通信網(wǎng)絡(luò)數(shù)據(jù)云存儲(chǔ)數(shù)據(jù)庫(kù)可驗(yàn)證密文檢索研究

黃少琪, 陸奕奕

(中國(guó)電信股份有限公司上海分公司， 上海 200433)

0 引言

云存儲(chǔ)服務(wù)與企業(yè)本地存儲(chǔ)服務(wù)最大不同在于能給用戶提供海量的存儲(chǔ)空間，且更易于管理。然而，存儲(chǔ)在云端的大數(shù)據(jù)也存在一個(gè)較大的缺陷，即安全性難以得到保證。為解決上述云存儲(chǔ)技術(shù)存在的問題，通常做法是將云端數(shù)據(jù)加密[1]。然而，在提高云端數(shù)據(jù)庫(kù)安全性的同時(shí)，也會(huì)導(dǎo)致數(shù)據(jù)喪失有序性、可比性，從而帶來數(shù)據(jù)檢索和計(jì)算的困難，嚴(yán)重影響了云存儲(chǔ)數(shù)據(jù)庫(kù)的運(yùn)行效率[2]。

針對(duì)云存儲(chǔ)數(shù)據(jù)庫(kù)密文檢索問題，國(guó)內(nèi)外的研究者提出了很多方案。Langrehr R等[3]提出基于矩陣Diffie-Hellman假設(shè)，通過Naor變?cè)O(shè)計(jì)基于身份的嚴(yán)格安全簽名方案；賈強(qiáng)等[4]提出了一種面向密文大型數(shù)據(jù)集的可搜索加密方案，將安全索引按照分塊參數(shù)分類，完成關(guān)鍵詞檢索；Boneh D等[5]提出一種基于公鑰加密的可搜索加密方法，實(shí)現(xiàn)了多用戶密文檢索；曹素珍等[6]針對(duì)非結(jié)構(gòu)化數(shù)據(jù)，根據(jù)查詢關(guān)鍵字和密文文件的相關(guān)度對(duì)密文文件進(jìn)行排序，從而實(shí)現(xiàn)對(duì)密文數(shù)據(jù)的高效搜索。Magdy S等[7]以數(shù)值型數(shù)據(jù)為研究對(duì)象，提出一種保序加密的數(shù)據(jù)庫(kù)加密檢索策略。

在前人研究的基礎(chǔ)上，本研究提出一種通信網(wǎng)絡(luò)數(shù)據(jù)云存儲(chǔ)數(shù)據(jù)庫(kù)可驗(yàn)證密文檢索方法。該方法首先檢索出包含關(guān)鍵字的密文，然后根據(jù)相似度計(jì)算結(jié)果對(duì)密文信息進(jìn)行排序處理，最后根據(jù)排序結(jié)果將密文數(shù)據(jù)推薦給用戶。文章還進(jìn)行測(cè)試，證明所研究方法的檢索性能，在保證數(shù)據(jù)安全性的前提下，提高了密文檢索效率和質(zhì)量。

1 云存儲(chǔ)數(shù)據(jù)庫(kù)可驗(yàn)證密文檢索方法

1.1 云存儲(chǔ)數(shù)據(jù)庫(kù)加密形式分析

目前，根據(jù)數(shù)據(jù)庫(kù)中數(shù)據(jù)形式的不同，將數(shù)據(jù)分為2大類，即數(shù)值型數(shù)據(jù)和字符型數(shù)據(jù)。2種數(shù)據(jù)形式不同，因此加密方法也不同。下面針對(duì)這2種數(shù)據(jù)類型的加密形式進(jìn)行分析。

數(shù)值型數(shù)據(jù)是指包括整型、浮點(diǎn)型等基本類型數(shù)據(jù)。這類數(shù)據(jù)在云端數(shù)據(jù)庫(kù)中存儲(chǔ)的最多，數(shù)值型數(shù)據(jù)加密流程如圖1(a)所示。字符型數(shù)據(jù)是指不具計(jì)算能力的文字?jǐn)?shù)據(jù)，具體包括中文字符、英文字符以及其他語(yǔ)言形式的數(shù)據(jù)，字符型數(shù)據(jù)一般長(zhǎng)度范圍是0至254個(gè)字符，其加密流程如圖1(b)所示。

圖1 云端數(shù)據(jù)庫(kù)加密流程

數(shù)值型數(shù)據(jù)相比較字符型數(shù)據(jù)在云端數(shù)據(jù)庫(kù)當(dāng)中規(guī)模更大，因此對(duì)該類型的數(shù)據(jù)密度檢索研究有很多，已經(jīng)較為成熟；字符型數(shù)據(jù)結(jié)構(gòu)組成更為復(fù)雜，因此加密后的密文更加復(fù)雜，導(dǎo)致密文檢索效率和質(zhì)量都不高，因此本研究選擇字符型數(shù)據(jù)作為后續(xù)密文檢索分析研究的對(duì)象。

1.2 字符型數(shù)據(jù)預(yù)處理

根據(jù)圖1(b)可知字符型數(shù)據(jù)的加密處理方式為用“索引-文件”形式，由此字符型數(shù)據(jù)預(yù)處理為提取字符型數(shù)據(jù)文檔所有關(guān)鍵詞，然后對(duì)所有關(guān)鍵詞進(jìn)行加密處理，組成關(guān)鍵詞密文結(jié)合，最后為字符型數(shù)據(jù)文檔密文建立索引。例如，某文件A有4個(gè)邏輯塊，分別存放在物理塊23、19、26、29中，該索引文件結(jié)構(gòu)如圖2所示。

圖2 字符型數(shù)據(jù)文檔密文索引結(jié)構(gòu)

1.3 檢索詞處理

字符型數(shù)據(jù)文檔密文檢索的實(shí)質(zhì)是檢索詞與字符型數(shù)據(jù)文檔密文索引之間的匹配計(jì)算，而存儲(chǔ)在云端數(shù)據(jù)庫(kù)當(dāng)中數(shù)據(jù)為密文形式，且為了保證數(shù)據(jù)的安全性，在檢索時(shí)密文數(shù)據(jù)還不能轉(zhuǎn)換成明文數(shù)據(jù)后進(jìn)行檢索，因此只能將檢索詞同樣也轉(zhuǎn)換成相應(yīng)的密文形式，才能進(jìn)行字符型數(shù)據(jù)文檔密文索引之間的匹配計(jì)算。這樣既保證了數(shù)據(jù)安全，也能實(shí)現(xiàn)檢索[8]。具體步驟如下。

步驟1：去停用詞。用戶的檢索詞屬于字符型數(shù)據(jù)，而字符數(shù)據(jù)的顯著特點(diǎn)之一就是存在很多沒有意義的詞，這些詞出現(xiàn)在語(yǔ)句中僅起到停頓、語(yǔ)氣輔助或結(jié)構(gòu)連接等作用。這些沒有意義的詞就被稱為停用詞。停用詞的存在會(huì)嚴(yán)重干擾檢索的準(zhǔn)確性和檢索效率，因此需要去除[9]。

步驟2：查詢切分。查詢切分是指將一個(gè)由若干漢字序列組成的長(zhǎng)查詢語(yǔ)句切分成一個(gè)一個(gè)單獨(dú)的查詢?cè)~，以利于計(jì)算機(jī)系統(tǒng)檢索[10]。

步驟3：查詢擴(kuò)展。查詢擴(kuò)展是指尋找原始檢索詞的同義詞或近義詞，擴(kuò)展原始檢索詞搜索范圍，然后來達(dá)到保證檢索全面的目的。在這一環(huán)節(jié)中，采用一種基于語(yǔ)義關(guān)聯(lián)樹的查詢擴(kuò)展方法來完善檢索范圍。

步驟4：檢索詞加密。為了能夠?qū)崿F(xiàn)檢索詞和密文文檔之間的相匹配度計(jì)算，需要將擴(kuò)展后的檢索詞加密成密文，在這一環(huán)節(jié)利用SM4分組加密算法，依據(jù)混淆原則和擴(kuò)散原則進(jìn)行加密處理，具體過程參見圖1(b)。

1.4 密文排序檢索

基于上述研究，分析文排序檢索基本流程見圖3。

圖3 密文排序檢索基本流程

在密文排序檢索中，關(guān)鍵步驟有2個(gè)，即匹配度計(jì)算和重要性排序。

(1) 匹配度計(jì)算：匹配度計(jì)算是指計(jì)算密文檢索詞塊和字符型數(shù)據(jù)文檔密文索引之間的相似匹配度。通過密文檢索詞塊和字符型數(shù)據(jù)文檔密文索引的數(shù)量積來表達(dá)相似度，如式(1)，

(1)

式中，n為檢索詞和字符型數(shù)據(jù)文檔密文索引的數(shù)量，qi為第i個(gè)檢索詞，pi為第i個(gè)字符型數(shù)據(jù)文檔密文索引，Y為檢索詞與字符型數(shù)據(jù)文檔密文索引之間的相似度。

(2) 重要性排序：由于檢索詞的擴(kuò)展，檢索出來密文文檔是海量的，但是一般情況下，不可能所有文檔都是用戶需要的，而是與檢索詞匹配越高的密文文檔越是他需要的，因此還需要將檢索出來的密文文檔進(jìn)行重要性排序處理如式(2)：

(2)

式中，F(xiàn)Di為重要性評(píng)分,a為檢索詞在字符型數(shù)據(jù)文檔密文索引文檔Di中出現(xiàn)的頻率,N為已有密文文檔的總數(shù)目,b為包含檢索詞的密文文檔總數(shù)目。

2 仿真實(shí)驗(yàn)分析

2.1 仿真測(cè)試環(huán)境

為檢驗(yàn)通信網(wǎng)絡(luò)數(shù)據(jù)云存儲(chǔ)數(shù)據(jù)庫(kù)可驗(yàn)證密文檢索方法的性能，在MATLAB工具上進(jìn)行仿真測(cè)試，仿真測(cè)試條件如表1所示。

表1 仿真測(cè)試環(huán)境

2.2 仿真測(cè)試模型

為云存儲(chǔ)數(shù)據(jù)庫(kù)可驗(yàn)證密文檢索仿真測(cè)試實(shí)驗(yàn)搭建系統(tǒng)模型。模型結(jié)構(gòu)如圖4所示。

圖4 仿真測(cè)試模型

2.3 檢索文本庫(kù)

仿真測(cè)試中用到的云存儲(chǔ)數(shù)據(jù)庫(kù)中數(shù)據(jù)分布情況如表2所示。

表2 檢索文本庫(kù)

2.4 檢索評(píng)估指標(biāo)

(1) 檢索精度。評(píng)價(jià)檢索效果的最重要的指標(biāo)之一，通過查準(zhǔn)率P和查全率R進(jìn)行測(cè)定如式(3)、式(4)：

(3)

(4)

式中，A為正類檢索，B為負(fù)類檢索，C為正類檢索中的負(fù)類。

(2) 檢索效率。通過完成一次檢索任務(wù)所耗費(fèi)的時(shí)間如式(5)：

T=t1+t2+t3

(5)

式中，T為一次檢索任務(wù)所耗費(fèi)的時(shí)間，t1為字符型數(shù)據(jù)預(yù)處理時(shí)間，t2為檢索詞輸入和處理時(shí)間，t3為密文排序檢索時(shí)間。

2.5 檢索性能分析

在相同仿真測(cè)試環(huán)境下，從引言中提到的5種前人研究方法中選取文獻(xiàn)[3]提出的基于矩陣Diffie-Hellman假設(shè)，通過Naor變?cè)O(shè)計(jì)基于身份的嚴(yán)格安全簽名方案；文獻(xiàn)[4]提出的面向密文大型數(shù)據(jù)集的可搜索加密方案；文獻(xiàn)[5]提出的基于公鑰加密的可搜索加密方法，作為對(duì)比項(xiàng)，進(jìn)行密文檢索操作。結(jié)果如表3所示。

表3 密文檢索方法性能

由表3可知，與前3種檢索方法相比，所研究方法密文檢索精度和效率都要更好，證明了所研究密文檢索方法的性能。

3 總結(jié)

綜上所述，伴隨云端數(shù)據(jù)存儲(chǔ)服務(wù)的廣泛應(yīng)用，其數(shù)據(jù)庫(kù)中的數(shù)據(jù)安全問題也愈加凸顯。為此，如何在保證數(shù)據(jù)安全的前提下，實(shí)現(xiàn)密文檢索成為云存儲(chǔ)技術(shù)領(lǐng)域研究的重點(diǎn)。為此，進(jìn)行通信網(wǎng)絡(luò)數(shù)據(jù)云存儲(chǔ)數(shù)據(jù)庫(kù)可驗(yàn)證密文檢索研究。該研究通過將檢索詞轉(zhuǎn)換成為密文檢索詞來達(dá)到不解密云端數(shù)據(jù)庫(kù)中數(shù)據(jù)的目的，保證了云端數(shù)據(jù)的安全。經(jīng)仿真測(cè)試，證明了所研究方法的檢索性能，為云端數(shù)據(jù)檢索服務(wù)提供了參考和借鑒。由于此次研究?jī)H針對(duì)云存儲(chǔ)數(shù)據(jù)庫(kù)中的文本庫(kù)進(jìn)行檢索測(cè)試，雖然提高了密文檢索精度和效率，但是未對(duì)云端數(shù)據(jù)庫(kù)中還存在圖片、音視頻等數(shù)據(jù)庫(kù)檢索，在今后的研究中還需要進(jìn)一步擴(kuò)大研究和實(shí)驗(yàn)范圍，以提高研究方法的可靠性和廣泛性。