CN108388807B - 一种支持偏好搜索和逻辑搜索的高效可验证的多关键字排序可搜索加密方法 - Google Patents

一种支持偏好搜索和逻辑搜索的高效可验证的多关键字排序可搜索加密方法 Download PDF

Info

Publication number
CN108388807B
CN108388807B CN201810169347.7A CN201810169347A CN108388807B CN 108388807 B CN108388807 B CN 108388807B CN 201810169347 A CN201810169347 A CN 201810169347A CN 108388807 B CN108388807 B CN 108388807B
Authority
CN
China
Prior art keywords
document
query
node
vector
index
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.)
Active
Application number
CN201810169347.7A
Other languages
English (en)
Other versions
CN108388807A (zh
Inventor
何志强
唐韶华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN201810169347.7A priority Critical patent/CN108388807B/zh
Publication of CN108388807A publication Critical patent/CN108388807A/zh
Priority to PCT/CN2019/074061 priority patent/WO2019165880A1/zh
Application granted granted Critical
Publication of CN108388807B publication Critical patent/CN108388807B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/602—Providing cryptographic facilities or services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/04—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks
    • H04L63/0428—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload
    • H04L63/0435—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload wherein the sending and receiving network entities apply symmetric encryption, i.e. same key used for encryption and decryption
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L2463/00—Additional details relating to network architectures or network communication protocols for network security covered by H04L63/00
    • H04L2463/101—Additional details relating to network architectures or network communication protocols for network security covered by H04L63/00 applying security measures for digital rights management

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Bioethics (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Storage Device Security (AREA)

Abstract

本发明公开了一种支持偏好搜索和逻辑搜索的高效可验证的多关键字排序可搜索加密方法，其中，数据拥有者加密文档并基于文档集合构造密文索引、利用密钥和文档内容生成文档的摘要信息，然后将密文文档和加密后的索引以及摘要信息发送到云服务器；数据使用者共享数据拥有者生成的密钥信息，并根据查询生成查询陷门，并将加密后的查询陷门和待获取的文档数目K发送到云服务器。云服务器接收到密文索引和查询陷门后会执行安全内积操作，搜索到和用户查询最相关的K个文档并按照和查询之间的相关分值排序，然后后生成验证对象，最后返回最相关的K个文档和验证对象到数据使用者；数据使用者通过验证算法来验证返回结果的正确性和完整性。

Description

一种支持偏好搜索和逻辑搜索的高效可验证的多关键字排序 可搜索加密方法
技术领域
本发明涉及信息安全技术领域，具体涉及一种支持偏好搜索和逻辑搜索的高效可验证的多关键字排序可搜索加密方法。
背景技术
随着云计算的日益普及，为了减少数据管理、存储和计算的开销，数据拥有者会将其所拥有的大量的数据外包到云服务器进行存储或者处理。但是这样数据拥有则就失去了对数据的有力控制，这样数据就可能被云服务器或者入侵者获取、访问，但是这些数可能是涉及机密性和隐私性的数据如医疗记录，政府文档等。虽然云服务器一般声称是安全的，但是用户对云服务器提供的安全性机制一般是存疑的，这种担忧也是云计算进一步发展普及的障碍。
常用的保护数据隐私的机制就是将数据上传到云服务器之前，先加密数据，但是，加密会极大的限制数据的可用性。而如果采用简单的下载、解密、处理的机制的话那么就需要消耗大量的带宽和用户极大的计算开销，对于云计算这种理念是不适用的。目前也有大量基于同态加密的方案或者基于公钥的可搜索加密方案被提了出来，但是这些方案的计算往往因其巨大的计算开销而变得非常的不实用。所以仍然关注的是对称可搜索加密。在对称可搜索加密中，也有很多针对单关键字和多关键字的可搜索加密方案以及相应的改进方案被提了出来，但是这些方案的功能性相对较为单一，其中不少也存在极大的效率问题。目前对称可搜索加密的功能性仍然和明文的检索存在着非常大的差距，对称可搜索加密中的功能性如个性化检索、逻辑检索、语义检索、模糊检索、动态更新等仍然有待进一步的研究。
发明内容
本发明的目的是为了解决现有技术中的上述缺陷，提供一种支持偏好搜索和逻辑搜索的高效可验证的多关键字排序可搜索加密方法。
本发明的目的可以通过采取如下技术方案达到：
一种支持偏好搜索和逻辑搜索的高效可验证的多关键字排序可搜索加密方法，所述的加密方法包括下列步骤：
数据拥有者作为数据的所有者进行可搜索加密的预处理，包括密钥的生成、文档的加密、索引的生成、摘要的生成，数据拥有者将所持有的文档数据加密得到密文文档集合E，数据拥有者基于文档集合FS构建安全索引
Figure BDA0001585369490000021
同时数据拥有者生成消息摘要，然后，数据拥有者将加密后的密文文档集合E连同文档的消息摘要和密文索引
Figure BDA0001585369490000022
上传到云服务器，同时，数据拥有者授权数据使用者访问其外包数据,即与数据使用者共享密钥，包括用于加密文档的对称密钥和加密陷门的秘密钥；
数据使用者作为和数据的所有者共享密钥的用户，向云服务器提交查询以进行搜索，当数据使用者想要检索文档时，首先，将查询转为查询陷门TQ，然后，查询陷门TQ以及数据使用者的目标文档数目被提交到云服务器；一旦云服务器接收到查询陷门TQ，云服务器执行计算任务；计算完成，云服务器返回排序后top-K个最相关的文档以及相关的验证对象；最后，数据使用者接收到top-K个最相关的文档和相关的验证对象，执行验证算法来验证搜索结果的准确性和完全性，然后再解密得到搜索结果；
云服务器向数据拥有者提供“按需计费”的存储和计算服务，向数据使用者提供查询服务，云服务器存储有密文文档和密文索引，一旦接收到来自数据使用者发送过来的查询陷门TQ和目标数目K，云服务器利用密文索引
Figure BDA0001585369490000031
和查询陷门TQ进行安全检索，得到top-K个最相关的加密文档，按与查询的相关性大小排序后生成验证对象，然后将top-K个最相关的密文文档和验证对象发送给数据使用者。
进一步地，所述的数据拥有者生成用户加密文档的对称密码和加密文档向量的秘密钥，即两个可逆矩阵和一个随机的比特向量；
所述的数据拥有者使用对称密钥来加密文档内容，同时使用向量空间模型和TF×IDF来抽象文档的内容以及相关权重，构造明文二叉树索引后，然后递归加密整个二叉树索引，加密过程中根据随机比特向量将文档向量按照一定的规则切分成两个子向量，然后分别使用两个可逆矩阵的转置矩阵来加密两个子向量，同时数据拥有者根据文档内容和密钥生成文档的消息摘要用于在搜索阶段生成验证对象以保证可验证性。
进一步地，所述的数据拥有者使用二叉树来组织索引，其中，构造二叉树过程如下：首先每个文档作为一个叶子结点，然后会选择当前最相关的两个文档，然后按照一定的规则构造其父节点，然后继续选择剩余的节点最相关的两个节点，继续向上规约得到父节点，如此自底向上构造出明文二叉树索引，然后加密明文二叉树索引得到密文二叉树索引。
进一步地，所述的数据使用者根据提交的查询生成查询的向量表示形式，根据用户的历史偏好信息结合查询信息构造查询向量以支持偏好搜索，根据逻辑联结的关键词以及构造的数值序列来构造查询向量以支持逻辑搜索，在生成查询向量以后，数据使用者根据随机比特向量按照规则将查询向量分成两个子向量，然后分别使用两个可逆矩阵的逆矩阵来加密两个查询子向量得到加密后的查询陷门；
所述的数据使用者生成查询陷门后，会将查询陷门和待获取的目标文档数目发送到云服务器，获取云服务器返回的按照相关性排好序的top-K 个最相关的密文文档和验证对象以后，会通过验证算法验证搜索结果的完整性和准确性，然后解密后得到结果文档集合。
进一步地，所述的云服务器接收到数据拥有者生成的密文二叉树索引、密文文档和消息摘要以及数据使用者生成的加密查询陷门和目标文档数目后，会在密文二叉树索引上按照查询和索引，即文档之间的相关性评分获取top-K个最相关的文档，一旦检索结束，得到top-K个最相关的文档，会按照相关性评分排序，然后生成验证对象后发送到数据使用者。
进一步地，所述的加密方法包括：
密钥生成阶段GenKey(1l(n))：
初始化阶段，数据拥有者生成一样四元组的安全密钥SK＝(S,M1,M2, kf)，其中S是一个(n+e)比特的随机向量，M1和M2是两个(n+e)×(n+ e)的可逆矩阵，其中n是生成的字典大小，e是为了防止陷门的不可链接性而引入的冗余关键词的数目，kf是一个对称加密密钥，安全密钥SK仅仅在数据拥有者和数据使用者之间共享，云服务器不知道安全密钥SK的任何信息；
构造索引阶段BuildIndex(FS,SK)：
根据构造索引二叉树算法，对节点u中存储的每一个文档向量u.PV使用如下的公式计算
Figure BDA0001585369490000041
其中
Figure BDA0001585369490000042
表示wi在Fd中的TF值，
Figure BDA0001585369490000043
Figure BDA0001585369490000044
是关键词wi出现在文档Fd的频率，构造出了明文二叉树索引以后，然后加密得到密文二叉树索引，加密过程中，针对剪枝向量(叶子结点中，剪枝向量即文档向量)应用如下的切分规则得到两个随机子向量{P′,P″}，其中 SK.S充当切分指示器，切分规则如下：
Figure BDA0001585369490000051
u.PV向量的加密形式是
Figure BDA0001585369490000052
对于索引树中的每一个节点， u.PV被替换成了其加密形式
Figure BDA0001585369490000053
生成陷门阶段GenTrapdoor(Sq,k,SK)：
假定Sq＝{w1,w2,…,wt}是用户的查询关键字集合，Sq的向量形式是 Q,每一个维通过如下的公式进行计算，
Figure BDA0001585369490000054
然后，进行归一化操作，随后，Q被切分成两个随机子向量{Q′,Q"}, SK.S充当切分指示器，切分规则如下：
Figure BDA0001585369490000055
Q的加密形式是
Figure BDA0001585369490000056
然后数据拥有者将陷门TQ传给云服务器，TQ包括
Figure BDA0001585369490000057
和待获取的目标文档数目K；
搜索阶段
Figure BDA0001585369490000058
云服务器执行一个深度优先的算法来获取结果集合R，然后构造一个可验证的对象VO，然后，云服务器返回结果集合R和VO给数据使用者，密文二叉树索引的搜索算法执行过程中，u.PV和Q向量的加密形式之间相关性评分计算下所示：
Figure BDA0001585369490000059
其中u.PV为未加密过的文档向量(对于叶子结点，PV就是文档向量)，Q为未加密过的查询向量，此计算结果表明索引和陷门之间的相关性评分与明文文档向量和查询之间的相关性评分相等或者成正比关系；
阶段验证阶段Verify(R,VO,SK)：
数据使用者使用密钥kf来解密搜索结果并验证搜索结果的正确性和完整性，密文二叉树索引的每一个叶子结点都包含当前文档的消息摘要，云服务器利用获取的top-K个文档的消息摘要生成验证对象并发送到数据使用者，数据使用者接收到top-K个密文文档以及验证对象后，会解密每个文档，然后结合密钥kf生成文档的消息摘要，根据这些新生成的文档的消息摘要生成新的验证对象VO′，通过判定云服务器返回的验证对象和数据使用者新生成的验证对象是否相等,即VO′是否等于VO，数据使用者决定是否接受此次查询的结果。
进一步地，所述的构造索引阶段和所述的生成陷门阶段分别调整如下：
所述的构造索引阶段，由文档构造文档向量的过程中，文档向量中字典中包含的关键词对应的每一个维度用如下的公式来计算
Figure BDA0001585369490000061
公式中，
Figure BDA0001585369490000062
表示关键词wi在文档Fj中的TF值，
Figure BDA0001585369490000063
表示有多少个文档中包含了关键词wi，N表示文档集合中文档的个数，|Fj|表示文档Fj的长度，即包含的关键词的数目，而冗余关键词对应的维度的值服从均匀分布U(θ-σ,θ+σ)，均匀分布的均值θ和方差σ需要根据实验中的数据确定；
所述的生成陷门阶段，使用用户的历史偏好和提交的查询构建查询的向量表示形式，首先用户提交的查询中的关键词按照重要性递增序排列
Figure BDA0001585369490000064
其中，1≤n1<n2<…<nl≤m，然后数据使用者随机生成一个超递增序列如下：d1>0,d2,…,dl满足
Figure BDA0001585369490000071
Figure BDA0001585369490000072
di是关键词
Figure BDA0001585369490000073
的偏好因子，即查询向量相应关键词处的值，而查询向量中冗余关键词的位置则随机置1，
此时搜索的结果如下表示为：
Figure BDA0001585369490000074
其中s是因为引入的冗余关键词而引入的扰动值。
进一步地，所述的密钥生成阶段、所述的构造索引阶段、所述的生成陷门阶段分别调整如下：
所述的密钥生成阶段，数据拥有者在初始化时生成一样四元组的安全密钥SK＝(S,M1,M2,kf)，其中S是一个(n+1)比特的随机向量，M1和M2是两个(n+1)×(n+1)的可逆矩阵，其中n是生成的字典大小，1是构造查询陷门的需要，kf是一个对称加密密钥；
所述的构造索引阶段，将文档转为文档向量的过程中，文档向量的每一维仅表示当前文档和字典中关键词的包含关系，1表示当前文档包含特定的关键词，0表示当前文档不包含特定的关键词，其中第(n+1)维置1，其他切分规则和构造二叉树索引的机制不变；
所述的生成陷门阶段，假设查询中和“OR”,“AND”,“NO”相关的关键词集合分别是
Figure BDA0001585369490000075
同时使用符号
Figure BDA0001585369490000079
表示数学意义上的“OR”“AND”，“NO”，匹配规则表示为
Figure BDA0001585369490000076
Figure BDA0001585369490000077
对于“OR”操作，数据使用者构造一个超递增序列aj(j＝ 1,2,…,l1)，
Figure BDA0001585369490000078
来赋值给“AND”搜索关键字的权重值，为了实现“AND”和“NO”操作,同样，数据使用者构造两个超递增序列bj(j＝1,2,…,l2)cj(j＝1,2,…,l3)满足条件式
Figure BDA0001585369490000081
Figure BDA0001585369490000082
和条件式
Figure BDA0001585369490000083
假设
Figure BDA0001585369490000084
是根据重要性递增排序的，那么搜索关键词集合
Figure BDA0001585369490000085
那么在Q相关位置中的权重值被设置为
Figure BDA0001585369490000086
其他位置的值则被设置为0，同时查询向量中第(n+1)维设置为
Figure BDA0001585369490000087
在查询结果，如果对于文档Fj,其结果Rj＞0,那以Fj就满足逻辑搜索的要求。
进一步地，先构造明文二叉树索引，其构造过程及基本结构如下：
(1)明文二叉树索引的节点u是一个九元组(P′,P″,PV,CV,N,PL, PR,FD,sig)，其中u.PL,u.PR是指向左右节点的指针；u.FD是文档的唯一描述符；u.sig是根据文档内容生成的消息摘要；u.CV表示聚类Cu的聚类中心向量，u.N表示聚类Cu中文档的数目，聚类Cu代表的是以u为根节点的子树中所有的叶子结点相关联的文档；需要说明的是因为u.CV,u.N和u.PV 仅仅存在于构造明文二叉树索引阶段，将明文二叉树索引加密时，需要在加密过程中将每个节点中u.CV和u.PV字段都设置为NULL，将u.N字段设置为0。
节点u主要有两种类型，分别是叶子结点和中间节点。
1.如果u是叶子结点，那么u.PL＝u.PR＝φ；u.FD存储的是文档的文件描述符；u.CV和u.PV都存储当前的文档向量；u.P′和u.P″分别代表 u.PV切分后的子向量的加密形式,此时都设置为默认值NULL；u.N＝1； u.sig存储当前文档的消息摘要，消息摘要主要用于搜索过程结束后生成验证对象，数据使用者用接收到的验证对象验证搜索结果的完整性和准确性。
2.如果u是一个内部的中间节点，那么u.FD＝φ,u.sig＝φ,u.PL和 u.PR指向节点u的左右孩子节点。u.N＝u.PL.N+u.PR.N，而u.PV是由节点u的两个孩子节点的各自的剪枝向量PV生成，u.CV则是从节点u的两个孩子节点的各自的聚类中心向量CV生成的，u.VC聚类中心向量主要用于构造密文二叉树索引的过程中，用于查找最相关的节点。生成规则如下：
Figure BDA0001585369490000091
聚类中心向量用于计算节点与节点之间的相关性评分，用于在构造二叉树索引过程中查找最相近的两个节点并构造其父节点，而剪枝向量会生成两个子向量并会利用可逆矩阵进行加密，用于在二叉树深度优先的检索过程中计算和陷门即查询之间的相关性评分以决定是否进入当前子树中进行检索；
(2)构造明文二叉树索引的过程如下：在索引二叉树的构造过程中，当前处理节点集合CPNS代表当前一轮处理的节点集合，待处理节点集合 NGNS代表下一轮处理的节点集合。首先初始化每一个文档为一个包含五元组的节点，将所有的文档节点都加入到CPNS中。当CPNS中节点个数大于 1的时候，不断的找到两个最相关的节点，即计算所有节点的聚类中心向量的相关分值最大的两个节点，也可以理解为最相似的两个文档。然后按照前面提到规则构造最大相关分值的两个节点的父节点。然后将构造出的父节点加入到NGNS中，然后从CPNS中移除刚找到的两个节点，如此处理直到CPNS中节点个数小于或等于1(因为原来CPNS中节点可能是奇数，所以可能剩余一个节点)，然后将NGNS中的节点加入到CPNS中，进行新一轮的处理，如此循环处理，直到将NGNS中的节点都加入到CPNS中后CPNS 中仍只剩下一个节点，那么此时终止构造过程，CPNS中剩下的唯一节点就是明文索引二叉树中的根节点，然后返回代表此二叉树的根节点即可。
进一步地，加密明文二叉树索引得到密文二叉树索引的过程如下：
明文二叉树索引包含这个文档集合的全部信息，所以需要先将明文二叉树索引加密成密文二叉树索引然后才能将密文二叉树索引上传到云服务器。其中，代表节点的九元组中u.P′,u.P″是剪枝向量u.PV按如下公式切分后生成的两个剪枝子向量后的加密形式，其中S向量充当切分指示器
Figure BDA0001585369490000101
Figure BDA0001585369490000102
表示节点的九元组中u.P′和u.P″向量主要用于搜索阶段，如果节点是叶子结点，那么可以利用和Secure KNN算法相同的机制计算文档和查询向量之间的相关性分值；如果节点是中间节点，那么可以利用u.P′和u.P″和查询陷门之间的相关性分值决定是否进入当前中间节点的子树中进行搜索，即进行剪枝，具体过程见搜索算法描述。
加密明文二叉树索引成密文二叉树索引的过程如下：当前根节点为空，返回；如果根节点不为空，首先需要按照如上的公式切分剪枝向量成剪枝子向量，然后使用可逆矩阵的转置矩阵加密剪枝子向量；为了避免明文文档的集合的信息泄露给云服务器，需要将节点中u.CV和u.PV字段都设置为NULL，同时将u.N字段设置为0；最后，如果当前根节点的左子树不为空，那么继续递归加密左子树，如果当前根节点的右子树不为空，继续递归加密右子树。直到整个所有的节点都加密过，此时返回密文二叉树索引的根节点即可。
进一步地，利用二叉树索引来加速查询的过程如下：
目标结果集合用R表示，threshold则表示当前结果集合中节点和查询的相关性得分的最小值，K表示要获取的文档数目，在检索阶段，如果当前节点是叶子结点，并且R中节点个数小于K-1，那么将当前节点加入到R 中，如果R中节点个数等于K-1,那么将当前节点加入到R中并且更新 threshold值，如果R中节点个数等于K，并且当前叶子节点和查询之间的相关性评分大于threshold值，那么从R中移除和查询最不相关的节点，然后加入当前叶子节点，同时更新threshold值；如果当前节点是中间节点，那么如果剪枝向量和查询陷门之间的相关性评分小于threshold值，那么当前节点所代表的子树可以直接剪枝掉，不用后续检索，否则进入子树中继续检索，如此索引树遍历完毕，返回节点集合R。
本发明相对于现有技术具有如下的优点及效果：
(1)利用SecureKNN来实现了对称多关键字密文检索，同时具备偏好搜索检索和逻辑检索的功能，还能按照和查询的相关程度排序搜索结果，同时能根据验证对象验证搜索结果的准确性和完整性，为了降低搜索的时间复杂度，数据拥有者预先构造了密文二叉树索引，利用此密文二叉树索引，能有效的剪枝子树以减小搜索空间，这样就提升了搜索的效率。
(2)利用对角矩阵来替代满矩阵，其存储开销和计算开销都降低了一个数量级，矩阵的求逆的时间也极大的减小了，这些都极大的降低了数据拥有者的预处理的开销，同时在半可信(honest-but-curious即诚实但是好奇)的模型下，采用对角矩阵的方案的安全性也没有降低，因此，本发明在提升速度的同时没有降低方案的安全性。
附图说明
图1是本发明公开的支持偏好和逻辑搜索的高效可验证多关键字排序的可搜索加密方法的结构示意图；
图2是聚类过程树形图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一
本实施例公开了一种支持偏好搜索和逻辑搜索的高效可验证的多关键字排序可搜索加密方法，包括如下三个部分：
a)数据拥有者
数据拥有者是数据的所有者，主要是进行可搜索加密的预处理，包括密钥的生成、文档的加密、索引的生成、摘要的生成等几个步骤。为了保证所持有数据的机密性，数据拥有者需要将所持有的文档数据加密得到密文文档集合E，为了使得加密后的文档可搜索同时保证搜索的高效性，数据拥有者需要基于文档集合FS构建安全索引
Figure BDA0001585369490000121
同时数据拥有者也会生成消息摘要以便于数据使用者进行搜索结果的完整性和准确性校验，然后，数据拥有者将加密后的密文文档集合E连同文档的消息摘要和安全索引
Figure BDA0001585369490000122
上传到云服务器。与此同时，数据拥有者可以授权数据使用者访问其外包数据,即与数据使用者共享密钥，包括用于加密文档的对称密钥和加密陷门的秘密钥。
数据拥有者会生成用户加密文档的对称密码和加密文档向量的秘密钥，即两个可逆矩阵和一个随机的比特向量。
数据拥有者使用对称密钥来加密文档内容，同时使用向量空间模型和 TF×IDF来抽象文档的内容以及相关权重，构造明文二叉树索引后，然后递归加密整个二叉树索引，加密过程中根据随机比特向量将文档向量按照一定的规则切分成两个子向量，然后分别使用两个可逆矩阵的转置矩阵来加密两个子向量，同时数据拥有者根据文档内容和密钥生成文档的消息摘要用于搜索阶段构造验证对象以保证可验证性。
为了保证搜索过程的高效性，数据拥有者使用了二叉树来组织索引。构造二叉树的时候，首先每个文档作为一个叶子结点，然后会选择当前最相关的两个文档，然后按照一定的规则构造其父节点，然后继续选择剩余的节点最相关的两个节点，继续向上规约得到父节点，如此自底向上构造出明文二叉树索引，然后加密明文二叉树索引得到密文二叉树索引。
数据拥有者生成加密文档和密文二叉树索引以及文档消息摘要后，会将这些数据外包到云服务器上，此时云服务器对外提供存储和搜索服务。
b)数据使用者
数据使用者就是和数据所有者共享密钥的用户，其可以向服务器提交查询以进行搜索。当数据使用者想要检索文档时，首先，将查询转为查询陷门TQ，然后，查询陷门TQ以及数据使用者的目标文档数目被提交到云服务器提供商；一旦云服务器接收到查询陷门TQ，云服务器执行计算任务；计算完成，云服务器返回排序后top-K个最相关的文档以及相关的验证对象；最后，数据使用者接收到top-K个最相关的文档和相关的验证对象，执行验证算法来验证搜索结果的准确性和完全性，然后再解密得到搜索结果。
数据使用者会根据提交的查询生成查询的向量表示形式，但是为了支持偏好搜索，需要根据用户的历史偏好信息结合查询信息构造查询向量，为了支持逻辑搜索，需要根据逻辑联结的关键词以及构造的数值序列来构造查询向量。生成了查询向量以后，数据使用者根据随机比特向量按照一定的规则将查询向量分成两个子向量，然后分别使用两个可逆矩阵的逆矩阵来加密两个查询子向量得到加密后的查询陷门。
数据使用者生成查询陷门后，会将查询陷门和待获取的目标文档数目发送到云服务器，获取云服务器返回的按照相关性排好序的top-K个最相关的密文文档和验证对象以后，会通过验证算法验证搜索结果的完整性和准确性，然后解密后得到结果文档集合。
c)云服务器
云服务器向数据拥有者提供“按需计费”的存储和计算服务，向数据使用者提供查询服务。其存储了密文文档和密文索引，一旦云服务器接收到来自数据使用者发送过来的查询陷门TQ和目标数目K，云服务器就会利用密文索引
Figure BDA0001585369490000141
和查询陷门TQ进行安全检索，得到top-K个最相关的加密文档，按与查询的相关性大小排序后生成验证对象，然后将top-K个最相关的密文文档和验证对象发送给数据使用者。
云服务器接收到数据拥有者生成的密文二叉树索引，密文文档和消息摘要以及数据使用者生成的加密查询陷门和目标文档数目后，会在密文二叉树索引上按照查询和索引，即文档和查询之间的相关性评分获取top-K 个最相关的文档，一旦检索结束，得到top-K个最相关的文档，会按照相关性评分排序，然后生成验证对象后发送到数据使用者。
下面结合数据拥有者、数据使用者、云服务器介绍一种支持偏好搜索和逻辑搜索的高效可验证的多关键字排序可搜索加密方法的几个基本过程，但是要支持偏好搜索和逻辑搜索，需要对其中的几个阶段各做一些调整，这里先阐述基本方案，紧接着是支持偏好搜索和逻辑搜索的方案以及构造二叉树索引的构造和搜索的执行过程。
(1)密钥生成阶段---数据拥有者
GenKey(1l(n))：初始化阶段，数据拥有者生成一样四元组的安全密钥SK＝(S,M1,M2,kf)，其中S是一个(n+e)比特的随机向量，M1和M2是两个(n+e)×(n+e)的可逆矩阵，其中n是生成的字典大小，e是为了防止陷门的不可链接性而引入的冗余关键词的数目，kf是一个对称加密密钥(如AES，DES)。安全密钥SK仅仅在数据拥有者和数据使用者之间共享，云服务器不知道安全密钥SK的任何信息。
(2)构造索引阶段---数据拥有者
BuildIndex(FS,SK)：根据构造索引二叉树算法，对节点u中存储的每一个文档向量u.PV使用如下的公式计算
Figure BDA0001585369490000151
其中TFd,wi表示wi在Fd中的TF值，
Figure BDA0001585369490000152
Figure BDA0001585369490000153
是关键词wi出现在文档Fd的频率，构造出了明文二叉树索引以后，然后加密得到密文二叉树索引，加密过程中，针对剪枝向量(叶子结点中，剪枝向量即文档向量)应用如下的切分规则得到两个随机子向量{P′,P″}，其中 SK.S充当切分指示器，切分规则如下：
Figure BDA0001585369490000154
u.PV向量的加密形式是
Figure BDA0001585369490000155
对于索引树中的每一个节点， u.PV被替换成了其加密形式
Figure BDA0001585369490000156
(3)生成陷门阶段---数据使用者
GenTrapdoor(Sq,k,SK)：假定Sq＝{w1,w2,…,wt}是用户的查询关键字集合，Sq的向量形式是Q,每一个维通过如下的公式进行计算，
Figure BDA0001585369490000157
然后，进行归一化操作。随后，Q被切分成两个随机子向量{Q′,Q″}, SK.S充当切分指示器。切分规则如下
Figure BDA0001585369490000161
Q的加密形式是
Figure BDA0001585369490000162
然后数据拥有者将陷门TQ传给云服务器，TQ包括
Figure BDA0001585369490000163
和待获取的目标文档数目K。
(4)搜索阶段------云服务器
Figure BDA0001585369490000164
云服务器执行一个深度优先的算法来获取结果集合R，然后构造一个可验证的对象VO，然后，云服务器返回结果集合R和VO 给数据使用者。密文二叉树索引的搜索算法执行过程中，u.PV和Q向量的加密形式之间相关性评分计算如下所示
Figure BDA0001585369490000165
其中u.PV为未加密过的文档向量，Q为未加密过的查询向量，此计算结果表明索引和陷门之间的相关性评分与明文文档向量和查询之间的相关性评分相等(或者成正比关系)。
(5)阶段验证阶段
Verify(R,VO,SK)：数据使用者使用密钥kf来解密搜索结果并验证搜索结果的正确性和完整性。密文二叉树索引的每一个叶子结点都包含了当前文档的消息摘要，云服务器会利用获取的top-K个文档的消息摘要生成验证对象并发送到数据使用者。数据使用者接收到top-K个密文文档以及验证对象后，会解密每个文档，然后结合密钥kf生成文档的消息摘要，根据这些新生成的文档的消息摘要生成新的验证对象VO′，通过判定服务器返回的验证对象和数据使用者新生成的验证对象是否相等,即VO′是否等于VO，数据使用者决定是否接受此次查询的结果。
要支持偏好搜索，其索引构造阶段和陷门生成阶段需要做一些调整，其他阶段保持不变。
a.索引构造阶段，由文档构造文档向量的过程中，文档向量每一个维度用如下的公式来计算,代表已排好序的字典中该位置处的关键字的权重分值。
Figure BDA0001585369490000171
公式中，
Figure BDA0001585369490000172
表示关键词wi在文档Fj中的TF值，
Figure BDA0001585369490000173
表示有多少个文档中包含了关键词wi，N表示文档集合中文档的个数。|Fj|表示文档Fj的长度，即包含的关键词的数目。而冗余关键词对应的维度的值服从均匀分布U(θ-σ,θ+σ)即可，均匀分布的均值θ和方差σ需要根据实验中的数据确定。我们的中实验均值置0，方差置0.01。
b.生成陷门阶段，根据用户的历史偏好和提交的查询构建查询的向量表示形式。首先用户提交的查询中的关键词根据重要性按递增序排列
Figure BDA0001585369490000174
然后数据使用者随机生成一个超递增序列(d1>0,d2,…,dl满足
Figure BDA0001585369490000175
Figure BDA0001585369490000178
di是关键词
Figure BDA0001585369490000176
的偏好因子，即查询向量相应关键词处的权重值，而查询向量中冗余关键词处的权重值则随机置1。
此时搜索的结果就可以如下表示为
Figure BDA0001585369490000177
其中s是因为引入冗余关键词而引入的总分值的扰动值。
这样的构造能保证如下两点：
(1)搜索关键词集合
Figure BDA0001585369490000181
Figure BDA0001585369490000182
根据偏好程度按照递增序排列。如果文档F1比文档F2包含一个偏好程度更高的关键词，那么文档F1相比文档F2就有更高的返回优先级。
(2)搜索关键词集合
Figure BDA0001585369490000183
m)根据偏好程度按照递增序排列。如果文档F1,F2包含了相同偏好程度的关键词，那么如果文档F1中包含了权重值更高的关键词，那么文档F1相比文档F2就有更高的返回优先级。
为了支持逻辑搜索，需要对密钥生成阶段，构造索引阶段，陷门生成阶段做一些调整，其他阶段保持不变。
c.密钥生成阶段
初始化阶段，数据拥有者生成一样四元组的安全密钥SK＝(S,M1,M2, kf)，其中S是一个(n+1)比特的随机向量，M1和M2是两个(n+1)×(n+ 1)的可逆矩阵，其中n是生成的字典大小，1是构造查询陷门的需要，kf是一个对称加密密钥(如AES，DES)。
d.构造索引阶段
构造索引阶段，将文档转为文档向量的过程中，文档向量每一维不再是分值，文档向量的每一维仅表示当前文档和字典中关键词的包含关系。1表示当前文档包含特定的关键词，0表示当前文档不包含特定的关键词，其中第(n+1)维置1，其他切分规则和构造二叉树索引的机制不变，如前所述。
e.生成陷门阶段
假设查询中和“OR”,“AND”,“NO”相关的关键词集合分别是
Figure BDA0001585369490000191
同时使用符号
Figure BDA0001585369490000193
Figure BDA00015853694900001919
表示数学意义上的“OR”“AND”，“NO”。这样，匹配规则就可以表示为
Figure BDA0001585369490000194
对于“OR”操作，数据使用者构造一个超递增序列
Figure BDA0001585369490000195
Figure BDA0001585369490000196
来赋值给“AND”搜索关键字的权重值。为了实现“AND”和“NO”操作,同样，数据使用者构造两个超递增序列bj(j＝1,2,…,l2)cj(j＝1,2,…,l3)满足条件式
Figure BDA0001585369490000197
Figure BDA0001585369490000198
和条件式
Figure BDA0001585369490000199
假设
Figure BDA00015853694900001910
是根据重要性递增排序的。那么搜索关键词集合
Figure BDA00015853694900001911
那么在Q相关位置中的权重值可以被设置为
Figure BDA00015853694900001912
其他位置的值则被设置为0。同时查询向量中第(n+1)维设置为
Figure BDA00015853694900001913
在查询结果，如果对于文档Fj,其结果Rj>0,那么Fj就满足逻辑搜索的要求。
推论的正确性也很容易证明：
因为“NO”联结的关键词
Figure BDA00015853694900001914
在查询向量Q中对应的值为-ci并且
Figure BDA00015853694900001915
所以如果wi″′(i＝ 1,2,…l3)关键词存在于文档中，那么肯定可以推断出P·Q<0以及Rj＝ (P·Q-s)<0.所以，如果Rj>0，那么wi″′都不会存在于文档Fj中，即文档Fj满足“NO”条件。
又因为如果Rj>0，那么
Figure BDA00015853694900001916
Figure BDA00015853694900001917
因为
Figure BDA00015853694900001918
以及，那么AND相关的所有关键词都必须存在，OR相关的关键词必须有一个存在，即，文档向量P中所有 AND联结的关键字处的值都是置1的，OR联结的关键字处的值至少有一个是1的。所以，Fj满足“AND”和“OR”操作。所以，如果Rj>0,那么向量P满足“OR”“AND”,“NO”操作。反之构造出来这样的满足上述几个不等式的超递增序列，也可以推断出Rj>0。
为了加速查找需要使用树形索引，首先构造明文二叉树索引，然后加密明文二叉树索引得到密文二叉树索引,其能根据节点和陷门之间的相关性分值决定是否剪枝相关的子树以提升搜索的速度,明文二叉树索引基本的结构和构造过程如下：
(1)明文二叉树索引的节点u是一个九元组(P′,P″,PV,CV,N,PL, PR,FD,sig)，其中u.PL,u.PR是指向左右节点的指针；u.FD是文档的唯一描述符；u.sig是根据文档内容生成的消息摘要；u.CV表示聚类Cu的聚类中心向量，u.N表示聚类Cu中文档的数目，聚类Cu代表的是以u为根节点的子树中所有的叶子结点相关联的文档；需要说明的是因为u.CV,u.N和u.PV 仅仅存在于构造明文二叉树索引阶段，将明文二叉树索引加密时，需要在加密过程中将每个节点中u.CV和u.PV字段都设置为NULL，将u.N字段设置为0。
节点u主要有两种类型，分别是叶子结点和中间节点。
a.如果u是叶子结点，那么u.PL＝u.PR＝φ；u.FD存储的是文档的文件描述符；u.CV和u.PV都存储当前的文档向量；u.P′和u.P″分别代表 u.PV切分后的子向量的加密形式,此时都设置为默认值NULL；u.N＝1； u.sig存储当前文档的消息摘要，消息摘要主要用于搜索过程结束后生成验证对象，数据使用者用接收到的验证对象验证搜索结果的完整性和准确性。
b.如果u是一个内部的中间节点，那么u.FD＝φ,u.sig＝φ,u.PL和 u.PR指向节点u的左右孩子节点。u.N＝u.PL.N+u.PR.N，而u.PV是由节点u的两个孩子节点的各自的剪枝向量PV生成，u.CV则是从节点u的两个孩子节点的各自的聚类中心向量CV生成的，u.CV聚类中心向量主要用于构造密文二叉树索引的过程中，用于查找最相关的节点。生成规则如下：
Figure BDA0001585369490000211
聚类中心向量用于计算节点与节点之间的相关性评分，用于在构造二叉树索引过程中查找最相近的两个节点并构造其父节点。而剪枝向量会生成两个子向量并会利用可逆矩阵进行加密，用于在二叉树深度优先的检索过程中计算和陷门即查询之间的相关性评分以决定是否进入当前子树中进行检索。
(2)构造明文二叉树索引的过程如下：在索引二叉树的构造过程中，当前处理节点集合CPNS代表当前一轮处理的节点集合，待处理节点集合 NGNS代表下一轮处理的节点集合。首先初始化每一个文档为一个包含五元组的节点，将所有的文档节点都加入到CPNS中。当CPNS中节点个数大于 1的时候，不断的找到两个最相关的节点，即计算所有节点的聚类中心向量的相关分值最大的两个节点，也可以理解为最相似的两个文档。然后按照前面提到规则构造最大相关分值的两个节点的父节点。然后将构造出的父节点加入到NGNS中，然后从CPNS中移除刚找到的两个节点，如此处理直到CPNS中节点个数小于或等于1(因为原来CPNS中节点可能是奇数，所以可能剩余一个节点)，然后将NGNS中的节点加入到CPNS中，进行新一轮的处理，如此循环处理，直到将NGNS中的节点都加入到CPNS中后CPNS 中仍只剩下一个节点，那么此时终止构造过程，CPNS中剩下的唯一节点就是明文索引二叉树中的根节点，然后返回代表此二叉树的根节点即可。
加密明文二叉树索引得到密文二叉树索引过程如下：
明文二叉树索引包含这个文档集合的全部信息，所以需要先将明文二叉树索引加密成密文二叉树索引然后才能将密文二叉树索引上传到云服务器。其中，代表节点的九元组中u.P′,u.P″是剪枝向量u.PV按如下公式切分后生成的两个剪枝子向量后的加密形式，其中S向量充当切分指示器
Figure BDA0001585369490000221
Figure BDA0001585369490000222
表示节点的九元组中u.P′和u.P″向量主要用于搜索阶段，如果节点是叶子结点，那么可以利用和Secure KNN算法相同的机制计算文档和查询向量之间的相关性分值；如果节点是中间节点，那么可以利用u.P′和u.P″和查询陷门之间的相关性分值决定是否进入当前中间节点的子树中进行搜索，即进行剪枝。
加密明文二叉树索引成密文二叉树索引的过程如下：当前根节点为空，返回；如果根节点不为空，首选需要按照如上的公式切分剪枝向量成剪枝子向量，然后使用可逆矩阵的转置矩阵加密剪枝子向量；为了避免明文文档的集合的信息泄露给云服务器，需要将节点中u.CV和u.PV字段都设置为NULL，同时将u.N字段设置为0；最后，如果当前根节点的左子树不为空，那么继续递归加密左子树，如果当前根节点的右子树不为空，继续递归加密右子树。直到整个所有的节点都加密过，此时返回密文二叉树索引的根节点即可。
利用二叉树索引来加速查询的过程如下：
目标结果集合用R表示，threshold则表示当前结果集合中节点和查询的相关性得分的最小值，K表示要获取的文档数目。在检索阶段，如果当前节点是叶子结点，并且R中节点个数小于K-1，那么将当前节点加入到R 中，如果R中节点个数等于K-1,那么将当前节点加入到R中并且更新 threshold值，如果R中节点个数等于K，并且当前叶子节点和查询之间的相关性评分大于threshold值，那么从R中移除和查询最不相关的节点，然后加入当前叶子节点，同时更新threshold值；如果当前节点是中间节点，那么如果剪枝向量和查询陷门之间的相关性评分小于threshold值，那么当前节点所代表的子树可以直接剪枝掉，不用后续检索了，因为其相关性已经小于结果集R中最不相关的节点了，否则进入子树中继续检索。如此索引树遍历完毕。返回节点集合R。
前面所述的用于加密文档向量和陷门的都是一个(n+e)×(n+e)的可逆矩阵,其矩阵的求逆耗时非常长，而且构造索引阶段，每个切分后的文档子向量都需要左乘以一个可逆矩阵的你矩阵，其时间复杂度是O(N2), 如果有m个文档，总的时间复杂度是O(2mN2)(如果考虑到二叉树索引树的构建，那么时间复杂度是O(logm·m2·N2),如果将两个可逆的满矩阵变为两个可逆的对角矩阵，那么其转置矩阵就是原矩阵，其逆矩阵也是一个对角矩阵，并且对角上每一个元素的值都是原矩阵相同位置处的元素的值的倒数。这样，其存储的开销从O(N2)变为O(N)。构造索引的时间复杂度从 O(2mN2)变为O(2mN)(考虑到二叉树的构建，其总的时间复杂度从 O(logm·m2·N2)减小为O(logm·m2·N))，因为对角矩阵的引入，矩阵和向量的乘积的时间复杂度从O(N2)变为O(N)，所以无论是时间复杂度还是空间复杂都有一个数量级的降低，同时，在半可信(honest-but-curious 即诚实但是好奇)的模型下，其安全性也可以规约到SecureKNN的安全性。
实施例二
下面以一个具体的例子来说明多关键字偏好搜索的具体过程，逻辑搜索的方案基本相似，前面也给出了其搜索正确性的形式化证明，这里不再赘述。对角矩阵主要是用于减少计算量，计算步骤基本一致，这里也不赘述。
(1)文档集合FS中各个文档的内容如下，这里方便说明程序的流程，各个文档都非常小。整个字典只有6个关键词，引入2个冗余关键词。所以整生成字典大小是8。
f1.txt:python java
f2.txt:java go
f3.txt:python go
f4.txt:cpp
f5.txt:c
f6.txt:javascript
f7.txt:python cpp c
f8.txt:python go java
(2)生成字典排好序后是：[c,cpp,go,java,javascript,mugvnxze, python,pzfv]，其中“mugvnxzeh”和“pzfv”是引入的冗余关键词。
(3)各个文档对应生成的文档向量如下，其中冗余关键词的权重值服从均匀分布U(-0.01,0.01)。构造密文二叉树索引的过程中，每个文档对应的叶子结点的中心向量设置为此文档向量。
f1.txt
python:0.5493061443340549
java:0.6496414920651304
[0.000000,0.000000,0.000000,0.649641,0.000000,-0.007514,0.549306,0.003004]
f2.txt
java:0.6496414920651304
go:0.6496414920651304
[0.000000,0.000000,0.649641,0.649641,0.000000,0.008282,0.000000,0.003478]
f3.txt
python:0.5493061443340549
go:0.6496414920651304
[0.000000,0.000000,0.649641,0.000000,0.000000,-0.008594,0.549306,-0.004946]
f4.txt
cpp:1.6094379124341003
[0.000000,1.609438,0.000000,0.000000,0.000000,-0.006176,0.000000,-0.008033]
f5.txt
c:1.6094379124341003
[1.609438,0.000000,0.000000,0.000000,0.000000,0.003996,0.000000,0.007028]
f6.txt
javascript:2.1972245773362196
[0.000000,0.000000,0.000000,0.000000,2.197225,0.002741,0.000000,0.006191]
f7.txt
python:0.3662040962227032
cpp:0.5364793041447
c:0.5364793041447
[0.536479,0.536479,0.000000,0.000000,0.000000,-0.004668,0.366204,0.000613]
f8.txt
python:0.3662040962227032
java:0.4330943280434203
go:0.4330943280434203
[0.000000,0.000000,0.433094,0.433094,0.000000,-0.006085,0.366204,-0.003783]
(4)构造明文二叉树索引的过程中，首先通过文档中心向量计算最相关的两个节点。因为总共有8个节点，所以第一轮需要迭代4次，将8个文档集合分为4个小类。此时的四个小聚类分别是(f3,f1),(f8,f2), (f4,f7),(f5,f6)。然后通过提取中心向量和剪枝向量向上构造父节点。第二轮需要迭代两次，聚类的结果是(f3f1,f8f2)，(f4f7,f5f6)，第三轮只有两个节点，聚类的结果是只有一个节点(f3f1f8f2,f4f7f5f6)，然后根据这两个节点构造根节点然后返回根节点即可，此过程生成的明文二叉树索引的附图2所示。
(5)加密明文二叉树索引得到密文二叉树索引，即根据切分规则切分每个节点中的剪枝向量得到两个子向量P′、P″，然后使用可逆矩阵的转置矩阵加密两个子向量，并将相关的字段设置为NULL。
(6)提交的查询是"java python go"，需要获取的目标文档个数是2，根据用户的搜索历史建立的用户的兴趣偏好模型，赋予不同的关键词以不同的权重，权重如下:"c":2,"cpp":5,"javascript":1,"python":8, "java":7,"go":10,"scala":6。那么根据用户提交的查询构造的查询向量 Q以及查询向量Q经切分生成的子向量的加密形式Q′和Q″分别如下所示:
[0.000000,0.000000,115.059300,1.000000,0.000000,1.000000,19.450359,0.000000]
[174.797226,-190.718486,-16.424931,118.891982,-10.095257,58.659643,11.118955,- 110.229204]
[2546.835577,-1077.082690,1838.242043,389.895225,-2904.909899,-1202.838724,1340.954562,-498.161811]
(7)检索的时候，在密文二叉树索引上采用深度优先算法向下递归检索。首先root根节点和陷门之间的相关性分值为86.08，然后继续向下遍历，遇到中间节点f3f1f8f2，此节点和陷门之间的相关性分值为86.08；在往下遍历，中间节点f3f1和陷门之间的相关性分值为86.07；继续往下遍历，遇到的第一个节点叶子结点是f3.txt所代表的节点，此节点和陷门之间的相关性分值为85.42，因为是第一个叶子结点，所以直接加入到结果集中；继续遍历，遇到第二个叶子结点是f1.txt所代表的节点，此节点和陷门之间的相关性分值为11.32，加入到结果集合中，此时结果集合中 f8.txt和f1.txt所代表的节点，阈值设置为11.32；然后回溯到中间节点 f8f2，此中间节点和陷门之间的相关性分值为82.52，大于阈值11.32；然后进入此中间节点的左子树中搜索，遇到的第三个叶子结点是f8.txt文档所代表的节点，此节点和陷门之间的相关性分值为57.38，大于阈值 11.32，所以将f1.txt所代表的节点从结果集合中移除，此时结果集合中有f3.txt和f8.txt所代表的节点，更新阈值为57.38；继续向下遍历，遇到第4个叶子节点f2.txt，此节点和陷门之间的相关性分值为75.40，大于阈值57.38，所以移除f8.txt所代表的节点，所以结果集合中只有 f3.txt和f2.txt所代表的节点更新阈值为75.40；然后回溯到中间节点f4f7f5f6，此中间节点和陷门之间的相关性分值为7.12，小于阈值75.40，所以此分支可以直接剪枝掉，所以算法运行结束，返回的结果集合中有 f3.txt和f2.txt所代表的节点集合，并且按照分值从高到低排列，然后根据节点获取文件描述符，这里假定就是节点的名字。这里简要分析一下搜索结果：f3.txt中包含的内容是“python go”，而f2.txt中包含的内容是“java go”，因为两篇文档中“go”的权重值相同，都是0.64，而f3.txt 中的“python”关键词的用户的偏好比f2.txt中包含的“java”的用户偏好值更高，所以f3.txt返回的优先级更高。而f8.txt中内容“javapython go”，其中“go”的权重值为0.43,而f2.txt中内容为“java go”，但是其中“go”的权重值更大，为0.64，所以f2.txt返回的优先级比f8.txt 高。以上，实验结果和分析是吻合的。在本例子中，剪枝了4个子节点的运算，但是也增加了几个中间节点的运算，但是在较大规模的文档集合中搜索top-K个文档时，是可以通过大量的剪枝来保证搜索的效率。
(8)要实现可验证性，需要将f3.txt和f2.txt所代表的节点的消息摘要生成可验证对象，发送到数据使用者以后，数据使用者需要解密密文文档，重新构造每篇文档的消息摘要，并根据这些消息摘要重新构造可验证对象，通过判定新生成的可验证对象和服务器发回的可验证对象是否相等以决定是否接受此次查询结果。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (9)

1.一种支持偏好搜索和逻辑搜索的高效可验证的多关键字排序可搜索加密方法，其特征在于，所述的加密方法包括下列步骤：
数据拥有者作为数据的所有者进行可搜索加密的预处理，包括密钥的生成、文档的加密、索引的生成、摘要的生成，数据拥有者将所持有的文档数据加密得到密文文档集合E，数据拥有者基于文档集合FS构建安全索引
Figure FDA0002288869380000011
同时数据拥有者生成消息摘要，然后，数据拥有者将加密后的密文文档集合E连同文档的消息摘要和密文索引
Figure FDA0002288869380000012
上传到云服务器，同时，数据拥有者授权数据使用者访问其外包数据,即与数据使用者共享密钥，包括用于加密文档的对称密钥和加密陷门的秘密钥；
数据使用者作为和数据的所有者共享密钥的用户，向云服务器提交查询以进行搜索，当数据使用者想要检索文档时，首先，将查询转为查询陷门TQ，然后，查询陷门TQ以及数据使用者的目标文档数目被提交到云服务器；一旦云服务器接收到查询陷门TQ，云服务器执行计算任务；计算完成，云服务器返回排序后top-K个最相关的文档以及相关的验证对象；最后，数据使用者接收到top-K个最相关的文档和相关的验证对象，执行验证算法来验证搜索结果的准确性和完全性，然后再解密得到搜索结果；
云服务器向数据拥有者提供“按需计费”的存储和计算服务，向数据使用者提供查询服务，云服务器存储有密文文档和密文索引，一旦接收到来自数据使用者发送过来的查询陷门TQ和目标数目K，云服务器利用密文索引
Figure FDA0002288869380000013
和查询陷门TQ进行安全检索，得到top-K个最相关的加密文档，按与查询的相关性大小排序后生成验证对象，然后将top-K个最相关的密文文档和验证对象发送给数据使用者；
其中，所述的数据使用者根据提交的查询生成查询的向量表示形式，根据用户的历史偏好信息结合查询信息构造查询向量以支持偏好搜索，根据逻辑联结的关键词以及构造的数值序列来构造查询向量以支持逻辑搜索，在生成查询向量以后，数据使用者根据随机比特向量按照规则将查询向量分成两个子向量，然后分别使用两个可逆矩阵的逆矩阵来加密两个查询子向量得到加密后的查询陷门；
所述的数据使用者生成查询陷门后，会将查询陷门和待获取的目标文档数目发送到云服务器，获取云服务器返回的按照相关性排好序的top-K个最相关的密文文档和验证对象以后，会通过验证算法验证搜索结果的完整性和准确性，然后解密后得到结果文档集合。
2.根据权利要求1所述的一种支持偏好搜索和逻辑搜索的高效可验证的多关键字排序可搜索加密方法，其特征在于，
所述的数据拥有者生成用户加密文档的对称密码和加密文档向量的秘密钥，即两个可逆矩阵和一个随机的比特向量；
所述的数据拥有者使用对称密钥来加密文档内容，同时使用向量空间模型和TF×IDF来抽象文档的内容以及相关权重，构造明文二叉树索引后，然后递归加密整个二叉树索引，加密过程中根据随机比特向量将文档向量按照一定的规则切分成两个子向量，然后分别使用两个可逆矩阵的转置矩阵来加密两个子向量，同时数据拥有者根据文档内容和密钥生成文档的消息摘要用于搜索阶段构造验证对象以保证可验证性。
3.根据权利要求1所述的一种支持偏好搜索和逻辑搜索的高效可验证的多关键字排序可搜索加密方法，其特征在于，
所述的数据拥有者使用二叉树来组织索引，其中，构造二叉树过程如下：首先每个文档作为一个叶子结点，然后会选择当前最相关的两个文档，然后按照一定的规则构造其父节点，然后继续选择剩余的节点最相关的两个节点，继续向上规约得到父节点，如此自底向上构造出明文二叉树索引，然后再递归加密整个明文二叉树索引得到密文二叉树索引。
4.根据权利要求1所述的一种支持偏好搜索和逻辑搜索的高效可验证的多关键字排序可搜索加密方法，其特征在于，
所述的云服务器接收到数据拥有者生成的密文二叉树索引、密文文档和消息摘要以及数据使用者生成的加密查询陷门和目标文档数目后，会在密文二叉树索引上按照查询和索引，即文档和查询之间的相关性评分获取top-K个最相关的文档，一旦检索结束，得到top-K个最相关的文档，会按照相关性评分排序，然后生成验证对象后发送到数据使用者。
5.根据权利要求1所述的一种支持偏好搜索和逻辑搜索的高效可验证的多关键字排序可搜索加密方法，其特征在于，所述的加密方法包括：
密钥生成阶段GenKey(1l(n))：
初始化阶段，数据拥有者生成一样四元组的安全密钥SK＝(S,M1,M2,kf)，其中S是一个(n+e)比特的随机向量，M1和M2是两个(n+e)×(n+e)的可逆矩阵，其中n是生成的字典大小，e是为了防止陷门的不可链接性而引入的冗余关键词的数目，kf是一个对称加密密钥，安全密钥SK仅仅在数据拥有者和数据使用者之间共享，云服务器不知道安全密钥SK的任何信息；
构造索引阶段BuildIndex(FS,SK)：
根据构造索引二叉树算法，对节点u中存储的每一个文档向量u.PV使用如下的公式计算
Figure FDA0002288869380000031
其中
Figure FDA0002288869380000032
表示wi在Fd中的TF值，
Figure FDA0002288869380000033
Figure FDA0002288869380000034
是关键词wi出现在文档Fd的频率，构造出了明文二叉树索引以后，然后加密得到密文二叉树索引，加密过程中，针对剪枝向量应用如下的切分规则得到两个随机子向量{P′,P″}，其中SK.S充当切分指示器，切分规则如下：
Figure FDA0002288869380000041
u.PV向量的加密形式是
Figure FDA0002288869380000042
对于索引树中的每一个节点，u.PV被替换成了其加密形式
Figure FDA0002288869380000043
生成陷门阶段GenTrapdoor(Sq,k,SK)：
假定Sq＝{w1,w2,…,wt}是用户的查询关键字集合，Sq的向量形式是Q,每一个维通过如下的公式进行计算，
Figure FDA0002288869380000044
然后，进行归一化操作，随后，Q被切分成两个随机子向量{Q′,Q″},SK.S充当切分指示器，切分规则如下：
Figure FDA0002288869380000045
Q的加密形式是
Figure FDA0002288869380000046
然后数据拥有者将陷门TQ传给云服务器，TQ包括
Figure FDA0002288869380000047
和待获取的目标文档数目K；
搜索阶段
Figure FDA0002288869380000048
云服务器执行一个深度优先的算法来获取结果集合R，然后构造一个可验证的对象VO，然后，云服务器返回结果集合R和VO给数据使用者，密文二叉树索引的搜索算法执行过程中，u.PV和Q向量的加密形式之间相关性评分计算下所示：
Figure FDA0002288869380000049
其中u.PV为未加密过的文档向量，Q为未加密过的查询向量，此计算结果表明索引和陷门之间的相关性评分与明文文档向量和查询之间的相关性评分相等或者成正比关系；
阶段验证阶段Verify(R,VO,SK)：
数据使用者使用密钥kf来解密搜索结果并验证搜索结果的正确性和完整性，密文二叉树索引的每一个叶子结点都包含当前文档的消息摘要，云服务器利用获取的top-K个文档的消息摘要生成验证对象并发送到数据使用者，数据使用者接收到top-K个密文文档以及验证对象后，会解密每个文档，然后结合密钥kf生成文档的消息摘要，根据这些新生成的文档的消息摘要生成新的验证对象VO′，通过判定云服务器返回的验证对象和数据使用者新生成的验证对象是否相等,即VO′是否等于VO，数据使用者决定是否接受此次查询的结果。
6.根据权利要求5所述的一种支持偏好搜索和逻辑搜索的高效可验证的多关键字排序可搜索加密方法，其特征在于，所述的构造索引阶段和所述的生成陷门阶段分别调整如下：
所述的构造索引阶段，由文档构造文档向量的过程中，文档向量中字典中包含的关键词对应的每一个维度用如下的公式来计算
Figure FDA0002288869380000051
公式中，
Figure FDA0002288869380000052
表示关键词wi在文档Fj中的TF值，
Figure FDA0002288869380000053
表示有多少个文档中包含了关键词wi，N表示文档集合中文档的个数，|Fj|表示文档Fj的长度，即包含的关键词的数目，而冗余关键词对应的维度的值服从均匀分布U(θ-σ,θ+σ)，均匀分布的均值θ和方差σ需要根据实验中的数据确定；
所述的生成陷门阶段，使用用户的历史偏好和提交的查询构建查询的向量表示形式，首先用户提交的查询中的关键词按照重要性递增序排列
Figure FDA0002288869380000061
其中，1≤n1<n2<…<nl≤m，然后数据使用者随机生成一个超递增序列如下：d1>0,d2,…,dl满足
Figure FDA0002288869380000062
Figure FDA0002288869380000063
di是关键词
Figure FDA0002288869380000064
的偏好因子，即查询向量相应关键词处的值，而查询向量中冗余关键词的位置则随机置1，
此时搜索的结果如下表示为：
Figure FDA0002288869380000065
其中s是因为引入的冗余关键词而引入的扰动值。
7.根据权利要求5所述的一种支持偏好搜索和逻辑搜索的高效可验证的多关键字排序可搜索加密方法，其特征在于，所述的密钥生成阶段、所述的构造索引阶段、所述的生成陷门阶段分别调整如下：
所述的密钥生成阶段，数据拥有者在初始化时生成一样四元组的安全密钥SK＝(S,M1,M2,kf)，其中S是一个(n+1)比特的随机向量，M1和M2是两个(n+1)×(n+1)的可逆矩阵，其中n是生成的字典大小，1是构造查询陷门的需要，kf是一个对称加密密钥；
所述的构造索引阶段，将文档转为文档向量的过程中，文档向量的每一维仅表示当前文档和字典中关键词的包含关系，1表示当前文档包含特定的关键词，0表示当前文档不包含特定的关键词，其中第(n+1)维置1，其他切分规则和构造二叉树索引的机制不变；
所述的生成陷门阶段，假设查询中和“OR”,“AND”,“NO”相关的关键词集合分别是
Figure FDA0002288869380000066
同时使用符号∨,∧,
Figure FDA0002288869380000071
表示数学意义上的“OR”“AND”，“NO”，匹配规则表示为
Figure FDA0002288869380000072
Figure FDA0002288869380000073
对于“OR”操作，数据使用者构造一个超递增序列aj(j＝1,2,…,l1)，
Figure FDA0002288869380000074
来赋值给“AND”搜索关键字的权重值，为了实现“AND”和“NO”操作,同样，数据使用者构造两个超递增序列bj(j＝1,2,…,l2)cj(j＝1,2,…,l3)满足条件式
Figure FDA0002288869380000075
Figure FDA0002288869380000076
和条件式
Figure FDA0002288869380000077
假设
Figure FDA0002288869380000078
是根据重要性递增排序的，那么搜索关键词集合
Figure FDA0002288869380000079
那么在Q相关位置中的权重值被设置为
Figure FDA00022888693800000710
其他位置的值则被设置为0，同时查询向量中第(n+1)维设置为
Figure FDA00022888693800000711
在查询结果，如果对于文档Fj,其结果Rj>0,那么Fj就满足逻辑搜索的要求。
8.根据权利要求5所述的一种支持偏好搜索和逻辑搜索的高效可验证的多关键字排序可搜索加密方法，其特征在于，先构造明文二叉树索引，然后加密明文二叉树索引得到密文二叉树索引，密文二叉树索引能根据节点和陷门之间的相关性分值决定是否剪枝相关的子树以提升搜索的速度，明文二叉树索引的构造过程及基本结构如下：
(1)明文二叉树索引的节点u是一个九元组(P′,P″,PV,CV,N,PL,PR,FD,sig)，其中u.PL,u.PR是指向左右节点的指针；u.FD是文档的唯一描述符；u.sig是根据文档内容生成的消息摘要；u.CV表示聚类Cu的聚类中心向量，u.N表示聚类Cu中文档的数目，聚类Cu代表的是以u为根节点的子树中所有的叶子结点相关联的文档；需要说明的是因为u.CV,u.N和u.PV仅仅存在于构造明文二叉树索引阶段，将明文二叉树索引加密时，需要在加密过程中将每个节点中u.CV和u.PV字段都设置为NULL，将u.N字段设置为0；
节点u主要有两种类型，分别是叶子结点和中间节点：
a.如果u是叶子结点，那么u.PL＝u.PR＝φ；u.FD存储的是文档的文件描述符；u.CV和u.PV都存储当前的文档向量；u.P′和u.P″分别代表u.PV切分后的子向量的加密形式,此时都设置为默认值NULL，u.N＝1；u.sig存储当前文档的消息摘要，消息摘要主要用于搜索过程结束后生成验证对象，数据使用者用接收到的验证对象验证搜索结果的完整性和准确性；
b.如果u是一个内部的中间节点，那么u.FD＝φ,u.sig＝φ,u.PL和u.PR指向节点u的左右孩子节点，u.N＝u.PL.N+u.PR.N，而u.PV是由节点u的两个孩子节点的各自的剪枝向量PV生成，u.CV则是从节点u的两个孩子节点的各自的聚类中心向量CV生成的，u.VC聚类中心向量主要用于构造密文二叉树索引的过程中，用于查找最相关的节点； 生成规则如下：
Figure FDA0002288869380000081
聚类中心向量用于计算节点与节点之间的相关性评分，用于在构造明文二叉树索引过程中查找最相近的两个节点并构造其父节点，而剪枝向量会生成两个子向量并会利用可逆矩阵进行加密，用于在二叉树深度优先的检索过程中计算和陷门即查询之间的相关性评分以决定是否进入当前子树中进行检索；
(2)在索引二叉树的构造过程中，当前处理节点集合CPNS代表当前一轮处理的节点集合，待处理节点集合NGNS代表下一轮处理的节点集合，首先初始化每一个文档为一个包含五元组的节点，将所有的文档节点都加入到CPNS中；当CPNS中节点个数大于1的时候，不断的找到两个最相关的节点，即计算所有节点的聚类中心向量的相关分值最大的两个节点，也可以理解为最相似的两个文档，然后按照前面提到规则构造最大相关分值的两个节点的父节点，然后将构造出的父节点加入到NGNS中，然后从CPNS中移除刚找到的两个节点，如此处理直到CPNS中节点个数小于或等于1，然后将NGNS中的节点加入到CPNS中，进行新一轮的处理，如此循环处理，直到将NGNS中的节点都加入到CPNS中后CPNS中仍只剩下一个节点，那么此时终止构造过程，CPNS中剩下的唯一节点就是明文索引二叉树中的根节点，然后返回代表此二叉树的根节点即可。
9.根据权利要求5所述的一种支持偏好搜索和逻辑搜索的高效可验证的多关键字排序可搜索加密方法，其特征在于，利用二叉树索引来加速查询的过程如下：
目标结果集合用R表示，threshold则表示当前结果集合中节点和查询的相关性得分的最小值，K表示要获取的文档数目，在检索阶段，如果当前节点是叶子结点，并且R中节点个数小于K-1，那么将当前节点加入到R中，如果R中节点个数等于K-1,那么将当前节点加入到R中并且更新threshold值，如果R中节点个数等于K，并且当前叶子节点和查询之间的相关性评分大于threshold值，那么从R中移除和查询最不相关的节点，然后加入当前叶子节点，同时更新threshold值；如果当前节点是中间节点，那么如果剪枝向量和查询陷门之间的相关性评分小于threshold值，那么当前节点所代表的子树可以直接剪枝掉，不用后续检索，否则进入子树中继续检索，如此索引树遍历完毕，返回节点集合R。
CN201810169347.7A 2018-02-28 2018-02-28 一种支持偏好搜索和逻辑搜索的高效可验证的多关键字排序可搜索加密方法 Active CN108388807B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201810169347.7A CN108388807B (zh) 2018-02-28 2018-02-28 一种支持偏好搜索和逻辑搜索的高效可验证的多关键字排序可搜索加密方法
PCT/CN2019/074061 WO2019165880A1 (zh) 2018-02-28 2019-01-31 一种支持偏好搜索和逻辑搜索的高效可验证的多关键字排序可搜索加密方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810169347.7A CN108388807B (zh) 2018-02-28 2018-02-28 一种支持偏好搜索和逻辑搜索的高效可验证的多关键字排序可搜索加密方法

Publications (2)

Publication Number Publication Date
CN108388807A CN108388807A (zh) 2018-08-10
CN108388807B true CN108388807B (zh) 2020-05-22

Family

ID=63069587

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810169347.7A Active CN108388807B (zh) 2018-02-28 2018-02-28 一种支持偏好搜索和逻辑搜索的高效可验证的多关键字排序可搜索加密方法

Country Status (2)

Country Link
CN (1) CN108388807B (zh)
WO (1) WO2019165880A1 (zh)

Families Citing this family (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108388807B (zh) * 2018-02-28 2020-05-22 华南理工大学 一种支持偏好搜索和逻辑搜索的高效可验证的多关键字排序可搜索加密方法
CN110858251B (zh) * 2018-08-22 2020-07-21 阿里巴巴集团控股有限公司 数据查询方法和装置
CN110162617B (zh) * 2018-09-29 2022-11-04 腾讯科技（深圳）有限公司 提取摘要信息的方法、装置、语言处理引擎和介质
CN109492410B (zh) * 2018-10-09 2020-09-01 华南农业大学 数据可搜索加密和关键词搜索方法、系统及终端、设备
CN109471723B (zh) * 2018-10-23 2023-10-27 三六零科技集团有限公司 一种用于对任务的处理结果进行验证的方法及系统
CN109740362B (zh) * 2019-01-03 2021-02-26 中国科学院软件研究所 一种基于熵编码的密文索引生成与检索方法及系统
CN109885640B (zh) * 2019-01-08 2021-05-11 南京邮电大学 一种基于α叉索引树的多关键词密文排序检索方法
CN109885650B (zh) * 2019-01-08 2021-05-11 南京邮电大学 一种外包云环境隐私保护密文排序检索方法
CN109815723A (zh) * 2019-02-28 2019-05-28 东北大学 一种基于后缀树的可搜索加密系统及方法
CN109992995B (zh) * 2019-03-05 2021-05-14 华南理工大学 一种支持位置保护和查询隐私的可搜索加密方法
US11048816B2 (en) * 2019-04-02 2021-06-29 Sap Se Secure database utilizing dictionary encoding
CN110069944A (zh) * 2019-04-03 2019-07-30 南方电网科学研究院有限责任公司 一种可搜索加密的数据检索方法及系统
CN110120871B (zh) * 2019-05-23 2021-09-28 福建师范大学 一种私钥和密文长度固定的广播加密方法和系统
CN110908959A (zh) * 2019-10-30 2020-03-24 西安电子科技大学 一种支持多关键字和结果排序的动态可搜索加密方法
CN110928980B (zh) * 2019-11-15 2023-05-30 中山大学 一种面向移动云计算的密文数据存储与检索方法
CN111026754B (zh) * 2019-12-05 2022-12-02 中国科学院软件研究所 一种安全高效的圆形范围数据上传、查询方法及相应存储介质与电子装置
CN113094573A (zh) * 2020-01-09 2021-07-09 中移(上海)信息通信科技有限公司 多关键词排序可搜索加密方法、装置、设备及存储介质
CN111274247B (zh) * 2020-01-17 2023-04-14 西安电子科技大学 一种基于密文时空数据的可验证范围查询方法
CN111404679B (zh) * 2020-03-10 2023-08-08 上海市大数据中心 一种面向大数据的安全认证的密文检索方法
CN111400624A (zh) * 2020-03-17 2020-07-10 广东电网有限责任公司 一种多功能排序系统
CN112199420A (zh) * 2020-10-16 2021-01-08 成都房联云码科技有限公司 一种房产隐私字段信息模糊搜索方法
CN112311781B (zh) * 2020-10-23 2021-11-12 西安电子科技大学 一种前后向安全且具有可恢复关键字屏蔽的加密方法
CN112328733B (zh) * 2020-10-28 2022-10-04 浙江工商大学 基于MinHash函数的中文多关键字模糊排序可搜索加密方法
CN112328606B (zh) * 2020-11-30 2023-02-21 齐鲁工业大学 基于区块链的关键字可搜索加密方法
CN114676449B (zh) * 2022-05-26 2022-10-18 南京畅洋科技有限公司 一种基于可验证数据库的物联网数据可搜索加密方法
CN115622700B (zh) * 2022-11-28 2023-03-31 南方电网数字电网研究院有限公司 用电数据加密搜索方法、装置、计算机设备和存储介质
CN116127498A (zh) * 2022-11-28 2023-05-16 中国民用航空总局第二研究所 一种密文检索结果可验证的多关键字可搜索加密方法
CN117349898B (zh) * 2023-12-05 2024-03-08 中国电子科技集团公司第十研究所 一种访问模式隐藏的密文k近邻查询方法与系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106997384A (zh) * 2017-03-24 2017-08-01 福州大学 一种排序可验证的语义模糊可搜索加密方法
CN107391502A (zh) * 2016-05-16 2017-11-24 阿里巴巴集团控股有限公司 时间间隔的数据查询方法、装置及索引构建方法、装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104615692B (zh) * 2015-01-23 2017-09-19 重庆邮电大学 一种支持动态更新及多关键字安全排序的可搜索加密方法
CN105812141B (zh) * 2016-03-07 2018-11-27 东北大学 一种面向外包加密数据的可验证交集运算方法及系统
CN106326360B (zh) * 2016-08-10 2019-04-09 武汉科技大学 一种云环境中密文数据的模糊多关键词检索方法
CN108388807B (zh) * 2018-02-28 2020-05-22 华南理工大学 一种支持偏好搜索和逻辑搜索的高效可验证的多关键字排序可搜索加密方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107391502A (zh) * 2016-05-16 2017-11-24 阿里巴巴集团控股有限公司 时间间隔的数据查询方法、装置及索引构建方法、装置
CN106997384A (zh) * 2017-03-24 2017-08-01 福州大学 一种排序可验证的语义模糊可搜索加密方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
A secure and dynamic multi-keyword ranked search scheme over encrypted cloud data;XIA Z H等;《IEEE Transaction on Parallel and Distributed Systems》;20160228;第27卷(第2期);340-352 *
云存储中一种支持可验证的模糊查询加密方案;朱小玉 等;《电子与信息学报》;20170731;第39卷(第7期);第1741-1747页 *
云环境下一种隐私保护的高效密文排序查询方法;程芳权 等;《计算机学报》;20121130;第35卷(第11期);2215-2227 *
云环境下的隐私保护密文排序查询;孔凡新 等;《计算机工程与设计》;20140131;第35卷(第1期);第47-50页 *
加密云数据下基于Simhash的模糊排序搜索方案;杨旸 等;《计算机学报》;20170228;第40卷(第2期);431-444 *

Also Published As

Publication number Publication date
WO2019165880A1 (zh) 2019-09-06
CN108388807A (zh) 2018-08-10

Similar Documents

Publication Publication Date Title
CN108388807B (zh) 一种支持偏好搜索和逻辑搜索的高效可验证的多关键字排序可搜索加密方法
US11023477B2 (en) Method and system for fuzzy keyword search over encrypted data
CN106815350B (zh) 一种云环境中动态的密文多关键词模糊搜索方法
Chen et al. {SANNS}: Scaling up secure approximate {k-Nearest} neighbors search
Kuzu et al. Efficient similarity search over encrypted data
CN111026788B (zh) 一种混合云中基于同态加密的多关键词密文排序检索方法
WO2022099495A1 (zh) 云计算环境中的密文搜索方法及系统、设备
CN109885640B (zh) 一种基于α叉索引树的多关键词密文排序检索方法
CN109992995B (zh) 一种支持位置保护和查询隐私的可搜索加密方法
CN115314295B (zh) 一种基于区块链的可搜索加密技术方法
CN112332979B (zh) 云计算环境中的密文搜索方法及系统、设备
US11829503B2 (en) Term-based encrypted retrieval privacy
CN112328606A (zh) 基于区块链的关键字可搜索加密方法
CN109739945A (zh) 一种基于混合索引的多关键词密文排序检索方法
CN111177787B (zh) 多数据拥有者环境中基于属性的连接关键字搜索方法
CN110727951B (zh) 具有隐私保护的轻量级外包文件多关键词检索方法及系统
Peng et al. LS-RQ: A lightweight and forward-secure range query on geographically encrypted data
CN115757676A (zh) 模糊可搜索加密方法、装置及电子设备
Li et al. Multi-keyword fuzzy search over encrypted cloud storage data
CN106874379B (zh) 一种面向密文云存储的多维区间检索方法与系统
Wang et al. Enabling efficient approximate nearest neighbor search for outsourced database in cloud computing
CN110990518A (zh) 一种智能电网非结构化数据安全方法
CN113158245A (zh) 一种文档搜索的方法、系统、设备及可读存储介质
Mlgheit et al. Efficient privacy preserving of multi-keyword ranked search model over encrypted cloud computing
Kamini et al. Encrypted multi-keyword ranked search supporting gram based search technique

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant