使用对称密钥对文档中的每个单词都采用了 2 层加密结构, 但是全文搜索的方式效率太低,Goh [4] 提出了基于布隆过滤器的安全 [5] 索引结构对其效率进行改进 Boneh 等首次提出了基于关键词的公钥可搜索加密系统, 使得任何拥有公钥的用户都可以向服务器存储数据, 只有拥有私钥的用户才可以搜索关

Size: px

Start display at page:

Download "使用对称密钥对文档中的每个单词都采用了 2 层加密结构, 但是全文搜索的方式效率太低,Goh [4] 提出了基于布隆过滤器的安全 [5] 索引结构对其效率进行改进 Boneh 等首次提出了基于关键词的公钥可搜索加密系统, 使得任何拥有公钥的用户都可以向服务器存储数据, 只有拥有私钥的用户才可以搜索关"

妍双蔡
7 years ago
Views:

1 / 云计算中可验证的语义模糊可搜索加密方案林柏钢 1,2, 吴阳 1,2, 杨旸 1,2, 钟玲 (1. 福州大学数学与计算机科学学院, 福建福州 ;2. 网络系统信息安全福建省高校重点实验室, 福建福州 ) 1,2 摘要 : 针对目前可搜索加密方案不能进行语义模糊搜索的不足, 并且无法充分应对不诚实且好奇的服务器威胁, 提出了基于混合云模型的可验证语义模糊可搜索加密方案该方案通过 WordNet 对关键词进行语义扩展, 并使用布隆过滤器构造安全索引, 索引和查询经过布隆过滤器两轮映射保证了无关联性, 确保了用户数据隐私的安全性在混合云模型下, 尽可能的减少终端计算开销, 在私有云服务器上构建索引和验证集合并对搜索结果进行验证以确保搜索结果完整性, 在公有云服务器上进行文档搜索确保搜索效率通过在真实数据集上的测试, 验证了该方案的有效性与可行性关键词 : 可搜索加密 ; 云计算安全 ; 布隆过滤器 ; 混合云模型中图分类号 :TP309 文献标志码 :A Verfable Seantc Fuzzy Searchable Encryton Schee n Cloud Coutng LIN Bogang 1,2, WU Yang 1,2, YANG Yang 1,2, ZHONG Lng 1,2 (1.College of Matheatcs and Couter Sc., Fuzhou Unv., Fuzhou , Chna; 2.Key Lab. of Info. Securty of Network Syste, Fuzhou Unv., Fujan , Chna) Abstract: The exstng searchable encryton schees can nether suort seantc fuzzy keyword search nor resst threats fro dshonest-and-curous data server. In order to solve these robles, ths aer roosed a verfable seantc fuzzy searchable encryton schee based on hybrd cloud odel. The schee akes seantc extenson on keywords through WordNet and bulds secure ndex through bloo flter. The ndex and query are dealt wth by two rounds ang of bloo flter so that the rvacy of user s guaranteed. In hybrd cloud odel, the coutaton overhead can be reduced at the user ternals. The rvate cloud server s resonsble to buld ndex and verfy the results n order to ensure that all atched encryted fles are returned. The ublc cloud server leents search oeratons on secure docuents. The effcency of the suggested schee s tested through sulaton on real data sets. Key words: searchable encryton; cloud coutng securty; bloo flter; hybrd cloud odel 云计算是分布式计算网络存储技术虚拟化并行计算等传统计算机技术和网络计算发展融合的产物 [1] 它将传统计算机的计算和存储功能转移到了云服务器中, 有效的减少了用户的计算开销和存储成本但是, 在这种数据托管模式中, 云服务器的管理员和外部的网络攻击者都可以直接或间接的接触到用户的数据, 特别对于一些敏感数据, 当用户将数据存储在云服务器中, 就失去了对数据的直接控制力, 可能导致个人隐私数据的泄露和滥用 [2] 因此, 将数据加密后存储在云服务器中, 无论是云服务器管理员还是外部攻击者都无法获取数据真实内容, 保护了用户的隐私性但是, 这给密文数据的信息检索带来了极大的挑战, 特别是在非可信环境下, 如何对密文提供高效安全的搜索方案引起了人们普遍关注 [3] 可搜索加密技术最早由 Song 等提出, 收稿日期 : 基金项目 : 国家自然科学基金资助项目 ( ); 福建省科技厅重点资助项目 (2012H0025) 作者简介 : 林柏钢 (1953 ), 男, 教授, 博士生导师. 研究方向 : 信息安全.E-al:lnbg@fzu.edu.cn 网络出版时间 : :13 网络出版地址 : htt://

2 使用对称密钥对文档中的每个单词都采用了 2 层加密结构, 但是全文搜索的方式效率太低,Goh [4] 提出了基于布隆过滤器的安全 [5] 索引结构对其效率进行改进 Boneh 等首次提出了基于关键词的公钥可搜索加密系统, 使得任何拥有公钥的用户都可以向服务器存储数据, 只有拥有私钥的用户才可以搜索关键词, 但是基于双线性对的结构使得检索效率很低, 不适合大规模数据的云计算环 [6] 境为了更好满足搜索请求,Cao 等提出了基于多关键词排序的搜索方案, 通过对索引向量和请求向量计算内积相似度来对文 [7] 档进行排序 Cha 等首次提出了半诚实且好奇的云服务器模型, 服务器提供商为了节省计算量和带宽资源, 可能仅仅执行了部分搜索操作并返回部分搜索结果, 为了抵抗这种服务器, 提出了基于单词查找树索引 [8] 结构的可验证的可搜索加密方案 L 等提出了关键词模糊搜索方案, 通过构造关键词模糊集, 来容忍用户搜索时输入拼写错误和格式不一致的情况, 却无法搜索与关键词 [9] 语义相关的文档 Wang 等在关键词模糊搜索的基础上, 通过构造符号索引树, 提出 [10] 了可验证的关键词模糊搜索方案,Sun 等提出了可验证的多关键词排序搜索方案, 以上的可验证搜索方案都是只能验证服务器是否返回所有的搜索结果无法对服务器是否篡改文档进行验证, 并且使用树形结构的四川大学学报 ( 工程科学版 ) / 验证模型使得更新开销较大, 不利于云服务器对文档进行增加删除操作针对上述问题, 提出了一种可验证的语义模糊可搜索加密方案本方案通过对关键词进行语义扩展, 使用布隆过滤器构造安全索引完成语义模糊搜索, 并对关键词构造可验证集合以验证服务器是否篡改, 删除文档并返回全部搜索结果, 为了减少用户终端的计算开销, 提出了可验证的可搜索加密方案混合云模型, 在保证安全性的前提下, 有效降低了用户终端计算开销 1 系统模型 1.1 系统模型描述 [11] Bugel 等曾提出了一种基于混合云的存储外包模型, 该模型包含一个私有云服务器和一个公有云服务器, 私有云服务器具有较高的安全性, 主要执行以安全性为主的操作, 而公有云服务器具有较强的计算能力, 主要执行以效率为主的操作为了降低终端的计算开销, 最大限度地利用服务器资源, 提出了基于混合云模型的可验证语义模糊可搜索加密方案, 模型架构如图 1 所示, 该系统模型主要由 4 部分组成 : 公有云服务器私有云服务器数据拥有者以及授权用户图 1 混合云模型 Fg.1 Hybrd cloud odel 1) 公有云服务器 : 公有云服务器为第三方不可信服务器, 具有较强的计算能力和存储功能, 主要负责存储数据拥有者上传的加密后的文档集私有云服务器上传的安全索引以及执行授权用户提交的搜索请求

3 2) 私有云服务器 : 私有云服务器为本地安全服务器, 可以是企业, 政府机关, 学校等的内部服务器, 主要执行安全性优先的操作, 用户与私有云服务器之间可以采用安全信道通信, 私有云服务器主要负责构造安全索引和验证搜索完整性的操作, 在保证用户数据隐私的情况下, 尽量降低用户终端的计算开销 3) 数据拥有者 : 数据拥有者主要负责提取文档关键词并将提取后的关键词和文档标识符发送给私有云服务器, 将文档加密后上传给公有云服务器数据拥有者具有增加删除和修改文档的功能统的词典不同,WordNet 并不是按照字母顺序排列, 而是按单词的意义组成一个单词的网络它不是按词形来组织的, 而是按照同义词集合来组织词汇信息 WordNet 仅包含名词形容词动词和副词, 忽略了英语中较小的虚词集通过 WordNet 对关键词进行语义扩展形成同义词集合, 完成语义模糊搜索 2.2 布隆过滤器布隆过滤器 (Bloo flter) [13] 是一种高效的数据结构, 可以快速判断元素是否属于该集合它是一个包含比特位的数组, 并将每一位都初始化为 0 通常布隆过滤器使用 4) 授权用户 : 授权用户可以是个人电 * 脑平板电脑或智能手机, 主要通过生成的 r 个独立的哈希函数 ht :{0,1} [1, n], 其关键词陷门向公有云服务器提出搜索请求, 中, t [1, r], 并且每一个哈希函数映射到并且具有验证搜索完整性和文档完整性的功能数组中的一位如图 2 所示, 将单词 cloud, coutng 映射到布隆过滤器中, 其中 =20, r =4 cloud 通过哈希函数映射到 1.2 模型威胁分析 P ={3,7,13,19} 的 4 个位置上,coutng 通过哈希函数映射到 P ={4,7,15,17} 的 4 个位将云服务器和外部攻击者视为潜在的置上, 所以将布隆过滤器威胁对象我们假定公有云服务器是不诚实且好奇的, 确切地来说, 公有云服务器 P ={3,4,7,13,15,17,19} 的 7 个位置的值设置成 1 当用户提交搜索请求时, 同样对关键为了节省计算开销和传输带宽只会执行部词进行哈希映射, 当所有哈希映射的值都为 1 时, 即返回 true, 否则返回 false 布隆过分搜索操作, 返回部分搜索结果, 甚至会恶滤器虽然具有较高的时间和空间效率, 但是意的删除和篡改文件, 并且可能出于某种目却具有一定的错误率它有可能将不属于该的对存储在服务器上的文档和索引进行统集合的元素误认为属于该集合 (false 计和分析来获取额外信息私有云服务器假定是诚实的, 但并不是完全可信的, 会遵循用户的操作请求却有可能受到外部攻 ostve), 但是却不会把属于该集合的元素误认为不属于该集合 (false negatve), 也就是说使用布隆过滤器作为索引搜索文档时不击者的攻击, 所以不能将所有的信息与操作会漏掉所需文档, 所以能对系统提供搜索完整性验证交给私有云服务器 2 预备知识 2.1 WordNet 概述传统词典是按字母顺序来组织词条信息的, 这样却忽略了词典中的同义信息的组织关系 WordNet 是一种传统的词典信息与现代计算机技术以及心理语言学家的研究成果有效结合的一个产物 WordNet 是由 Prnceton 大学的 Mller 等心理学家, 语言学家和计算机工程师联合于 1985 年开始设计的一种基于认知语言学的英语词典 [12] 与传图 2 布隆过滤器例子 Fg.2 Exale of bloo flter 2.3 符号定义在后面的描述中, 为了可搜索加密系统模型叙述的一致性, 对用到的一些符号作如下定义 :

4 F : 需要上传到云服务器中未加密的明务器并通过安全信道将 W K rv FID, 文文档集合 F = ( F1, F2,, F ) x 发送给私有云服务器, 同时, 将 sk C : 存储在云服务器中加密后的密文文 K rv 发送给授权用户档集合 C = ( C1, C2,, C ) BuldIndex ( W, Krv, FID,, x ): 私有 W : 从文档集合 F 中提取的关键词集合云服务器主要负责构造安全索引和验证集 W = ( W1, W2,, W n ) 合私有云服务器首先通过 WordNet 对关键 I : 文档集合的索引列表 I = ( I1, I2, 词集合 W 进行语义扩展, 扩展后的关键词, I ) 为每个文档 F 建立一个索引 I 集合为 W = Ψ w 对每篇文档关键词经过 FID : 每个密文文档 C 的唯一标识符 = (,,, ) FID FID1 FID2 FID T w : 对关键词 W 提出搜索请求的陷门 IDW ( W ): 包含关键词 W 的文档的标识符集合 BF FID : 文档标识符为 FID 的文档生成的布隆过滤器 f(keyword,sk): 布隆过滤器中带密钥的 n s 单向哈希函数 f :{0,1} {0,1} {0,1}, keyword 为关键词, sk 为密钥 Ψ w : 关键词 W 通过 WordNet 进行语义扩展的同义词集合 MD5: 通过 MD5 算法计算文档 F 的哈希值 ϕ : 传统的对称加密算法, 如 3DES AES 等 3 可验证的语义模糊可搜索加密方案主要通过布隆过滤器构造安全索引, 并对关键词进行语义扩展达到语义模糊搜索的目的在基于混合云的模型下, 尽可能的减少终端计算开销, 在保证安全性的前提下, 尽量利用云计算资源方案的具体步骤如下所示 : KeyGen ( λ ): 数据拥有者通过概率密钥生成算法, 输入安全参数 λ, 输出文档加密密钥 sk, 布隆过滤器中 r 个哈希函数 f 的密钥 Krv = ( k1, k2,, k r ), 以及验证搜索完整性使用的一个秘密大素数和一个随机整数 x,1< x < PreProcess ( Fsk, ): 数据拥有者对文档 F 提取关键词 W, 并对每个文档 F 计算 MD5 值并加密, C = ϕ( F MD5( F), sk) 将加密后的密文文档集 C 发送给公有云服语义扩展后的 W 构造安全索引, 计算关键词陷门 ( x = f( W, k ), x = f( W, k ),, x = r (, r)) x x x f W k 如果将 1, 2,, r 插入到布隆过滤器中, 相同的关键词映射的位置就会一致, 攻击者通过索引就可以判断文档是否包含相同的关键词为了增加系统的安全性, 将结合文档的 FID 再计算一轮哈希值达到混淆的目的, ( y 1 = f( FID, x 1 ), y2 = f( FID, x2),, yr = f( FID, xr)), 将结果 y1, y2,, yr 插入到布隆过滤器中生成 BF FID 并形成索引 I = ( FID, BFFID ) 对所有的文档构造安全索引 I 后, 将安全索引 I 发送给公有云服务器由于公有云服务器是不诚实的, 所以还需要在私有云服务器上构造验证集合, 确保搜索完整性 [14] 对于每一个语义扩展后的关键词 w v W (1 v W ), 私有云服务器存储一个 w v 的检验和 cv( wv) = ( FID + x)od, FID IDW ( wv) 该校验和使得文档更新的时候计算开销十分的小, 增加文档时乘以 ( FID + x), 删 1 除文档时乘以 ( FID + x) Tradoor ( K rv) : 授权用户提交搜索请求陷门给公有云服务器, 对关键词 w 计算陷门值 x1 = f( w, k1), x2 = f( w, k2),, xr = f ( wk, r ), Tw = ( x1, x2,, xr) 为了增加安全性, 使得公有云服务器无法判断授权用户提交的是否是相同的关键词, 可以选取其中任意 t 个陷门值提交, T w = ( x1, x2,, xt), 1 t r 其中,t 的值越小, 服务器分析就越困难, 但是错误率也越高, 用户根据实际情况合理选择 t 的值 Search ( T w) : 公有云服务器接受授权用户提交的关键词陷门 T w 后, 对索引集合 I

5 rn 中的每个索引 I 计算 y1 = f( FID, x1), 1 rn = (1 ) e (1) y2 = f( FID, x2),, yt = f( FID, xt), 并判断布隆过滤器 BF FID 中的 y1, y2,, yt 是则错误率 f 为 : 1 ln( )ln(1 ) rn r r r ln(1 r ) n 否都为 1, 若都为 1, 即返回 FID, 否则, (2) f = [1 (1 ) ] (1 ) = e = e 返回在构建索引时, 已经对关键词进行语义扩展, 每个索引中都包含了关键词的同在式 (2) 中, 令 g = ( )ln( )ln(1 ), 根 n 义词集, 所以对于用户提交的关键词陷门可据对称法则可知, 当 =1/2 时,g 取到最小以完成语义模糊搜索最后, 公有云服务器值, 则 f 取最小值错误率 f 取最小值条将满足条件的 FID 和 C 返回给授权用户 rn Decryt ( C, sk ): 授权用户使用密钥件为 :=1/2, 即 e 1/2, 因此 : sk 对密文文档 C 进行解密, 并对解密后的 r = ( )ln2 (3) 文档集 F = Dec( C, sk) 计算 MD5 值验证 n 文档是否被篡改, 若未篡改, 对 F 提取关为了保证错误率最小, 则要求 r = ( )ln2, 键词集 W, 授权用户将关键词集 W, 文 n 此时布隆过滤器中位数组某一位为 0 的概率档集标识符 { FID } 和搜索关键词 w 发送为 =1/2, 将式 (3) 代入式 (2) 中 : 给私有云服务器对搜索完整性进行验证 1 ( )ln2 r 1 n n Verfy ( W,{ FID }, w ): 私有云服务器 f = ( ) = ( ) ( ) (4) 2 2 首先对关键词集 W 进行语义扩展 Ψ, 若 w 如图 3 所示, 随着和 n 的比值增大, w Ψ w, 则将 FID 从集合中剔除, 并剔除错误率降低在本文的实验中, 经过关键词后的文档标识符集合 { FID } 计算关键词校语义扩展后, 文档最大的关键词数量为 145 验和, 验证等式 ( FID+ x)od = cw( w) 是个, 为了把错误率控制在 1% 以内, 设置 : FID IDW ( w) 布隆过滤器长度 =1 600, 哈希函数为 8 个否成立, 若相等, 返回 true, 否则, 返回 false 4 性能测试与安全分析 4.1 性能测试使用篇 IEEE 英文论文作为测试数据集, 大小为 720 MB 实验系统采用 Java 语言实现, 使用的 WordNet 版本为 2.1, WordNet2.1 有个独立词形, 个同义词集合, 基本涵盖了日常生活中常用的英语词汇, 并且使用麻省理工学院提供的 JWI 的 Java API 类库实验通过提取文档标题的关键词, 并过滤掉一些停用词 ( 例如 a,the,about 等 ) [15] 后, 形成关键词集合为了实验方便, 方案中的所有操作都在 Wndows 7 个人台式机上执行,CPU 为 Intel Pentu G645(2.90 GHz), 内存大小为 4 GB 使用标准的布隆过滤器, 它具有一定的错误率, 使用 r 个哈希函数, 将 n 个元素映射到位长的布隆过滤器中, 布隆过滤器的位数组中某一位还是 0 的概率为 : 图 3 布隆过滤器错误率 Fg.3 Error rate of bloo flter 构建索引时间开销如图 4 所示, 时间开销随着文件数呈线性增长, 语义扩展后的时间开销比扩展前大, 主要是因为构造同义词集合开销并且经语义扩展后关键词数量增多, 但是索引只需构造一次, 并且由私有云服务器构造, 在以后对文档进行更新时, 所需的时间开销为 O(1) 构建关键词验证集合时间开销如图 5 所示, 时间开销随着文件数呈线性增长, 语义

6 图 4 构建索引时间 Fg.4 Te of buldng ndex 图 6 搜索时间 Fg.6 Te of search 综上所述, 关键词经过语义扩展后构建索引和验证集合的时间都有所增加, 主要是因为构造同义词集合的时间开销和扩展后关键词数量增多的原因, 但是索引和验证集合只需构建一次, 而频繁执行的操作是搜索和更新操作, 系统的搜索和更新操作效率较高, 符合实际应用的要求 4.2 安全分析图 5 构建关键词验证集合时间 Fg.5 Te of buldng keyword verfcaton collecton 扩展前关键词集合较小, 时间增长不明显语义扩展后, 关键词数量增加, 构建验证集合的时间开销也随之增加但是, 关键词验证集合的构建和验证搜索完整性操作都由私有云服务器执行, 并且构建只需执行一次, 而验证集合所需频繁执行的更新和验证操作的时间开销均为 O(1), 为一种高效的操作方式搜索时间如图 6 所示, 分别为提交的陷门个数 t=3,5,8 时的搜索时间陷门由用户生成, 生成效率为 O(1), 搜索操作由公有云服务器执行提交的陷门个数越少搜索时间越快, 并且由于提交的随机性, 增大了服务器对用户提交关键词的分析难度, 但是错误率会随之增加, 用户可以根据实际需要选择合适的提交陷门个数语义扩展在构建索引时完成, 所以搜索操作并不进行语义扩展, 实际开销与扩展前一致在云计算环境下, 可以通过并行操作, 进一步的提高搜索时间效率 1) 数据隐私保障 : 对文件的加密算法可以任意选择, 通常采用传统的加密算法, 如 AES 或 3DES 等, 文件加密与索引加密采用不同的处理方式, 并不会影响搜索的正确性, 增加了攻击者的攻击难度 2) 索引隐私保障 : 索引通过带密钥的单向哈希函数生成的布隆过滤器构成, 密钥 Krv = ( k1, k2,, k r ) 由数据拥有者通过安全信道发给私有云服务器和授权用户, 公有云服务器和非法用户都无法获取密钥索引经过哈希函数两轮计算, 在第 2 轮计算时引入了文档标识符 FID 使索引具有无关联性, 使得相同的关键词具有不同的映射, 避免了攻击者统计分析攻击 3) 查询隐私保障 : 授权用户通过数据拥有者发送来的密钥 Krv = ( k1, k2,, k r ) 生成查询陷门, 为了保证陷门无关联性, 从密钥 K rv 中随机选取 t 个密钥 (1 t r) 生成查询陷门, 对于用户查询同一个关键词时具有不同的陷门 4) 文档完整性 : 为了防止服务器篡改删除文档内容, 在上传文档之前先对文件计算 MD5 值, 并对 MD5 使用对称加密方式加密以防服务器篡改 MD5 值在用户接受到返回的搜索文档后对 MD5 值进行解密, 对

7 文档重新计算 MD5 值并比较 MD5 值是否一致以判断文档内容是否被篡改, 若用户直接删除文档, 可通过搜索完整性进行判断 5) 搜索完整性 : 为了判断服务器是否进行了完整的搜索, 构造关键词的验证集合 cw ( ) = ( FID+ x)od, 验证集合 FID IDW ( w) 中的密钥 x, 是由数据拥有者通过安全信道发送给私有云服务器的, 在没有拥有密钥的情况下, 无法篡改和伪造验证集合, 也无法通过构造虚假 FID 欺骗验证集合 5 结论对关键词进行语义扩展, 并通过布隆过滤器构造安全索引, 提出了云计算下的可验证语义模糊搜索方案在混合云的模型下, 有效的降低了用户终端的计算开销, 通过实验证明了系统的有效性和可行性, 具有较高的效率在今后的工作中, 将结合语义关系对搜索结果进行排序, 提高系统的效率参考文献 : [1] Mell P, Grance T. The NIST defnton of cloud coutng (draft)[j]. NIST Secal Publcaton, 2011, 800(145): [2] Kaara S, Lauter K. Crytograhc cloud storage[m]//fnancal Crytograhy and Data Securty. Berln:Srnger, 2010: [3] Song Xaodng,Wagner D,Perrg A.Practcal technques for searches on encryted data[c]// Securty and Prvacy, 2000(S&P 2000)..Calforna, USA: IEEE Press, 2000: [4] Goh E J. Secure ndexes[j]. IACR Crytology eprnt Archve, 2003: [5] Boneh D, D Crescenzo G, Ostrovsky R, et al. Publc key encryton wth keyword search[c]//advances n Crytology-Eurocryt Berln: Srnger, 2004: [6] Cao N, Wang C, L M, et al. Prvacy-reservng ult-keyword ranked search over encryted cloud data[j]. Parallel and Dstrbuted Systes, IEEE Transactons on, 2014, 25(1): 四川大学学报 ( 工程科学版 ) [7] Cha Q, Gong G. Verfable syetrc searchable encryton for se-honest-but-curous cloud servers[c]//2012 IEEE Internatonal Conference on Councatons (ICC).Ottawa: IEEE Press, 2012: [8] L J, Wang Q, Wang C, et al. Fuzzy keyword search over encryted data n cloud coutng[c]//infocom, 2010 Proceedngs IEEE. San Dego: IEEE Press, 2010: 1-5. [9] Wang J, Ma H, Tang Q, et al. A new effcent verfable fuzzy keyword search schee[j]. Journal of Wreless Moble Networks, Ubqutous Coutng and Deendable Alcatons, 2012, 3(4): [10] Sun W, Wang B, Cao N, et al. Verfable rvacy-reservng ult-keyword text search n the cloud suortng slarty-based rankng[j]. IEEE Transactons on Parallel and Dstrbuted Systes. 2013, 99(11):1-11. [11] Bugel S, Nürnberger S, Sadegh A R, et al. Twn clouds: An archtecture for secure cloud coutng[c]//proceedngs of the Worksho on Crytograhy and Securty n Clouds Zurch. Zurch, Swtzerland, 2011: [12] WordNet docuentaton[eb/ol]. [ ]. htt://wordnet.rnceton.edu/wordnet/docuentat on/. [13] Bloo B H. Sace/te trade-offs n hash codng wth allowable errors[j]. Councatons of the ACM, 1970, 13(7): [14] Lu Ljun. Research of searchable encryton on cloud storage[d]. Xan: Xan Unversty of Technology,2013. [ 刘利军. 云存储环境下的可搜索加密研究 [D]. 西安 : 西安理工大学,2013.] [15] Sto Words: Words gnored by search engnes[eb/ol].[ ].htt:// stant.co/seo-sto-words.htl. ( 编辑杨蓓 )

计算机工程年月日动提取并利用拼音构造模糊词集进行匹配汉字除了字形外还有拼音含义等任意个中文间的差异不能都用一个编辑距离来表示这会增加模糊匹配过程中的模糊程度文献采用汉字拼音和改良拼音的编辑距离种汉字相似程度的不同度量方式将模糊匹配转化为多个精确匹配文献根据英

计算机工程年月日动提取并利用拼音构造模糊词集进行匹配汉字除了字形外还有拼音含义等任意个中文间的差异不能都用一个编辑距离来表示这会增加模糊匹配过程中的模糊程度文献采用汉字拼音和改良拼音的编辑距离种汉字相似程度的不同度量方式将模糊匹配转化为多个精确匹配文献根据英第卷第期计算机工程年月! 安全技术文章编号文献标志码中图分类号云存储中基于拼音相似度的密文模糊搜索方案黄保华吕琦莫家威广西大学计算机与电子信息学院南宁摘要中文关键词模糊密文搜索方案依赖预定义的关键词模糊集存在搜索复杂度高和存储空间大等不足为此提出一种应用于云存储的基于拼音相似度的多关键词密文模糊搜索方案运用拼音相似度和欧氏距离衡量汉字的相似度以布隆过滤器为基础