CN102243630A - 一种无偏序关系的数据库密文索引方法 - Google Patents
一种无偏序关系的数据库密文索引方法 Download PDFInfo
- Publication number
- CN102243630A CN102243630A CN2010101697842A CN201010169784A CN102243630A CN 102243630 A CN102243630 A CN 102243630A CN 2010101697842 A CN2010101697842 A CN 2010101697842A CN 201010169784 A CN201010169784 A CN 201010169784A CN 102243630 A CN102243630 A CN 102243630A
- Authority
- CN
- China
- Prior art keywords
- node
- leaf
- record
- records
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供了一种基于无偏序关系的轻量级的密文索引结构的索引建立、检索和维护方法,这种结构能够表示索引中的节点关系,便于维护,维护代价低。索引中存储的数据是密文的,由于不存在数据之间的偏序关系,也就无法进行分析了,保证了数据的安全。基于这种无偏序关系的密文索引的检索方法,能够对密文数据进行快速的检索和定位;维护方法能够有效的维护索引数据和节点关系,并保证索引数据在并发操作环境下的正确性。
Description
技术领域
本发明涉及计算机数据安全领域,特别是涉及一种对密文数据建立密文索引的方法。
背景技术
随着计算机技术的飞速发展,数据库的应用已经十分广泛,深入到了各个领域。政府组织、商业机构和金融机构都是利用数据库服务器保存其重要的人事信息、贸易记录、市场决策性信息等各种敏感数据。这些数据的重要性不容置疑,它关系到国家的安全、企业的兴衰。因此,如何有效地保证数据库系统的安全,实现数据的保密性、完整性、有效性和可用性,已经成为业界人士研究的重要课题。目前,国内使用的主流商业数据库主要都是从国外进口,由于法律的限制,安全数据库系统基本不对中国出口,因此对现有主流商业数据库系统的数据加密、保护技术和密文数据的高效检索技术的需求非常强烈。
在当前的索引实现技术中,很重要的组成部分是要构建一种结构来描述数据的偏序关系,以实现对索引数据的高效、有序访问和管理。偏序关系的维护一般是采用链表或位置偏移等方式来实现。但这种偏序关系在描述数据顺序的同时,也暴露了数据的特征,攻击者可通过这种关系特征对数据进行分析,得到想要的数据,存在极大的安全隐患,同时,维护这种偏序关系的代价也是很大的,直接造成了密文索引维护代价高、效率低。因此需要一种更加安全、易于维护、高效的密文索引方法,在实现高效检索的同时,提供高安全性。
发明内容
本发明方法要解决的问题是:
1、在数据库上构建一个无偏序关系的轻量级的索引。
2、基于这种无偏序关系的密文索引提供一种检索的方法,能够对密文数据进行快速的检索和定位。同时提供一种维护方法,能够有效的维护索引数据和节点关系,并保证索引数据在并发操作环境下的正确性。
本发明采取的技术方案是:
一种无偏序关系的数据库密文索引的建立方法,包括如下步骤:
1)对每个敏感字段创建一个密文索引节点表和一个密文索引叶子表,其中密文索引节点表包含字段LEVELID、字段NodeId、字段NextNodeId和字段MaxKey;密文索引叶子表包含字段Pid、字段TROWID、字段NodeId、字段KEYVALUE;
2)按照树状结构组织方式,在密文索引节点表中存储敏感字段的密文索引根节点和子节点数据,其中:
LEVELID:代表条目所属的节点类型。1代表根节点条目,2代表子节点条目。
NodeId:节点的ID值,用于区分不同节点的记录集合,所有相同节点下的记录具有相同的NodeId值。
NextNodeId:记录当前条目的下层节点的NodeId,用于维护节点间的关系;对于根节点中的每条记录,该值等于子节点中的某个节点的NodeId。对于子节点中的每条记录,该值等于叶子表中的某个叶子节点的NodeId。
MaxKey:记录当前条目的NextNodeId指向的下层节点中所有记录的最大值,以密文形式存储,节点中所有的MaxKey值之间没有任何的顺序关系,或用于描述顺序关系的辅助信息。
3)按照树状结构,在密文索引叶子表中存储密文索引的叶子结点数据,其中:
Pid:表主键
TROWID:索引条目对应的数据的行标识。以ORACLE数据库为例,是表记录的ROWID。
NodeId:叶子节点ID,与节点表中子节点的某个条目的NextNodeId对应,所有相同叶子节点下的记录具有相同的值。
KEYVALUE:密文字段的值,以密文形式存储,是被加密的数据记录;在叶子节点表中,KEYVAKUE字段的数据之间没有任何的顺序关系,或用于描述顺序关系的辅助信息。
进一步,提供一种基于前述索引的检索方法,包括:
1)在每个新的数据库连接创建的时候,将密文索引节点表中保存的根节点和子节点中的数据全部解密,经过排序后缓存在数组中;
2)在每次开始一次新的查询的时候,判断当前密文索引的节点表数据是否发生了变更,如果发生了变更则重新对节点表中的数据进行缓存,如果没有发生变更则不对节点表中的数据进行缓存;
3)根据不同查询条件分别进行处理:
如果是“=”查询,则执行下列步骤:
①从节点表数据缓存中找到叶子表中哪个叶子节点中可能存在符合条件的数据;
②一次性批量的取得该叶子节点中的所有记录并进行批量的解密;
③将解密后的数据排序后进行比对,找到并返回该叶子节点中所有符合条件的记录的TROWID;
如果是“<”或“<=”查询,则执行下列步骤:
①从节点表数据缓存中找到所有小于查询条件键值的子节点记录,直接返回这些子节点记录对应的叶子节点的所有记录的TROWID;
②找到第一条>=该键值的子节点记录,并批量的取得该记录指向的叶子节点的全部记录进行解密;
③将解密后的数据排序后进行比对,找到并返回该叶子节点中所有符合条件的记录的TROWID;
如果是“>”或“>=”查询,则执行下列步骤:
①从节点表数据缓存中找到所有大于查询条件键值的子节点记录,直接返回这些子节点记录对应的叶子节点的所有记录的TROWID;
②找到第一条<=该键值的子节点记录,并批量的取得该记录指向的叶子节点的全部记录进行解密;
③将解密后的数据排序后进行比对,找到并返回该叶子节点中所有符合条件的记录的TROWID;
如果是“KEY2<F<Key1”或“KEY2<F<=Key1”或“KEY2<=F<Key1”或“KEY2<=F<=Key1”查询,则执行下列步骤:
①从节点表数据缓存中找到所有<Key1并且>Key2的子节点记录,直接返回这些子节点记录对应的叶子节点的所有记录的TROWID;
②找到第一条>=Key1的子节点记录,并批量的取得该记录指向的叶子节点的全部记录进行解密,然后将解密后的数据排序后进行比对,找到并返回该叶子节点中所有符合条件的记录的TROWID;
③找到第一条<=Key2的子节点记录,并批量的取得该记录指向的叶子节点的全部记录进行解密,然后将解密后的数据排序后进行比对,找到并返回该叶子节点中所有符合条件的记录的TROWID;
进一步,提供一种基于前述索引的维护方法,根据不同的记录操作指令采取不同的维护步骤,包括:
如果是“INSERT”记录操作,则执行下列步骤:
1)从节点表数据缓存中找到叶子表中哪个叶子节点中可能存在符合条件的数据,确定符合条件的叶子节点;
2)如果该叶子节点中的记录数大于一个叶子节点可以包含的最大记录数的80%,则进入步骤3否则在该叶子节点中插入一条记录,然后返回;
3)增加一个叶子节点,然后在该新增的叶子节点中插入一条记录。并相应的在上层子节点中新增一条对应这一新增的叶子节点的记录记录;
如果是“DELETE”记录操作,则直接将叶子表中TROWID符合删除条件的记录从叶子表中删除;
如果是“UPDATE”记录操作,则先执行“DELETE”操作,然后执行INSERT操作;
如果是“TRUNCATE”操作,则直接将密文索引表中的全部记录删除。
本发明构建了一个无偏序关系的轻量级的索引结构,这种结构能够表示索引中的节点关系,便于维护,维护代价低。索引中存储的数据是密文的,由于不存在数据之间的偏序关系,也就无法进行分析了,保证了数据的安全。
本发明的有益效果是:
1:密文索引结构安全性好
本发明方法通过实现一种无偏序关系的轻量的密文索引结构,防止了攻击者在没有获得全部解密数据的情况下,通过数据之间的偏序关系对数据进行分析,安全性高。
2:结构简单、轻量,维护高效
本发明方法设计的密文索引结构,由于不需要维护索引条目间的偏序关系,使得结构简单,减少了索引维护操作的复杂性,有效地减少了并发操作下的锁冲突,维护效率高。
附图说明
图1是密文索引表结构和关系示意图
具体实施方式
本发明方法中密文索引的构建是建立在目前主流商业数据库的扩展索引机制上的(比如ORACLE的Extensible Indexing),通过实现扩展索引机制提供的各种扩展接口,来对索引数据进行维护和检索。
本发明方法的密文索引的基本原理是通过构建一组数据库的基本表(table)结构来模拟一种轻量的B-Tree索引的结构,这组表结构称为密文索引表。这种轻量级的B-Tree结构的特点是索引关系的组织只依赖于各层节点间的关系,不需要依赖于数据间的偏序关系来组织数据,这种方式由于不存在偏序关系,攻击者在没有获得全部解密数据的情况下无法对数据关系进行分析,安全性好;同时,由于不需要维护索引条目间的偏序关系,使得结构简单,减少了索引维护操作的复杂性,维护效率高;对于查询操作,通过结合数据缓存机制,只需要对1个或2个叶子节点中的数据进行批量的解密即可定位所有符合条件的数据,解密代价小,效率高。同时设计一套基于数据库标准SQL语句实现的对密文索引的维护操作和查询操作,从而实现相当于数据库B-Tree索引功能特性的密文索引。
由于本发明中密文索引是在数据库的表上构建的,因此实现了和应用操作语句处于相同的事务语境下,具有相同的事务ACID特性。
(一)密文索引结构
如图1所示,密文索引表在结构上包含两个表:“密文索引节点表(节点表)”和“密文索引叶子表(叶子表)”,模拟了一个无偏序关系的3层的轻量B-树结构,每个敏感字段的密文索引都包含这样一组密文索引表。其中节点表中存储B-树的根节点和子节点数据,数据组织上不存在偏序关系;根节点只有一个,可以包含N条记录,每条记录对应着一个子节点(也就是可以有N个子节点),一个子节点中可以包含M条记录;子节点中的一条记录对应着叶子表中的一个叶子节点(也就是可以有N*M个叶子节点),一个叶子节点可以包含K条记录,这样可以管理的索引记录数为N*M*K。叶子表存储的是B-树的叶子节点数据,也就是存储加密字段的密文数据。
节点表中字段的含义如下:
LEVELID:代表条目所属的节点类型。1代表根节点条目,2代表子节点条目。
NodeId:节点的ID值,用于区分不同节点的记录集合,所有相同节点下的记录具有相同的NodeId值。
NextNodeId:记录当前条目的下层节点的NodeId,用于维护节点间的关系;对于根节点中的每条记录,该值等于子节点中的某个节点的NodeId。对于子节点中的每条记录,该值等于叶子表中的某个叶子节点的NodeId。
MaxKey:记录当前条目的NextNodeId指向的下层节点中所有记录的最大值,以密文形式存储。
叶子表中字段的含义如下:
Pid:表主键
TROWID:索引条目对应的数据的行标识。以ORACLE数据库为例,是表记录的ROWID。
NodeId:叶子节点ID,与节点表中子节点的某个条目的NextNodeId对应,所有相同叶子节点下的记录具有相同的值。
KEYVALUE:密文字段的值,以密文形式存储,是被加密的数据记录。
(二)密文索引查询操作
对密文索引的查询是根据查询的条件分别处理的(比如“=”、“>”、“<”等)。并充分的利用了对节点表数据的缓存来提升查询的性能。具体步骤如下:
首先,在本发明方法中,由于每一个敏感字段的密文索引节点表只保存了根节点和子节点的记录,因此在每个新的数据库连接创建的时候,将根节点和子节点中的数据全部解密,经过排序后缓存在数组中(内存中),供查询使用;在每次开始一次新的查询的时候,通过判断当前密文索引的节点表数据是否发生了变更,来决定是否重新对节点表中的数据进行缓存。然后根据不同查询条件分别进行处理:
1:“=”查询
1):先从节点表数据缓存中找到叶子表中哪个叶子节点中可能存在符合条件的数据;
2):然后一次性批量的取得该叶子节点的中的所有记录并进行批量的解密
3):然后将解密后的数据排序后进行比对,找到并返回该叶子节点中所有符合条件的记录的TROWID。
2:“<”或“<=”查询
1):先从节点表数据缓存中找到所有小于查询条件键值的子节点记录,直接返回这些子节点记录对应的叶子节点的所有记录的TROWID;
2):然后找到第一条>=该键值的子节点记录,并批量的取得该记录指向的叶子节点的全部记录进行解密;
3):然后将解密后的数据排序后进行比对,找到并返回该叶子节点中所有符合条件的记录的TROWID。
3:“>”或“>=”查询
1):先从节点表数据缓存中找到所有大于查询条件键值的子节点记录,直接返回这些子节点记录对应的叶子节点的所有记录的TROWID;
2):然后找到第一条<=该键值的子节点记录,并批量的取得该记录指向的叶子节点的全部记录进行解密;
3):然后将解密后的数据排序后进行比对,找到并返回该叶子节点中所有符合条件的记录的TROWID。
4:“KEY2<F<Key1”或“KEY2<F<=Key1”或“KEY2<=F<Key1”或“KEY2<=F<=Key1”查询:
1):先从节点表数据缓存中找到所有<Key1并且>Key2的子节点记录,直接返回这些子节点记录对应的叶子节点的所有记录的TROWID;
2):然后找到第一条>=Key1的子节点记录,并批量的取得该记录指向的叶子节点的全部记录进行解密,然后将解密后的数据排序后进行比对,找到并返回该叶子节点中所有符合条件的记录的TROWID;
3):最后找到第一条<=Key2的子节点记录,并批量的取得该记录指向的叶子节点的全部记录进行解密,然后将解密后的数据排序后进行比对,找到并返回该叶子节点中所有符合条件的记录的TROWID。
综合以上的1~4,本发明方法的密文索引查询操作,一般只需要对叶子表中的1个或2个叶子节点中的数据进行1次或2次批量的解密,即可完成一次密文索引的查询,并返回所有符合条件的记录的行标识。操作简单,效率高。
(三)密文索引维护
1:“INSERT”记录操作
1):按照前面的密文索引“=”查询操作的方法中的第1)步,从叶子节点表中找到符合条件的叶子节点;
2):如果该叶子节点中的记录数达到了“高水位线”(一个叶子节点可以包含的最大记录数*H,H可以是0.8),则进入3);否则在该叶子节点中插入一条记录,然后返回。
3):增加一个叶子节点,然后在该新增的叶子节点中插入一条记录。并相应的在上层子节点中新增一条对应这一新增的叶子节点的记录。
2:“DELETE”记录操作
密文索引的DELETE操作是以记录的行标识为条件的,直接将叶子表中TROWID符合删除条件的记录从叶子表中删除即可。
3:“UPDATE”记录操作
先执行“DELETE”操作,然后执行INSERT操作。
4:“TRUNCATE”操作
直接将密文索引表中的全部记录删除即可。
Claims (3)
1.一种无偏序关系的数据库密文索引的建立方法,包括如下步骤:
(1)对每个敏感字段创建一个密文索引节点表和一个密文索引叶子表,其中密文索引节点表包含字段LEVELID、字段NodeId、字段NextNodeId和字段MaxKey;密文索引叶子表包含字段Pid、字段TROWID、字段NodeId、字段KEYVALUE;
(2)按照树状结构组织方式,在密文索引节点表中存储敏感字段的密文索引根节点和子节点数据,其中:
LEVELID:代表条目所属的节点类型。1代表根节点条目,2代表子节点条目。
NodeId:节点的ID值,用于区分不同节点的记录集合,所有相同节点下的记录具有相同的NodeId值。
NextNodeId:记录当前条目的下层节点的NodeId,用于维护节点间的关系;对于根节点中的每条记录,该值等于子节点中的某个节点的NodeId。对于子节点中的每条记录,该值等于叶子表中的某个叶子节点的NodeId。
MaxKey:记录当前条目的NextNodeId指向的下层节点中所有记录的最大值,以密文形式存储,节点中所有的MaxKey值之间没有任何的顺序关系,或用于描述顺序关系的辅助信息。
(3)按照树状结构组织方式,在密文索引叶子表中存储密文索引的叶子结点数据,其中:
Pid:表主键
TROWID:索引条目对应的数据的行标识。以ORACLE数据库为例,是表记录的ROWID。
NodeId:叶子节点ID,与节点表中子节点的某个条目的NextNodeId对应,所有相同叶子节点下的记录具有相同的值。
KEYVALUE:密文字段的值,以密文形式存储,是被加密的数据记录;在叶子节点表中,KEYVAKUE字段的数据之间没有任何的顺序关系,或用于描述顺序关系的辅助信息。
2.一种无偏序关系的数据库密文索引的检索方法,包括:
(1)在每个新的数据库连接创建的时候,将密文索引节点表中保存的根节点和子节点中的数据全部解密,经过排序后缓存在数组中;
(2)在每次开始一次新的查询的时候,判断当前密文索引的节点表数据是否发生了变更,如果发生了变更则重新对节点表中的数据进行缓存,如果没有发生变更则不对节点表中的数据进行缓存;
(3)根据不同查询条件分别进行处理:
如果是“=”查询,则执行下列步骤:
①从节点表数据缓存中找到叶子表中哪个叶子节点中可能存在符合条件的数据;
②一次性批量的取得该叶子节点中的所有记录并进行批量的解密;
③将解密后的数据排序后进行比对,找到并返回该叶子节点中所有符合条件的记录的TROWID;
如果是“<”或“<=”查询,则执行下列步骤:
①从节点表数据缓存中找到所有小于查询条件键值的子节点记录,直接返回这些子节点记录对应的叶子节点的所有记录的TROWID;
②找到第一条>=该键值的子节点记录,并批量的取得该记录指向的叶子节点的全部记录进行解密;
③将解密后的数据排序后进行比对,找到并返回该叶子节点中所有符合条件的记录的TROWID;
如果是“>”或“>=”查询,则执行下列步骤:
①从节点表数据缓存中找到所有大于查询条件键值的子节点记录,直接返回这些子节点记录对应的叶子节点的所有记录的TROWID;
②找到第一条<=该键值的子节点记录,并批量的取得该记录指向的叶子节点的全部记录进行解密;
③将解密后的数据排序后进行比对,找到并返回该叶子节点中所有符合条件的记录的TROWID;
如果是“KEY2<F<Key1”或“KEY2<F<=Key1”或“KEY2<=F<Key1”或“KEY2<=F<=Key1”查询,则执行下列步骤:
①从节点表数据缓存中找到所有<Key1并且>Key2的子节点记录,直接返回这些子节点记录对应的叶子节点的所有记录的TROWID;
②找到第一条>=Key1的子节点记录,并批量的取得该记录指向的叶子节点的全部记录进行解密,然后将解密后的数据排序后进行比对,找到并返回该叶子节点中所有符合条件的记录的TROWID;
③找到第一条<=Key2的子节点记录,并批量的取得该记录指向的叶子节点的全部记录进行解密,然后将解密后的数据排序后进行比对,找到并返回该叶子节点中所有符合条件的记录的TROWID。
3.一种无偏序关系的数据库密文索引的维护方法,根据不同的记录操作指令采取不同的维护步骤,包括:
如果是“INSERT”记录操作,则执行下列步骤:
①从节点表数据缓存中找到叶子表中哪个叶子节点中可能存在符合条件的数据,确定符合条件的叶子节点;
②如果该叶子节点中的记录数大于一个叶子节点可以包含的最大记录数的80%,则进入步骤3否则在该叶子节点中插入一条记录,然后返回;
③增加一个叶子节点,然后在该新增的叶子节点中插入一条记录。并相应的在上层子节点中新增一条对应这一新增的叶子节点的记录;
如果是“DELETE”记录操作,则直接将叶子表中TROWID符合删除条件的记录从叶子表中删除;
如果是“UPDATE”记录操作,则先执行“DELETE”操作,然后执行INSERT操作;
如果是“TRUNCATE”操作,则直接将密文索引表中的全部记录删除。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010101697842A CN102243630B (zh) | 2010-05-12 | 2010-05-12 | 一种无偏序关系的数据库密文索引方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010101697842A CN102243630B (zh) | 2010-05-12 | 2010-05-12 | 一种无偏序关系的数据库密文索引方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102243630A true CN102243630A (zh) | 2011-11-16 |
CN102243630B CN102243630B (zh) | 2013-01-16 |
Family
ID=44961693
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010101697842A Expired - Fee Related CN102243630B (zh) | 2010-05-12 | 2010-05-12 | 一种无偏序关系的数据库密文索引方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102243630B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109033873A (zh) * | 2018-07-19 | 2018-12-18 | 四川长虹智慧健康科技有限公司 | 一种防止隐私泄漏的数据脱敏方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW522318B (en) * | 2000-01-14 | 2003-03-01 | Inst Information Industry | Database management system for applications on both structured non-character type data and non-structured character type data simultaneously |
CN1900936A (zh) * | 2005-07-25 | 2007-01-24 | 曾致中 | 数据库密文索引中隐藏偏序关系的技术 |
US20090083212A1 (en) * | 2007-09-21 | 2009-03-26 | International Business Machines Corporation | System and method for executng multiple concurrent index-driven table access operations |
-
2010
- 2010-05-12 CN CN2010101697842A patent/CN102243630B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW522318B (en) * | 2000-01-14 | 2003-03-01 | Inst Information Industry | Database management system for applications on both structured non-character type data and non-structured character type data simultaneously |
CN1900936A (zh) * | 2005-07-25 | 2007-01-24 | 曾致中 | 数据库密文索引中隐藏偏序关系的技术 |
US20090083212A1 (en) * | 2007-09-21 | 2009-03-26 | International Business Machines Corporation | System and method for executng multiple concurrent index-driven table access operations |
Non-Patent Citations (1)
Title |
---|
王正飞等: "基于B+树的索引字段加密", 《中南大学学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109033873A (zh) * | 2018-07-19 | 2018-12-18 | 四川长虹智慧健康科技有限公司 | 一种防止隐私泄漏的数据脱敏方法 |
CN109033873B (zh) * | 2018-07-19 | 2020-11-17 | 四川长虹智慧健康科技有限公司 | 一种防止隐私泄漏的数据脱敏方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102243630B (zh) | 2013-01-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9690799B2 (en) | Unified architecture for hybrid database storage using fragments | |
US7519835B2 (en) | Encrypted table indexes and searching encrypted tables | |
US8886673B2 (en) | Optimizing data cache when applying user-based security | |
CN103902623B (zh) | 用于在存储系统上存取文件的方法和系统 | |
CN103020204B (zh) | 一种对分布式顺序表进行多维区间查询的方法及其系统 | |
CN103390015B (zh) | 基于统一索引的海量数据联合存储方法及检索方法 | |
US20040230571A1 (en) | Index and query processor for data and information retrieval, integration and sharing from multiple disparate data sources | |
JP6181882B2 (ja) | データベースで暗号化されたフィールドに対する索引生成方法および装置 | |
US6859808B1 (en) | Mapping logical row identifiers for primary B+tree-like structures to physical row identifiers | |
US20140297651A1 (en) | Using hash table to retrieve leaf index blocks | |
CN101504668A (zh) | 一种支持密文索引的数据库透明加密方法 | |
US9348833B2 (en) | Consolidation for updated/deleted records in old fragments | |
CN102890678A (zh) | 一种基于格雷编码的分布式数据布局方法及查询方法 | |
CN108228849A (zh) | 云网络中基于类别分组索引的密文排序搜索方法 | |
EP2778963A1 (en) | Assignment of data temperatures in a fragmented data set | |
EP2778964B1 (en) | Hierarchical indices | |
Faraj et al. | Comparative study of relational and non-relations database performances using Oracle and MongoDB systems | |
CN102243630B (zh) | 一种无偏序关系的数据库密文索引方法 | |
Kieseberg et al. | Analysis of the internals of mysql/innodb b+ tree index navigation from a forensic perspective | |
Maabreh | Optimizing Database Query Performance Using Table Partitioning Techniques | |
US20050102271A1 (en) | Indexes with embedded data | |
Kvet | Temporal data approach performance | |
CN102567545B (zh) | Xml数据库系统的xml文档组织管理方法及系统 | |
CN107609136A (zh) | 基于访问特征标示的自主可控数据库审计方法和系统 | |
Yu et al. | An efficient multidimension metadata index and search system for cloud data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
DD01 | Delivery of document by public notice |
Addressee: Beijing Anhua Jinhe Technology Co.,Ltd. Document name: Notification of Termination of Patent Right |
|
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130116 Termination date: 20150512 |
|
EXPY | Termination of patent right or utility model |