【摘 要】
：
随着5G时代的到来,快速和安全的云端数据共享正吸引着越来越多的关注。关键字搜索以其可以识别用户和搜索密文而无需解密在数据共享中起着重要的作用。然而,现有的可搜索算法有许多局限性,如强大的中心权限、匹配进程只在云服务器上执行、容易造成中心损坏和单点故障等问题,使得关键词搜索的公平性仍然是一个挑战。此外,随着互联网的不断发展和生活水平的逐步提高,对数据分享的安全性要求以不再是特殊机构的专属,而现有的研
论文部分内容阅读
随着5G时代的到来,快速和安全的云端数据共享正吸引着越来越多的关注。关键字搜索以其可以识别用户和搜索密文而无需解密在数据共享中起着重要的作用。然而,现有的可搜索算法有许多局限性,如强大的中心权限、匹配进程只在云服务器上执行、容易造成中心损坏和单点故障等问题,使得关键词搜索的公平性仍然是一个挑战。此外,随着互联网的不断发展和生活水平的逐步提高,对数据分享的安全性要求以不再是特殊机构的专属,而现有的研究主要是基于精确查找,搜索密文时对输入要求太高,没有考虑到用户的差异性而导致的输入格式不规范、拼写错误等情况,为用户在查找密文造成极大不便。本文针对这些问题展开研究,主要工作如下:1.提出了一种云中基于区块链的多云多授权的可搜索加密方案。该方案考虑到云服务器是一个不完全可信的机构,利用区块链公开和不可篡改的特性在保证陷门匹配安全性的同时将其移至区块链上进行,有效防止云服务器为节省计算资源不如实匹配的问题。同时,该方案采用多云块存储技术,将密文以块的形式存储在多个云服务器上,对返回的密文支持完整性和正确性验证,既能保证单个云服务器的损坏不会对整体数据造成影响,也可以防止因密文无法识别的特性造成云端不如实发送相关密文和用户恶意控告云端等行为以获取不正当利益,让密文检索公平、公正的进行。此外,该方案基于多属性授权机构实现,每个授权中心只管理一组属性并为该属性分配私钥,由用户合成最终私钥,解决了现有方案因中央权限过大而造成密钥托管和中心损坏的问题。安全性和效率分析表明,本方案能够满足云端密文的安全检索且效率有明显提升。2.提出了一种基于区块链的多授权多关键字分级模糊搜索方案。基于精确查找的方案要求查找时输入的关键字必须和密文预先设定的关键字完全一致,考虑到分享过程中数据上传方和下载方不接触,查询关键字受到数据使用者的个人偏好和检索习惯影响导致输入有一定差异,为数据共享造成不便。针对这一问题,本方案提出一种支持向量内积的多关键字模糊可搜索加密算法,通过比较计算关键字的相似度来返回密文,可有效解决用户因个人偏好或拼写错误带来的检索困难,拓展可搜索加密的应用范围。同时,该方案考虑到分享数据集可以按照机构、学科等属性进行归类,通过构建访问树,先进性属性认证,再对通过认证的访问树所对应的密文集进行检索,不仅可以减少匹配次数,也可以防止用户越权下载密文造成资源浪费和密文泄露风险。此外,该方案同样支持多授权并让密文存储与陷门匹配分离,在区块链上以共同监督的形式进行陷门匹配。效率分析表明,该方案相对于同类型方案有明显提升。
其他文献
随着我国老人的增多,老年疾病患病率也随之增高。在老年骨病患者中,绝大多数病症都与股骨相关。目前国内针对股骨近端骨折的主要治疗方法为髋关节假体置换。而这些假体大部依赖于进口。根据西安交通大学第二附属医院和中国人民解放军总医院的临床实践表明,目前进口的假体和钢板并不能很好匹配国人的股骨形状,造成术后恢复效果差。股骨参数测量可以辅助医生设计人工假体,同时还可以协助医生选择适合手术方案和器械。此外利用测量
深度神经网络（Deep Neural Network,DNN）作为人工智能最杰出的代表,被广泛应用于各个领域。然而,近期研究表明,高精度DNN模型极易受到对抗样本的攻击。对抗样本是人为经过特定对抗攻击算法所生成的恶意攻击样本,能在不影响人类正常视觉辨别的同时,使DNN模型产生高置信度的预测错误或分类错误。对抗样本揭露了DNN易被攻击的特性,是DNN巨大的安全漏洞。因而提升DNN对对抗样本的防御能力
引线框架作为半导体芯片的载体,是半导体封装领域所用到的重要基础原材料,主要用来保护半导体芯片免受外界物理或化学因素的损害,并同时用作导通介质。引线框架的生产方式是利用引线框架掩模在曝光机上对生产原材料（铜基板）进行曝光,将曝光后的半成品进行显影、蚀刻、电镀等工序后获得成品。若曝光环节出现的缺陷未被检出,会导致后续环节中的错误进一步扩大,所以生产厂商都会在曝光环节设立检测点。引线框架曝光缺陷尺寸微小
极化合成孔径雷达是一种高精度成像雷达,可以获得丰富的目标和土地覆盖信息,极化合成孔径雷达不仅成像分辨率高,而且还具有全天候对地观测的特点,在运转时不会因为光照、气候等条件而受到干扰,甚至可以穿透掩盖物获取其覆盖的信息。合成孔径雷达这些优点使得其在农业、环境、地质和军事等领域得到了广泛应用。传统的极化SAR图像分类方法通常会忽略掉极化SAR图像像素点之间的空间信息,分类效果常常达不到预期。本文的主要
生物特征识别在信息安全领域发挥着重要作用,掌纹识别作为一种新型生物特征识别方式,具有低失真、非侵入性和高唯一性等优势。传统掌纹研究大多使用自然光成像系统以灰度格式获取,识别精度很难进一步提升。为了获得更多的身份鉴别信息,利用多光谱掌纹图像代替自然光掌纹图像,根据不同波长的光谱对皮肤的吸收和反射率不同,捕获每个波段中特定和互补的掌纹特征。因此,本文探讨了基于多光谱图像的掌纹融合识别方法。1.针对传统
随着智能物联网时代的来临,边缘计算作为一种新的计算方式,凭借其超低时延和超高可靠性的优势被应用于各个领域。然而,传统的CPU和GPU平台无法满足边缘计算实时和功耗的需求,急需高效低功耗的平台对应用进行加速。因此,本文设计并实现了基于异构多核FPGA平台的加速器,并对设计空间进行探索与寻优,以满足上述的需求。本文的主要研究工作如下:1.卷积运算中普遍存在数据读写依赖,导致执行过程无法完全并行,而串行
喉癌作为头颈部常见的癌症,其早期症状通常不明显,当其开始影响患者的生活质量时,往往已经发展到了中晚期。因此,尽早发现可疑病变,有利于病情的及时确诊和后续治疗方案的确定。目前,在喉部检查过程中广泛采用的是内镜白光成像技术,其对于发生在粘膜浅层的病变敏感度较低,窄带成像技术由于能够清晰显示粘膜浅层的微小病变,成为发现早期癌变的有力工具。但这种成像技术依赖于特定设备以及检查医师的操作,视觉感知的微妙差异
极限学习机（Extreme Learning Machine,ELM）是一种训练单层前馈神经网络（Single-hidden Layer Feedforward Neural Networks,SLFNs）的机器学习方法,对于解决分类和回归问题具有明显的优势。ELM是对反向传播算法（Backward Propagation,BP）的改进,不仅有效地克服了BP算法存在的训练速度慢的缺点,而且具有很好