高维数据的相似可搜索加密研究

发布时间：2020-11-12 04:18

　　 随着云计算的快速发展,越来越多的用户开始将本地数据迁移到云端,从而避免繁琐的本地数据管理同时获得更加便捷的云数据管理服务。然而云服务器并非完全可信,隐私泄露的事件时有发生。为了保证数据安全和用户隐私,数据一般以密文形式存储在云服务器之中。如何对密文进行高效的,满足复杂要求的检索,并且避免频繁的加解密操作,是目前研究的重点。相较于传统可搜索加密方案中的精确关键字匹配,相似搜索具有更加广泛的应用价值,k最近邻查询广泛地出现在云应用中。因此设计一个高效的密文相似检索方法具有非常重要的意义。此外,近年来随着互联网技术不断发展,许多应用面临处理的数据量呈几何级增长,并且数据维度也逐渐增加。高维数据所导致的“维度灾难”的出现,使得相似检索的计算复杂度呈指数上升。同时,不断增加的数据体积使得传统算法效率及其低下,已经难以满足用户的需求。如何将可搜索加密技术与高维数据相似检索结合起来,是目前亟待解决的问题。本文提出了一种针对高维数据的分布式的相似可搜索加密方案。方案首先通过局部敏感哈希技术LSH(locality sensitive hashing)对高维数据进行降维处理,随后利用随机向量点积与同态加密等技术,设计特定的索引加密方式与索引结构,使整体方案满足更加严格的隐私定义,能够隐藏访问模式信息,且支持动态操作。索引构建及相似查找算法在Hadoop MapReduce框架下进行实现,确保了在处理海量数据时的高可扩展性。通过对原始数据集的拆分并分别为每一个子数据集建立单独哈希表,极大地减少了整体的数据索引大小。最后,通过安全性证明与对实验结果的分析,本方案在较好的保护隐私性的同时,能够有效的对密文数据进行相似检索,具有一定的实际价值。
【学位单位】：大连理工大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TP309
【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景
    1.2 研究现状
    1.3 文章主要工作
    1.4 章节安排
2 相关知识介绍
    2.1 云计算与云存储
    2.2 可搜索加密技术简介
    2.3 对称可搜索加密
        2.3.1 对可搜索加密定义
        2.3.2 常用密码学原语
    2.4 常用加密手段
        2.4.1 对称加密
        2.4.2 同态加密
    2.5 相似检索与球覆盖
        2.5.1 相似检索
        2.5.2 近似球覆盖问题
    2.6 Hadoop简介
3 方案详述
    3.1 方案安全定义
    3.2 局部敏感哈希函数LSH
    3.3 使用MapReduce构建分布式方案
        3.3.1 执行流程
        3.3.2 基本的LSH分布式实现
    3.4 索引构建
        3.4.1 距离抽取
        3.4.2 索引构建流程
        3.4.3 索引加密
    3.5 相似检索
        3.5.1 陷门生成
        3.5.2 索引查询
        3.5.3 相关得分计算
        3.5.4 结果解密
    3.6 动态操作
        3.6.1 增加数据
        3.6.2 删除数据
        3.6.3 修改数据
4 方案分析
    4.1 安全性分析
    4.2 实验分析
        4.2.1 实验设置
        4.2.2 实验评价标准
        4.2.3 实验结果分析
结论
参考文献
攻读硕士学位期间发表学术论文情况
致谢

【参考文献】

相关期刊论文 前1条

1 李顺东;窦家维;王道顺;;同态加密算法及其在云安全中的应用[J];计算机研究与发展;2015年06期

本文编号：2880237