基于云外包的可验证的隐私匹配研究

来源 :河南师范大学 | 被引量 : 0次 | 上传用户:dyflovedyf
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
隐私匹配是网络信息安全领域的重要研究内容,也是设计安全协议的基本工具,其在人类基因研究、国土安全与社交网络等方面有着广泛的应用。隐私匹配是指存在多个参与者有各自的元素集合想要计算出共有的集合信息,参与者在计算出匹配结果的同时不泄露自己的隐私数据,在隐私匹配计算结束后所有参与者都能得到最终匹配结果,并且不能获得其他参与者的数据信息。现有多方隐私集合匹配协议存在计算不公平和查询效率低的问题。针对现存的多方隐私匹配协议运行效率低和应用在云外包环境中会造成参与者隐私数据泄露的问题,提出了一个基于Paillier同态加密与布隆过滤器的云外包多方隐私匹配协议。协议中通过使用基于NTRU的代理重加密算法,将每个参与者的公钥加密产生的密文转换成相同公钥加密的密文,并把大量的计算外包给云服务器。然后通过布隆过滤器具有较低的计算复杂度、较高的空间利用率与较高的查询效率的优势,提高了协议计算过程中对信息的加密、解密与查询效率。最终,在协议的计算过程中参与者仅需少量计算,且无需交互。针对现存的隐私匹配协议不能有效解决公平性的问题。提出一个基于云外包的去中心化的隐私匹配协议。在协议中,结合了门限同态加密和布隆过滤器实现了没有可信第三方的去中心化的多方隐私匹配协议。我们使用智能合约来执行验证计算。如果参与者的不诚实行为被检测到,则将要被处以罚金。最后,参与者有动机诚实的执行协议且每个参与者都能获得交集结果。最后,给出了形式化的协议安全分析和相应的证明,并与其他的隐私匹配协议进行了比较。实验结果表明我们的协议能良好的运行且有一定的实用性,可以在不泄露用户隐私信息的前提下计算出匹配结果,满足现实应用的需求。
其他文献
脯氨酸内肽酶(Prolyl endopeptidase,PEP,[EC 3.4.21.26]),也称脯氨酰寡肽酶(Prolyl oligopeptidase,POP),是丝氨酸蛋白酶家族中的一类水解酶。该酶在脯氨酸残基羧基端水解小肽(<33个氨基酸)。本研究以来源于皱纹盘鲍(Haliotis discus hannai)肌肉的重组PEP(Hdh-PEP)为研究对象,对Hdh-PEP的酶学性质
研究目的:骨骼肌是机体最大的代谢器官,肥胖带来的骨骼肌脂肪异位沉积与胰岛素抵抗密切相关,因此减少骨骼肌脂肪异位沉积对预防和改善2型糖尿病发生发展起到积极作用。运动是一种安全、有效的减脂手段,传统的中等强度持续运动(MICT)可有效减少体脂量,运动强度较高的高强度间歇运动(HIIT)也可以有效减脂。对脂肪组织而言,HIIT比MICT更能促进脂肪分解类酶活性升高,有助于分解更多内脏脂肪,那么骨骼肌内脂
随着科学技术的不断发展,人机交互技术越来越受到人们的重视。传统的人机交互方式如触摸屏、语音识别等技术,存在着生活中的某些场合应用不便等问题。而空间定位与运动轨迹追
2019年西藏正式启动地球第三极国家公园群建设,带动西藏旅游等行业绿色发展。国家公园群备选区域自然灾害频发,高原一旦发生影响人身安全的突发事件,应急救援水平力度与速度直接关系到生命安全。考虑到西藏地广人稀、交通不便,无法确保及时组织救援力量和调配应急物资,可适当在国家公园部分区域部署若干安全屋,存放食品、保暖、医疗等应急物资,引导遇险旅客自救或在此避难等待应急部门组织有效救援。本文根据国家公园群备
改革开放四十年来,我国经济发展日新月异,从初期的经济总量小、基础设施落后到成为世界第二大经济体,综合国力和国际影响力都实现了历史性跨越,其成就令世人瞩目。经济发展的目的在于提升民生福祉,提高社会福利,增进国民幸福感。在不同的经济发展阶段,经济增长的社会福利效应也呈现不同的特征。一般来说,经济发展的初期,经济增长对于社会福利提升的效应是显著的,随着经济发展水平的提高,高速的经济增长往往伴随着一些负面
随着人类工业科技的发展,智能手机等终端逐渐普及,人们对于通信的需求也愈发扩大,在新一代移动通信技术(5G)应用中,运用大规模MIMO系统来提高频谱利用率并提升系统容量。系统中多个用户之间由于共信道传输易产生较严重的干扰,用户分簇及预编码是干扰管理的有效手段,然而传统的全数字预编码需要大量的射频链路并且计算复杂度较高。近年来有学者使用局部线性嵌入等流形学习方法实现信道降维,本文针对大规模MIMO系统
基于物理的光线追踪是一种严格遵循物理机理,从三维模型生成真实感图像的渲染技术,它的首要目标是追求物理上的真实性,在数字内容创作(电影、特效设计、动漫等)和高端工业设计领域具有广泛的应用。同交互式或实时光线追踪相比,基于物理的光线追踪涉及复杂的物理过程和数学模型。渲染过程中物理上光线采样长度的随机性与处理器访存的非局部性常常导致扩展性低和严重的负载不均衡。同时,场景的复杂性以及投向场景的密集采样光线
自从人们提出利用量子力学的基本概念和基本原理来实现量子计算和量子信息处理的设想之后,学术界就掀起了有关计算机科学和信息科学的研究热潮。同时,伴随着实验器件尺度的不断缩小,量子力学的效应和规律也在不断地被探究和论证。在量子计算和量子信息的实际处理中,系统不可避免地要与周围环境或者测量器件发生相互作用,它的相干性极易受到破坏,导致信息在输入、传递和读取过程中出现错误。针对这一情况,很多科研工作者花费大
可逆图像隐写是信息隐藏领域的研究热点。与鲁棒水印不同,可逆图像隐写强调秘密数据的提取和宿主图像恢复的高质量。当前的可逆图像隐写技术通过轻微地修改载体图像,根据特定规则在载体图像中嵌入秘密信息,并允许合法用户在提取该秘密信息后无失真地恢复出原始载体图像。然而,传统的可逆图像隐写方法存在隐藏容量低以及嵌入容量大时造成图像失真问题。鉴于最近将深度神经网络与隐写分析相结合取得了重大突破,但将神经网络应用到
从遥感影像中提取或解译地物目标是遥感和地球科学中一项非常重要的任务。合成孔径雷达(Synthetic Aperture Radar,SAR)系统是遥感数据最重要的来源之一,在遥感领域中不可替代。高分辨率SAR影像具有十分丰富的空间结构特征,解析图像的信息正是通过这些特征来体现,因此,如何利用包含大量丰富信息的特征已成为当前SAR图像研究的热点和难点。研究SAR图像解译主要是基于特征提取,传统的特征