基于CP-ABE加密算法的高效密文搜索机制研究与应用

来源 :深圳大学 | 被引量 : 0次 | 上传用户:czq8068
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
随着云计算、雾计算等网络技术的发展与应用,越来越多的用户开始体会到将个人重要数据使用公有服务器进行存储和计算的优势。就以云计算技术为例,云计算技术可以保证用户数据的可用性和完整性,并且按照各个用户的需求进行个性化服务、海量资源共享以及按照使用服务进行精准消费。因此,对于这种便利且高效的网络技术服务架构,越来越多的用户、企事业单位等会把自身重要数据委托给云服务提供商进行管理。然而,对于日益增长的数据而言,如何保护这些数据的安全性私密性成为了现在互联网科研人员的一项重要课题。属性基加密技术ABE的诞生与发展为云计算用户提供了一种全新的个人数据保护措施,并且它有效规避了传统加密技术的缺点。不过,由于越来越多的用户使用加密技术保护存储在云服务商的数据,从而引发了新的问题,即如何安全有效便捷地搜索这些数据。近年来各种安全的密文搜索机制不断被提出,其中包括基于对称密钥的可搜索加密技术SSE、基于公钥加密的可搜索技术PEKS以及基于属性基加密的可搜索加密技术ABSE。由于ABE技术自身具有多种传统加密技术不具备的特点,所以基于ABE技术的可搜索加密能够完美地继承这些优势,例如细粒度的访问、抗共谋等。特别是,基于密文策略的属性基可搜索加密技术CP-ABSE在云计算等网络技术领域中拥有良好的适应性,并且CP-ABE技术在这些领域中已经得到了非常广泛的应用,因此本文重点介绍了基于CP-ABE技术的新型可搜索加密方案的研究与探讨。该论文分析了可搜索加密技术在云计算、雾计算中的研究现状,并且从实际角度出发,保证数据安全性不被破坏的前提下,有效提高方案算法的计算效率、存储效率。主要研究内容包括:1.在密文搜索方案中实现多种搜索机制,提高更具人性化的搜索方案。2.优化算法,提高方案的计算效率和存储效率。主要创新点包括:1、本文提出了一种实用的加权关键词模型,其中基于权重来组织和控制关键词。该模型可以有效地表达加权关键词与密文的匹配程度。2、引入了具有加权关键字的搜索策略,该策略能够提供多种搜索机制,例如“精确搜索”,“布尔搜索”和“范围搜索”。同时,为了降低搜索策略的大小,搜索策略的每个叶节点都可以与多个加权关键字关联。3、提出了一种有效的从属结构,优化可搜索策略和密文。该结构可以减少加权关键字的数量,因此可以节省CP-ABWKS方案的计算和存储开销。4、本文首次提出了一种可搜索LSSS矩阵模型,我们通过一种合适的构造方法减少LSSS矩阵的大小。该模型的目的是进一步降低方案搜索令牌和搜索算法的计算开销以及存储开销。5、为了降低“范围搜索”机制的计算开销,本文引入了0,1-编码技术。该技术能够使用极少量的二进制编码即可代表一个较大范围的查询,从而极大降低了令牌生成、密文搜索过程中所需的计算开销和存储开销。除上述创新点之外,我们发现大部分属性基可搜索加密方案并没有加密明文文件,而仅仅针对关键字索引进行处理,因此为了保证数据安全的完整性我们提供针对明文文件加密功能。本文最后对我们的工作进行总结,并对未来的研究方向以及可能出现的科研问题进行展望。
其他文献
动态多目标优化问题无论在科学研究还是在实际应用中都广泛存在。此类问题不仅具有多目标优化问题的基本特征,主要表现在多个目标互相冲突无法同时达到最优,而且这些目标还会随着时间的变化而发生改变,如目标函数、目标函数的数目和限制条件都可能会随时间变化。这些动态变化可能引起问题的帕累托最优前沿(Pareto optimal front,PF)和帕累托最优解集(Pareto optimal set,PS)随着
卷积神经网络(Convolutional Neural Network,CNN)已经被广泛地应用在许多人工智能平台中。但是,由于卷积神经网络的推理过程涉及大量的数据迁移以及复杂的数据计算,它们仍然很少被部署在移动或边缘平台上。新兴的神经架构(Neuromorphic Architecture)旨在结合存内计算技术(Processing In Memory,PIM)来减少数据迁移,它采用三维堆叠的形
特征提取是数据分析中的核心步骤之一.如何从海量的数据中提取其有用信息已成为目前应用数学与模式识别领域的一个热点问题.常用的特征提取方法包括主成分分析(PCA)、线性判别分析(LDA)、局部保持投影算(LPP)和非负矩阵分解(NMF).其中,非负矩阵分解(NMF)是主要针对非负数据的一种特征提取方法,其在人脸识别、聚类及高光谱分解等方面有着广泛的应用.然而,传统NMF还存在一些问题,比如没有充分利用
在现实工程问题中,多目标优化问题(MOPs)是一类非常常见的优化问题。多目标优化问题通常包含两个或两个以上相互冲突的目标。近年来,一系列针对不同类型多目标优化问题的多目标智能优化算法相继提出。然而,对于一些具有复杂的Pareto最优解集或最优端面的复杂多目标优化问题,它们的Pareto最优端面不同部分具有不同的收敛难度或者逼近的困难。因此,这类复杂多目标优化问题能有效地检验多目标智能算法的种群多样
目前,移动机器人的定位系统及算法在室内环境中已经取得了较好的定位效果,但是这些系统及算法在室外运行时会由于室外非结构化的环境、噪声和光照等各种因素的影响而无法很好地运行,因此室外移动机器人的定位仍然存在着许多问题亟待解决。本文主要研究使用视觉的传感数据在室外环境下移动机器人的定位问题,主要的研究内容如下:首先,针对移动机器人的定位问题,本文主要利用的是贝叶斯滤波的框架,已知贝叶斯滤波主要是通过运动
互联网技术发展迅速,网络文本信息激增。信息传播迅速而广泛,对社会有着重大的影响,因此高效地分析和处理文本信息变得尤为重要。文本分类是处理文本信息的关键技术之一,它可以帮助企业等各种机构有效地组织信息。因此,文本分类技术的研究在社会应用中具有重要意义。在文本分类技术中被广泛使用的循环神经网络(Recurrent Neural Network,RNN),由于其有时间方向的传播和层与层之间的传播的两个维
近年来在国家优惠政策的支持和计算机视觉技术的发展,安防监控及计算机视觉相关产业快速发展,政府、公共场所、火车站、企业、城市、区民小区都跟随国家的政策和计算机视觉产业的需求,加入到安防产业的研究和落地,由于智慧城市和大数据城市的打造,安防相关产业一直保持高增长态势。随着人工智能和计算机视觉技术的发展,人脸、行人、车牌等成为了重要的监控对象。在大数据的不断发展,人脸检索算法需要消耗大量的检索时间,同时
机动目标跟踪无论在军用还是民用领域皆有广大的应用需求与实际意义,也一直是热点研究方向。在众多机动目标跟踪算法中,交互式多模型(Interacting Multiple Model,IMM)是应用最广泛的一种算法。然而,传统IMM算法在跟踪机动目标时,往往会出现模型库庞大导致计算量剧增、模型库难完全匹配目标运动状态的问题。针对上述问题,本论文基于模糊信息处理原理,引入目标模糊语义信息,重点研究基于特
生物特征识别技术是利用人固有的生理特征和行为特征进行个人身份识别的技术,已成为应用数学和信息技术领域非常活跃的研究方向.人脸识别是生物特征识别的一种形式,其需要在计算机的辅助下进行,并具有非接触性和非强制性等优点.人脸识别的关键在于提取人脸图像中的特征信息,非负矩阵分解(NMF)是一种有效的图像数据特征提取方法,其能够提取人脸图像中有意义的非负特征信息.但是传统的非负矩阵分解算法没有充分的利用样本
随着信息时代的到来,作为信息的主要载体,图像的数据量也在不断地增长。因此,在大规模图像数据中利用图像检索技术快速检索出相似的图像信息成为了研究的热点方向。传统图像检索技术分为基于文本和基于图片内容的图像检索技术两种。但是它们存在标注人工主观性以及高数据维度问题,会导致存储及计算资源过大。为了更好地减少存储空间以及提高检索速度,在图片特征处理上采用哈希编码成为现在的主流。基于哈希的图像处理方法包含特