标题

Size: px

Start display at page:

Download "标题"

影友经
5 years ago
Views:

1 第 33 卷第 2 期徐州工程学院学报 ( 自然科学版 ) 2018 年 6 月 Vol.33No.2 Journalof XuzhouInstitute of Technology (NaturalSciences Edition) Jun 2018 一种改进的云环境下排序的密文模糊关键字检索方案常雪琴 ( 亳州学院电子与信息工程系, 安徽亳州 ) 摘要 : 针对当前流行的云服务器环境, 提出基于隐私保护的 PFKS 算法 ; 在传统的 DFSC 算法和 OPM 密文检索算法基础之上, 增加多关键字检索模糊检索以及排序检索, 且改进索引结构. 研究结果表明该算法在云服务器环境下的安全性上, 在算法的精度上, 特别是一对多保序映射算法的正确性上, 具有较大的提升. 关键词 : 云服务器 ; 多关键字检索 ; 模糊检索 ; 排序检索中图分类号 :TP391.3 文献标志码 :A 文章编号 :1674G358X(2018)02G0084G05 近年来云加密技术模糊关键字检索技术以及排序检索技术都在蓬勃发展, 但以目前的技术情况来说, 这些技术的功能不仅较为单一, 不能综合处理复杂的问题, 而且当前比较流行的模糊关键字检索因为索引的 [1] 规模比较大, 所需要的存储空间较大, 对检索的效率具有较大的影响. 因此, 上述问题是当前密文检索算法迫切需要改进的地方. 基于公钥加密的密文检索 (PEKS) 技术使用的是对称加密方案, 对于使用非对称加密的数据文件, 授权 [2] 用户使用自己的密钥就可以进行密文检索.PEKS 只能够进行比较查询以及子集查询, 不支持连续查询, [3] 而隐藏向量查询 (HVE) 支持连续查询, 但并不能支持对密文的析取查询. 最早的在云服务器环境下的隐私保护模糊关键字检索算法对关键字之间的相似性是用编辑距离来测量的 [4], 利用通配符构建模糊关键字集合结构 (WFSC), 即每一个关键字都会拥有一个模糊集合. 后来的研究者基于上述的算法进行了改进, 将模糊关键字结构变为基于字典集的一种模糊关键字结构 (DFSC) [5G6]. 该结 [7] 构减小了模糊集合的规模, 提高了模糊检索的效率. 但是, 这些模糊关键字检索技术不支持多关键字检索. 虽然近年来在云数据上的隐私保护及加密检索技术发展较为迅速 [8], 但以研究的结果来看, 这些技术仅支持单一的功能, 不能进行深度复杂的检索, 对在检索中的问题或者可能出现的问题都没有进行妥善合理的 [9G10] 处理. 本文在 DESC 和 OPM 算法的基础之上, 进行索引结构上的创新, 提出一种新的索引结构, 以在用户进行检索关键字输入时可能出现的错误 ( 拼写错误格式错误等 ) 为例, 进行了模糊查询处理, 即在加密云数据的环境下, 既能够进行模糊查询, 也能够进行排序检索的综合检索方案 PFKS. 本文算法与传统算法相比可以减小计算的复杂度, 且实现了多关键字检索模糊查询以及检索结果排序, 极大地弥补了传统算法的劣势, 提高了检索效率, 同时兼顾了安全性. 1 基本框架在云环境下, 模糊关键字检索技术主要分以下两个步骤 : 1)Setup 阶段. 数据的持有人使用 KeyGen 算法对系统中的参数进行初始化, 把数据集中关键字取出, 再对这些关键字逐个计算出它们的模糊关键字合集, 使用 IndexBuilder 处理数据文件得到一个能够对它进行检索的倒排索引. 再将这些文件进行加密处理, 上传外包到云服务器中去. 在本阶段, 数据的持有者可以将一些密钥发放给授权的客户, 发送密钥时, 可以使用现有的公钥技术, 也可以使用广播技术来进行操作. 收稿日期 :2018G01G19 基金项目 : 亳州学院院级重点课题 (BSKY201532); 亳州学院横向课题 (BSHX1509); 甘肃省教育科学规划研究项目 (GS[2014]GHB0346); 安徽省高等学校人文社会科学重点研究项目 (SK2017A0764) 作者简介 : 常雪琴 (1970-) 女, 副教授, 主要从事信息检索与电子商务研究. 84

2 常雪琴 : 一种改进的云环境下排序的密文模糊关键字检索方案 2)Retrieval 阶段. 在得到了授权用户所输入的关键字之后, 计算出该关键字对应的模糊关键字集合, 然后利用 TrapdoorGen 算法生成暗门, 再将这些信息提交到云服务器上. 云服务器接收到该检索请求后, 调用 Search 算法在加密数据索引上进行检索操作, 并返回用户检索结果信息, 即匹配的加密文件 ID 和文件分数, 这个结果是按照顺序返回的. 在这样的流程下, 云服务器所获得的信息只有加密文件的 ID 和加密分数, 除此之外无法得到其它的数据信息, 保证了数据的安全性. 2 索引结构在进行规模的数据检索时, 索引是一种高效的检索处理方案, 而倒排索引是在检索技术中一种经常使用的技术 [11], 它的主要作用是将关键字与对应的数据文件形成集映射, 形成一种集映射的索引结构, 保存各个文件中所包含的词汇, 所以倒排索引也称倒排表或反向索引, 同时该索引支持全文本的搜索. 为了使检索的精确度最高并且所得结果能排序, 本文使用了一些排序算法来计算文件对应关键字的相关度, 相关度用分数来表示 ; 在实现模糊检索时, 根据一些关键字之间的相似度标准来量化关键字之间的关系, 帮助构建出关键字的集合, 本文在进行关键字模糊集合构建时, 将以编辑距离为量化标准. 本文的 PFKS 算法的倒排索引结构见表 1. 在表 1 中, 关键字集合将编辑距离 d 作为关键字 wi 倒排索引的量化标准, 文件 ID 代表含有关键字的数据文件, 相关分数为用来进行检索结果排序相关度的分数值. 采用的倒排索引结构能够实现可排序的支持多关键字搜索及模糊查询算法的目标. 表 1 倒排索引示例 ( 编辑距离 d) 模糊集合 wi 1 wi 2 wi 2 wi 4 wi n 文件 ID idi 1 idi 2 idi 3 idi 4 idi s 相关的分数加密云环境下的隐私保护 PFKS 算法基于上述的基本框架和索引的结构, 使用 DFSC 以及 OPM 加密算法来实现模糊检索多关键字查询以及检索结果排序. 在加密云环境下,RDKS 具体实现如下 : 1)Setup 阶段 a) 数据持有者使用随机密钥生成算法 KeyGen(l k, l,l P R,l p, D, R ), 获取密钥 x,y,z { 0,1} k, 将所得结果 K ={x,y,z, l, l,l P,l p, D, R } 输出. b) 调用 BuildIndex(K,F), 为数据文件集合 F 建立倒排索引, 具体的步骤为抽取文件集合 F 中有关键字, 将这些关键字放入集合 W ={w1,w2,,wn} 中, 使用前文所提到的 DFSC 方案为这个集合中的所有关键字建立一个模糊关键字集合. 该集合为 S D w i,d (d 为编辑距离 ), 其中满足 w i S D w i,d 的调用密钥算法, 即 fy (wi) 得到该关键字的暗门集合 { Tw i }, 利用 OPM 算法为相关度得分进行加密处理. c) 上述工作完成后, 数据持有者将所得到的索引表 IEnc={π(wi),0 l S D w i,d IDw i OPM )} fz (w i )(SCij 和加密后的数据文件一并外包至云服务器. 2)Retrieval 阶段 a) 在用户进行检索时, 输入的关键词为 Q, 即用户要找到包含关键词 Q 的文件, 请求为 (Q,d ). 用户调用暗门算法, 为所输入的关键字 Q 生成一个暗门的集合 { TQ } D, Q S 然后将 Q,d {{TQ S D }, ( Q,d fy Q)} 发送给服务器. b) 服务器收到了用户的检索请求 {{TQ S D Q,d }, fy ( Q)} 后, 先把它与原有的索引表进行比较, 通过 { TQ } 匹配索引中的目录列表, 定位索引, 再使用 ( fy Q) 来对这个匹配的列表进行解密处理. 此时, 就能得到文件的 ID 带有顺序的加密分数 OPM fz (w i )(SCij ). c) 按照上一步得到的相关度分数值 OPM fz (w i )(SCij ) 将所得的文件进行排序, 然后发送给用户. 如果用户定义了只需要 k 个相关文件, 则只需发送给用户前 k 个文件即可. d) 用户可以利用密钥 z 来解密服务器返回的文件, 得到自己想要的排序检索结果, 即 85

3 徐州工程学院学报 ( 自然科学版 ) 2018 年第 2 期 Index(K,F) 初始化 : 对所得的文件集进行关键字提取, 文件集定义为 F={F1,F2,,Fn}, 所得的关键字集合为 : W ={w1,w2,,wm}, 在 wi W (1 i m) 时, 获取含有关键字 wi 文件 ID 的集合 F(wi). 满足 wi W, 当构建与该关键字相关的模糊关键词集合 S D w i,d 满足 1 j Ni 时 : 算出文件 F j ( 含有关键字 wi 的第 j 个文件 ) 的相关度分数, SCij 再利用算法 OPM ) fz (w i )(SCij 计算出加密的分数, 利用所得的分数与该文件的 ID 一并形成索引 I j 索引项 :<S D w i,d F(wi) OPM fz (w ) i (SCij ) >. 对于每一个索引 Ii (1 i m), 使用密钥加密所有的条目 :<S D w i,d F(wi) OPM ) fz (w i )(SCij >, 填充为 0 时表示有效的索引 (1 j Ni). 随后减去有效索引条目, 剩下的就是 v-ni, 使得索引长度保持一致. 用 πx(wi) 来代替 wi. 得到索引 I={I1,I2,,Im}. 4 实验性能分析加密云数据隐私保护算法进行实验验证, 算法的实现由 C++ 语言来完成, 实验的数据集来自于 RFC 网站, 共个数据文件. 4.1 索引构造算法的实现与性能分析在建立模糊关键字索引时, 使用的是表 1 的索引结构. 该索引结构在编辑距离 d 相等时, 使用 DFSC 算法生成的索引规模要比 PFKS 小得多. 本文生成的数据集随机选择为 2000,4000,6000,8000 以及个文件. 本文的索引规模与主流的索引规模是非常接近的. 模糊关键词集合构建时采用的随机长度为 5,6, 7,10,11,12 的关键词共 10 个. 图 1 为 PFSK 算法和 KFSC 算法索引规模的比较, 从图 1 可以看出本文提出的算法和 DFSC 的方案所得关键字数量是一样的, 图中的两个算法的模糊关键字集合的大小是相同的, 平均模糊关键字的数量也是相同的. 从表 2 中可以看出, 数据集合文件数量为 1000 和 2000 时, 本文所提出的方案为关键字建立索引所花费的时间与传统的方法所花费的时间是非常接近的. 同时, 本文在已有的算法基础上添加了排序功能, 提高用户的检索体验 ; 实现了模糊关键字检索, 纠正用户在进行关键字键入时的拼写或者格式上的错误, 提高检索的容错. 综上所述, 本文的算法方案实现了关键字的纠错和排序查找功能, 系统的花费没有因此增加, 从而提升了系统的效率和可用性, 同时也证明了一对多的保序映射技术凭借索引结构优化使得其安全性和效率性上图 1 PFKS 算法与 KFSC 算法索引规模比较 86

4 常雪琴 : 一种改进的云环境下排序的密文模糊关键字检索方案比传统的算法更好. 4.2 检索算法的性能分析检索算法的效率体现在算法的计算时间和精度上, 模糊关键字算法运算时间不仅包括索引中各个条目 [12G14] 的匹配时间, 也包含模糊关键字集合匹配的时间以及解密和排序的时间. 因此 topgk 检索是一种改进的思路, 就是返回给用户想要的关键字分数最高的 k 个文件. 在本文提出的方案中, 是可以得到和明文检索一样的 k 个文件. 本文算法索引建立的时间相比之下是比较少. 出现这种情况的主要原因是因为所采用的关键字相关度分数排序加密算法倒序索引等规模都较小. 除此之外本文的算法还支持多关键字的检索, 所以, 授权用户在输入了少量的错误关键词时, 利用模糊关键字查找出相近的关键字完成检索的过程, 对检索的速度和准确度都有不小的提升. 表 2 不同数据文件集索引构建花费时间 ( 编辑距离 d=2) 文件数目一个关键字列表规模 /KB 关键字构建时间 /s 综上, 本文的算法在传统的算法基础之上做出改进, 在传统算法基础之上, 缩小了索引的规模, 并且允许用户能进行多关键字的检索和排序检索. 本文算法在云服务器环境下的安全性上, 在算法的精度上, 特别是一对多保序映射算法的正确性上, 具有较大的提升. 实验结果如图 2 所示. 图 2 PFKS 算法与 DFSC 方案模糊关键字数目比较 5 结语针对当前流行的云服务器环境, 提出基于隐私保护的 PFKS 算法 ; 在传统的 DFSC 算法和 OPM 密文检索算法基础之上增加多关键字检索模糊检索以及排序检索, 并且改进索引结构. 对算法的安全性和效率进行分析研究, 结果证明本文算法在云服务器环境下的安全性上, 在算法的精度上, 特别是一对多保序映射算法的正确性上, 具有较大的提升. 因此, 在云环境下, 本文提出的模糊关键字检索技术是可行的有效的. 参考文献 : [1] 闫明. 一种新的云计算环境下数据安全保护算法研究 [J]. 科技通报,2017,33(9):184G187. [2]LIU C,ZHU L,LIL,etal.Fulkeywordsearchonencryptedcloudstoragedatawithsmalindex[J].IEEE,2011:269G273. [3]LIX,LIJ,HUANG F.AsecurecloudstoragesystemsupportingprivacyGpreservingfuzzydeduplication[J].SoftCompuG ting,2016,20(4):1437g1448. [4]KHAN A N,KIAH M L M,ALIM,etal.BSS:blockGbasedsharingschemeforsecuredatastorageservicesinmobilecloudG environment[j].journalofsupercomputing,2014,70(2):946g976. [5] 华钢, 王永星. 基于信号衰减模型补偿的 RSS 指纹定位算法 [J]. 徐州工程学院学报 ( 自然科学版 ),2015,121(4):28G32. 87

5 徐州工程学院学报 ( 自然科学版 ) 2018 年第 2 期 [6]CHANPT,RAD AB,HO M L.AstudyonlateralcontrolofautonomousvehiclesviafiredfuzzyruleschromosomeencoG dingscheme[j].journalofinteligent& RoboticSystems,2009,56(4):441G467. [7]WANG S,ZHAO D,ZHANG Y.SearchableatributeGbasedencryptionschemewithatributerevocationincloudstorage [J].PlosOne,2017,12(8):e [8] 张克军, 窦建君. 基于 Contourlet 变换和不变矩的图像检索方法 [J]. 徐州工程学院学报 ( 自然科学版 ),2012,27(1):48G51. [9]WANG Y,BAO W,ZHAO Y,etal.AnElGamalencryptionwithfuzzykeywordsearchoncloudenvironment[J].InternaG tionaljournalofnetworksecurity,2016,18(3):481g486. [10]LIW,WEN Q,LIX,etal.AtributeGbasedfuzzyidentityaccesscontrolinmulticloudcomputingenvironments[J].Soft Computing,2017(1):1G12. [11]ARGONETOP,RENNA P.Supportingcapacitysharinginthecloud manufacturingenvironmentbasedongametheory andfuzzylogic[j].enterpriseinformationsystems,2016,10(2):193g210. [12]SHOJAFAR M,JAVANMARDIS,ABOLFAZLIS,etal.FUGE:AjointmetaGheuristicapproachtocloudjobscheduling algorithmusingfuzzytheoryandageneticmethod[j].clustercomputing,2015,18(2):829g844. [13]LIU C,ZHUL,LIL,etal.Fulkeywordsearchonencryptedcloudstoragedatawithsmalindex[J].IEEE,2011:269G273. [14]SHEKOKAR N,SAMPATK,CHANDAWALLAC,etal.Implementationoffuzzykeywordsearchoverencrypteddatain cloudcomputing[j].procediacomputerscience,2015,45(2):499g505. ( 责任编辑李莹 ) AnImprovedCiphertextFuzzyKeywordRetrievalSchemewith ImprovedCloudEnvironment CHANG Xueqin (DepartmentofElectronicandInformationEngineering,BozhouUniversity,Bozhou236800,China) Abstract:AprivacyprotectionbasedPFKSalgorithmisproposedforthepopularcloudserverenvironG ment.basedonthetraditionaldfscalgorithmandopmciphertextretrievalalgorithm,multigkeywordreg trieval,fuzzyretrievalandsortingretrievalareadded,andtheindexstructureisimproved.theresearch resultsshowthatthealgorithmissafeinthecloudserverenvironment,andtheaccuracyofthealgorithm, especialythecorrectnessoftheonegtogmanypreservingmappingalgorithm,isgreatlyimproved. Keywords:cloudserver;multiGkeywordretrieval;fuzzyretrieval;sortingretrieval 88

自然科学版预处理视盘粗定位视盘垂直坐标的粗定位视盘水平坐标的粗定位

自然科学版预处理视盘粗定位视盘垂直坐标的粗定位视盘水平坐标的粗定位自然科学版文章编号视网膜图像中视盘的快速自动定位方法赵晓芳林土胜李碧摘要基于眼底视网膜血管的分布结构及视盘本身的特点提出一种快速自动定位视盘的方法首先根据视网膜血管的网络分布结构大致定位视盘的垂直坐标然后根据视盘的亮度信息及视盘与血管的关系来定位视盘的水平坐标最后把视盘限定在以粗定位的视盘为中心的一个小窗口内用变换精确定位视盘中心该方法不需要事先分割视网膜血管也不需要对算法进行训练