云存储中支持正则语言的可搜索加密方案研究

来源 :福州大学 | 被引量 : 0次 | 上传用户:skdjflskdj
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
云存储提供了灵活便捷的数据存储服务,数据拥有者将数据上传到云中存储,以减少数据存储和维护开销。为了保护数据隐私,数据拥有者会将敏感数据加密后外包到云平台存储。但原始数据与密文数据之间就失去了关联性,数据用户将无法使用明文搜索技术对密文进行搜索。可搜索加密是一种直接支持用户在密文数据上进行搜索的技术。为了满足云存储环境中不同用户的密文搜索需求,本文针对现有可搜索加密方案的不足,提出了新的可搜索加密方案,主要研究内容如下:(1)针对现有可搜索加密方案无法支持正则语言搜索,同时存在计算和传输开销大等问题,提出了云存储中支持正则语言的可搜索加密方案。首先,该方案基于确定性有限自动机(DFA),实现了正则语言加密和DFA搜索,云服务器通过测试搜索陷门中嵌入的DFA是否接受密文索引中的正则语言,以找到匹配数据。在测试过程中正则语言和DFA的明文信息都不会泄露给云服务器。其次,数据用户能独立生成搜索陷门,而不需要与密钥生成中心等第三方交互。然后,通过形式化安全性证明了所提出方案在保护隐私搜索的同时,能有效抵抗关键字猜测攻击。最后,通过理论分析和实验结果的比较表明:该方案降低了传输和计算开销。(2)针对现有的正则语言可搜索加密方案数据共享不灵活、用户搜索数据无法安全收集等问题,提出了一种基于时间控制的正则语言可搜索加密方案。首先,该方案根据用户持有密钥情况,设计了两种陷门生成方式,以允许用户灵活便捷地在云存储中进行密文搜索查询,并且陷门生成过程中不会泄露所请求搜索的任何明文信息。同时,该方案支持正则语言加密和DFA搜索而且无需预定义符号集合。其次,实现了在时间控制下对密文进行解密。方案将指定的时间和用户搜索的关键字嵌入密文中,该密文必须等到指定时间之后,才能被拥有解密密钥的实体解密,从而保护了用户的身份隐私。最后,理论分析和实验结果表明:该方案不仅实现了灵活的正则语言密文搜索,同时有效提高了搜索效率。
其他文献
智能汽车作为未来汽车发展的主要趋势,已经成为了各大高校和企业的研究重点。针对车辆在行驶过程中因速度和自身参数变化所造成控制器性能下降的问题,如何设计一种对速度和车辆参数具有较强适应性的转向控制策略成为一个新的研究课题。本文首先分别对基于现代控制方法和智能控制方法的转向策略进行了研究,在此基础上融合两者优点,制定了一种基于预测补偿的智能汽车速度和参数自适转向控制策略。针对模型预测控制算法(Model
学位
2012年,Gǎvruta在研究有界线性算子的原子分解时引入了K-框架,它可以重构有界线性算子K值域R(K)中的元素,而非整个空间中的元素.根据已得到的K-框架的相关研究成果,可以得出框架的一些结论对于K-框架而言未必成立.比如Gǎvruta证明了序列{fn}n=1∞为H的K-框架当且仅当{fn} n=1∞为H的Bessel序列且其合成算子T满足R(K)(?)R(T),而序列{fn} n=1∞为H
学位
液滴撞击固体表面的现象不仅在自然界普遍存在,在工农业生产中也有着十分广泛的应用。随着对液滴调控需求的不断增加,液滴撞击固体表面的动力学特性作为液滴调控的基础,有待完善。由于工业生产向微纳领域发展,对液滴的研究逐渐进入微纳米尺度。目前的研究主要集中在单个纳米液滴撞击光滑固体表面,而较少涉及纳米液滴撞击粗糙固体表面以及双液滴撞击固体表面的动态行为。本文采用分子动力学(MD)模拟的方法,从原子尺度探究纳
学位
现实世界中的计算系统经常遇到连续信息流的运算,这种情况要求模型能够随着时间的流逝而适应和学习。传统的机器学习方法所构建的静态模型,无法随时间推移来改变或扩展其行为,而终身学习试图通过让模型保留已经获得的知识,并将其用于将来的学习,使模型的学习过程更接近于人类的学习方式。如何保留和利用过去的知识是终身学习的重要难点,具体而言,终身学习需要解决灾难性遗忘问题,即避免模型在新任务训练期间几乎完全失去先前
学位
由于分布式驱动电动汽车的各动力源独立可控,若电机输出的动力控制不当则容易出现车辆失稳现象。为了提高分布式驱动电动汽车的行驶稳定性,本文提出一种基于相平面法的行驶稳定性控制策略,并通过仿真分析和实车测试来验证所提控制策略的有效性与可靠性。论文的主要研究内容包括:1、构建车辆动力学仿真模型。基于福州大学自主研制的分布式后轮独立驱动赛车的整车结构参数,通过Matlab/Simulink和Carsim分别
学位
答案选择作为智能问答领域的一项重要子任务,旨在于从几个候选答案中选择出正确的答案。传统基于统计学习的方法主要依靠人工来提取问答对之间的语义相似特征并进行问答匹配,该类模型虽然取得一定的进展,但是在时间成本和性能上还无法令人满意。而基于深度学习的方法相比之下则展现出较大的优势,因而成为目前的主流方法。基于上述背景,本文主要针对智能问答系统中的答案选择任务进行研究,提出相应的模型算法。本文的主要研究内
学位
时间序列广泛存在于工程技术、金融分析、自然科学研究等诸多领域中。自上个世纪初以来,时间序列模型的研究就备受研究者的关注,其中包括早期的线性自回归模型、滑动平均自回归模型以及后来为适应不同研究领域的应用而提出的各种非线性时间序列模型。基于状态相依的自回归径向基函数(RBF-AR)模型就是其中一种广泛用于时间序列建模的非线性时间序列模型。关于RBF-AR模型的参数辨识、模型选择、遍历性等问题的研究一直
学位
分段线性微分系统是一类特殊的微分方程,具有比光滑微分系统更丰富的动力学性质.并在工程和应用科学中有广泛的应用,具有特殊的研究意义,是近年来研究的热点.本文在某参数空间下,完整研究了由两条平行线分隔形成三个线性区域的非对称的四参数连续分段线性微分系统的全局动力学.具体研究内容如下.首先,完整研究了系统的有限远平衡点和无穷远平衡点的定性性质,包括了平衡点的数目、类型以及稳定性.本文利用雅可比矩阵的迹和
学位
布线是超大规模集成电路(Very Large Scale Integration,VLSI)物理设计中至关重要的一步。由于布线问题复杂度高,故将其分为:总体布线,轨道分配和详细布线三个阶段。其中,Steiner树由于具有比其他方法求得的连接树总长更小的优点,成为了解决总体布线中多端线网的最佳模型。传统的总体布线以曼哈顿结构为互连线模型,其布线方向受限,且传统的精确算法和启发式算法难以满足复杂性呈指
学位
薄板在工业领域应用广泛,相比于传统加工,采用激光切割的方法加工薄板具有装夹简单、效率高、精度高等优点,因此激光切割技术被普遍应用于薄板加工。激光切割过程是个复杂的热力耦合过程,传统建模方法难以对激光切割质量进行准确地建模。目前,数据挖掘技术已成为激光切割质量建模的新趋势,但基于数据挖掘的薄板激光切割质量研究还有待深入。为此,本文基于数据挖掘技术对薄板激光切割质量开展了如下研究:(1)为了采集足够的
学位