论文部分内容阅读
随着互联网时代中各项技术的发展,在科研、医疗、教育等领域中的数据都呈爆发式增长,然而本地设备已经不能满足这些数据的存储和计算需求。云强大的计算能力和存储空间吸引了大家的注意,越来越多的用户将自己的数据上传至云。但是数据储存在云设备中也存在一些安全隐患,为了解决云中数据的安全问题,可搜索加密应运而生。基于属性的可搜索加密能够支持云服务器对云中加密数据进行细粒度搜索,然而在大多数方案中,访问策略以明文形式存在,容易泄露用户的隐私。通过策略隐藏的方式,一定程度上保护了用户的隐私,但是无法确保云搜索结果的正确性。并且数据用户一旦被授权,将可以无限制地访问云中存储的数据。目前已提出的可搜索加密方案大多应用于文档搜索中,不能普遍适用于对图片内容的检索。因此,本文从检索图片内容的需求出发,提出了一个支持图片关键字检索的可搜索加密方案。本文的研究内容如下:1.针对现有的可搜索加密方案不能确保云搜索结果正确性以及无用户访问次数限制的问题,提出了一种可验证的多关键字可搜索加密方案。该方案将用户生成的检查密钥作为云判断用户访问次数的条件;引入权威机构来为用户生成陷门以及验证云搜索结果的正确性,减少了用户的计算开销;用户将部分隐藏的访问结构发送给云,从而实现策略隐藏和多关键字搜索。通过安全模型的定义和性能分析比较证明了该方案的安全性和实用性。2.针对可搜索加密方案中关键字提取的方法普遍应用于文档中的问题,提出了一种新的基于卷积神经网络的图片内容识别方案。该方案通过引入图片的颜色特征,提高了神经网络对于颜色的敏感度;将Bagging集成算法与卷积神经网络相结合,降低了神经网络模型的复杂性,有效地避免了训练数据的过度拟合。实验结果表明,该方案的识别准确率为98.44%,比卷积神经网络模型高3.59%,具有良好的图片识别效果。3.结合以上两种研究方案,提出了一个能够支持图片关键字检索的可搜索加密方案。在该方案中,将本文提出的图像内容识别模型应用于可搜索加密方案中,实现对图片关键字的自动提取操作,提高了数据提供者的加密效率。形式化安全证明和仿真实验结果表明,该方案是安全且实用的。