基于加密语义树的多用户可搜索加密机制

发布时间：2020-10-23 01:29

　　 随着云计算的不断发展,云存储已经成为云计算最广泛的应用之一。云存储在为广大用户带来方便的同时,也造成了数据所有权和管理权分离的问题。云存储安全受到业界广泛地关注,为了更好地解决此问题,可搜索加密的云存储服务机制及效率问题在近几年中得到了研究者的广泛研究和发展。本文针对目前可搜索加密的不精确问题进行了研究,实现了在语义方面的精准搜索以及效率的提高。目前的可搜索加密方案大多针对多用户,多关键字搜索等方面进行研究,但没有考虑到语义对于搜索结果的影响,为了解决这个问题,本文实现了语义方面的可搜索加密,并且在此基础上提高了运作效率。本文利用了两个云服务器确保用户语义搜索的高效运行,一台用来匹配陷门以及产生语义的相关匹配结果,另一台用来搜索出最相关的文件并返回给用户。为了更安全和高效,本文中语义树上传至云服务器中,使用在云服务器中产生陷门的办法,确保减少用户的计算量,同时对语义树进行加密,保证语义树关键信息的安全,不被恶意用户窃取。另外,本文采用消息摘要算法(Message-Digest Algorithm 5,MD5)加密可以保证明文与密文的对应,并且利用MD5加密的密文无法通过密文解出明文的特点,保证明文的安全。通过安全性分析可得本方案具有抗伪造攻击、已知密文模型下的安全性和数据的安全性。通过语义树的效率分析和与目前相关方案的时间复杂度的对比分析,表明该方案具有高效性。
【学位单位】：兰州理工大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP309.7;TP391.3
【部分图文】：

图 2.1 可搜索加密过程2.2 可搜索加密的分类 在可搜索加密出现以前，人们的文件加密存储在云上，如果想要查看必须全部下载，因为加密的文件是无法搜索的，这样很麻烦而且会浪费很多资源。于是出现了可搜索加密机制，可以对加密的文件进行搜索并且不会暴露隐私。可搜索加密又分为对称可搜索加密和公钥可搜索加密即非对称可搜索加密。 2.2.1 对称可搜索加密的概念 对称加密算法，所谓对称，是指加密加解密的密钥是同一个，加密密钥和解密密钥之间可能有一些简单的转换计算。在对称可搜索加密环境下，数据的拥有者、陷门的产生者以及解密者都是同一个用户。对称可搜索加密的优势在于计算方面，它的相对于非对称可搜索加密计算量是较小的，适用于大数据的加密，缺点则是加密用户和解密用户需要在事先统一密钥，而密钥则必须通过安全信道传

图 2.2 对称可搜索加密的模型可搜索加密的算法描述如下[35]： 1.(对称可搜索加密)。可搜索加密算法是定义在字典1 2{ , ,..., W W W分为五个步骤： SSE ( KeyGen , Encrypt , Trapdoor , Search , Decrypt) KeyGen ( )： 是安全参数，该算法根据安全参数生成加密密钥 K , C ) Encrypt ( K , D)：是明文文件集合，1 2( , ,..., )nD D D D， 2iD ，，该算法生成文件索引I和密文文件集1 2( , ,..., )nC C C C，部分方案引，则令 I 。 ( , ) Trapdoor K W：其中，K是对称密钥，W是用户输入需要查询的关成关键词W对应的陷门WT。 ( , )W W Search I T：该算法根据用户输入生成的陷门 以及文件的索

图 2.3 公钥可搜索加密的模型对称可搜索加密的算法描述如下： 定义 5. 公钥可搜索加密[38]。公钥可搜索加密算法可以描述为 PEKS ( KeyGen, Encrypt , Trapdoor , Test) (2.2) 其中， 1. ( pk , sk ) KeyGen ：安全参数 作为输入，运行KeyGen算法产生公钥pk和私钥 sk ； 2. ( , )WC Encrypt pk W：公钥pk和关键词W作为输入，运行Encrypt算法产生关键词密文WC； 3. ( , )WT Trapdoor sk W：私钥sk和关键词W作为输入，运行Trapdoor算法生成关键词陷门WT； 4. ( , , )W Wb Test pk C T：公钥pk，关键词陷门WT 和关键词密文WC 作为输入，运行Test 算法，将W与'W进行匹配，然后输出是否匹配的判断值b {0,1}。
【相似文献】

相关期刊论文 前10条

1 李舟军，王兵山;语义树方法及其可靠性和完备性[J];国防科技大学学报;1994年03期

2 黄名选;严小卫;;基于查询语义树的语义查询扩展研究[J];情报理论与实践;2007年06期

3 江胜,卢炎生;主动数据库中的复合事件构造与探测[J];计算机与数字工程;2001年04期

4 刘咏梅;杨帆;于林森;;场景语义树图像标注方法[J];中国图象图形学报;2013年05期

5 孟凡荣;田恬;张磊;;基于语义树的语义关联度算法改进[J];微计算机信息;2009年12期

6 赵彦斌;李庆华;赵峰;;Web网页语义树的构造与利用[J];华中科技大学学报(自然科学版);2005年S1期

7 刘絮颖;尹青;蒋烈辉;刘建林;;基于结构语义树的高级控制结构恢复技术[J];计算机工程与设计;2011年09期

8 赵鹏;冯晨成;韩莉;纪霞;;融合深度学习和语义树的草图识别方法[J];模式识别与人工智能;2019年04期

9 安建成;武俊丽;;基于语义树的概念语义相似度计算方法研究[J];微电子学与计算机;2011年01期

10 杜明芳;王军政;李多杨;何玉东;;基于语义树Markov随机场模型的地面机器人多尺度道路感知[J];兵工学报;2016年03期

相关博士学位论文 前1条

1 李琳;基于语义树的三维角色模型创作方法研究[D];合肥工业大学;2016年

相关硕士学位论文 前10条

1 王娅菲;基于加密语义树的多用户可搜索加密机制[D];兰州理工大学;2019年

2 许鹏;基于语义的电商网页内容查重研究及系统设计与实现[D];北京邮电大学;2017年

3 史佳慧;财经问答系统问句解析子系统[D];哈尔滨工业大学;2012年

4 柴华;财经问答系统结构化查询子系统的设计与实现[D];哈尔滨工业大学;2014年

5 程超;面向分类挖掘的独立L-多样性隐私保护方法研究[D];华中科技大学;2015年

6 王水利;基于互信息的语义查询扩展技术研究[D];河南科技大学;2011年

7 罗茜茜;项目信息服务平台的设计与实现[D];华南理工大学;2012年

8 徐庆;基于词汇语义信息的中文命名实体关系抽取研究[D];太原理工大学;2016年

9 于甜甜;基于语义树的语句相似度和相关度在问答系统中的研究[D];山东财经大学;2014年

10 谈慧媛;精简语义树模型构建及在视频关键帧聚类分析中的应用[D];吉林大学;2009年

本文编号：2852366