上引入区块链技术,区块链技术提供的分布式系统提高了图像数据的检索效率,其超级账本记录下了图像数据信息,并且不可更改,以供图像数据的完整性验证。安全性分析表明CROC-B不仅能够有效抵抗猜测攻击,性能评估表明CROC-B在相对于已有方案有较好的检索效率,并有着最高的检索精度;在性能上CROC-E相对于CROC-B有更快的检索效率,并在安全性上能为图像数据提供完整性验证的相关数据。