Bulut tabanlı otonom sürüş sıstemlerınde görüntü işleme ıçın tam homomorfık şıfreleme yaklaşımı

Akıllı ulaşım sistemlerinin hızlı ve ileri düzeydeki gelişimi, otonom araçları günümüz yeniliklerinin bir parçası haline getirmiştir. Bu araçlar, çevrelerini sürekli olarak taramak ve anlık gelişen olaylara göre karar vermek için sensörler, kameralar ve iletişim modüllerinden oluşan bir ağa bağımlıdır. Bu sensörlerin taşıdığı bilgiler yolcu bilgileri, yol koşulları ve konum verilerini içermesi nedeniyle oldukça hassastır. Araçlarda sınırlı depolama alanı bulunduğundan, bu verilerin bulut depolama gibi harici bir ortama aktarılması gerekmektedir. Ancak veriler buluta gönderilip işlenmek üzere saklandığında, yetkisiz erişim, içeriden gelen tehditler ve çıkarıma dayalı saldırılar gibi risklere açık hale gelmektedir. Üçüncü taraf depolama alanlarında saklanan bu verilerin korunması için kriptografi teknikleri kullanılabilir, ancak bu durumda verilerin geri çağrılması (retrieval) sorunu ortaya çıkmaktadır. Araç üzerine monte edilen kameralar tarafından yakalanan tüm görüntü tabanlı verilerin saklanması genellikle başka bir kaynağı gerektirir; çünkü bu verilerin tamamının araç depolamasında tutulması imkânsızdır. Bu çalışmada, verilerin bulutta güvenli bir şekilde saklanması ve şifre çözme yapılmadan geri çağrılabilmesi için homomorfik şifreleme tekniği önerilmiş ve doğrulanmıştır. Bu kapsamda Brakerski–Fan–Vercauteren (BFV) tam homomorfik şifreleme (FHE) şeması kullanılarak görüntü tabanlı veri setleri piksellere dönüştürülmüş ve iletimden önce şifrelenmiştir. Geleneksel şifreleme yöntemlerinde olduğu gibi bilgilerin çözülüp analiz edilmesine gerek kalmadan, bu yöntemde süreç boyunca gizlilik korunmaktadır. Şifrelenmiş veriler bulutta işlenebilmekte ve güvenliğini korumakta, dolayısıyla ele geçirilse bile saldırgan için kullanılabilir olmamaktadır. Bu çalışmanın en önemli katkılarından biri, görüntülerin çok yönlü ve güvenli bir şekilde geri çağrılmasını sağlamak amacıyla üç farklı algılama tekniğinin bir araya getirilmesidir. Benzerlik yüzdesine dayalı yöntem, şifrelenmiş görüntüler arasında yapısal benzerliklerin karşılaştırılmasını ve eşleştirilmesini sağlayarak benzer veya yinelenen görüntülerin tespitinde etkili olmaktadır. Bilinen nesne tabanlı yaklaşım, bulutta önceden şifrelenmiş nesne desenlerinden yararlanarak belirli kategori sorgularında hızlı ve kesin çözümler sunmaktadır. Bilinmeyen nesne tabanlı yaklaşım ise yeni, daha önce görülmemiş nesnelerin tanımlanabilmesi için nesne şekillerinin oluşturulup şifrelenmesiyle sistemin esnekliğini artırmaktadır. Bu kombinasyon sayesinde çerçeve hem rutin sorgularda hem de beklenmedik yol durumlarında etkili olmaktadır. Bununla birlikte, gerçek zamanlı nesne tespitinde yüksek doğruluk ve verimlilik sağlamak için YOLOv9c modeli uygulanmıştır. Model, araçların, yayaların, trafik işaretlerinin ve diğer kritik trafik unsurlarının yerini belirlemede %90 ortalama hassasiyet elde etmiştir. Kriptografik şema ile YOLOv9c'nin birleşimi, gizlilik, doğruluk ve performans arasında bir denge sağlamıştır. Deneysel sonuçlar, bulut tabanlı görüntü işlemede homomorfik şifrelemenin uygulanabilir olduğunu kanıtlamıştır. Şifreleme, daha fazla hesaplama ve depolama maliyetine neden olsa da, bu maliyetler mevcut bulut ortamlarında karşılanabilir düzeydedir. Ayrıca, şifrelenmiş görüntülerde yapısal bütünlük korunduğundan, şifreleme tespit sonuçlarını bozucu bir etki yaratmamıştır. Çalışmada dikkat çekilen bir diğer önemli nokta, kötü hava koşulları gibi zorlu ortamlarda da çerçevenin dayanıklılığını korumasıdır. Benzerlik tabanlı tekniklerin doğruluğu bu durumlarda düşse de sistem işlevselliğini sürdürebilmiştir. Sonuç olarak, bu çalışma homomorfik şifreleme ve derin öğrenmenin, otonom araçlar için bulut depolarda güvenli ve gizliliği koruyan bir arama kabiliyeti sağlayabileceğini göstermektedir. YOLOv9c modeli, karmaşık araç veri setlerinde nesneleri yüksek doğrulukla tespit ederek 0.901 F1 skoru, 0.948 hassasiyet ve 0.86 duyarlılık elde etmektedir. Önerilen BFV tabanlı şifreleme yöntemi, önceki çalışmalarda bildirilen sürelere kıyasla çok daha düşük işlem yüküne sahiptir; şifreleme süresi yalnızca 0.18 saniye, çözme süresi ise 0.09 saniyedir. Şifreli görüntü arama performansı da oldukça yüksektir; 100 görüntülük bir veri setinde arama işlemi 14.04 saniyede tamamlanmakta olup, bu süre literatürde rapor edilen sürelerden önemli ölçüde daha kısadır. Bilinen nesne tespiti, 50 nesneye kadar 4.06 saniyelik arama süresi ile ölçeklenebilirlik göstermektedir. Bilinmeyen nesne tespitinde ise 1.17 KB boyutundaki nesneler, 1000 görüntü içeren bir veri setinde 10 saat 29 dakika içinde bulunabilmektedir. Önerilen bu sistem, yalnızca akıllı ulaşım sistemlerine değil, aynı zamanda büyük miktarda verinin saklanmasını gerektiren tüm sistemlere, güvenli ve düşük maliyetli üçüncü taraf depolama çözümleri sunmaktadır. Araştırmanın bulguları, veri gizliliği ve güvenliğinin kritik önem taşıdığı sağlık, finans, kamu, gözetim ve akıllı şehirler gibi diğer sektörler için de değerlidir.