CN108985094A - 云环境下实现密文空间数据的访问控制和范围查询方法 - Google Patents

Abstract

本发明公开了一种在云环境下实现密文空间数据的访问控制和范围查询方法，属于云计算安全技术领域。本发明中，数据拥有者首先利用保序加密以及安全内积运算产生密文数据索引，并将所有索引以R‑树的形式组织并发送给云服务器；用户根据自己需要查询的几何范围生成密文搜索指令并提交给云服务器；云服务器根据用户请求和用户的当前访问权限返回相应的密文匹配结果；最终，用户在收到密文结果后，使用数据拥有者预先发送的密钥进行解密，实现密文环境下的范围查询以及数据访问控制。本发明保证了搜索过程中的高效性及安全性，特定用户只能访问其被授权的密文空间数据。

Description

云环境下实现密文空间数据的访问控制和范围查询方法

技术领域

本发明属于云计算安全技术领域，具体涉及一种在云环境下实现密文空间数据的访问控制和范围查询方法。

背景技术

云计算是学术界与工业界最为关注的下一代信息技术(InformationTechnology，IT)架构，它具有迄今为止众多已成熟应用于工业界的IT技术所不具备的诸多特性，诸如：按需获取自助式服务、无处不在的网络接入、独立于地点的资源池、资源的快速伸缩、按使用付费以及风险转嫁。云计算汇集了庞大的计算资源、存储资源以及其他服务资源，为用户提供了多种新颖便捷可靠的服务，给云服务提供商们带来了巨大的商机和利益。在诸多服务中，云存储服务由于其为用户提供了一种更为简便、高效以及可靠的数据管理方式，而成为广受学术界与工业界关注的焦点。用户可以将自己的海量数据存储于云服务器中，在需要的时候对这些数据进行存取操作。这一服务模式缓解了用户本地数据存储与维护的压力，并能让用户不受时间与空间的约束，按需存取这些数据。总之，这一服务模式为用户带来了极大的便利。

空间数据的范围查询已经被应用到许多现实场景中，由于近年来数据的爆炸式增长，越来越多的公司和企业倾向于将本地空间数据外包给云服务器，从而进一步降低自身的计算和存储开销。然而，由于云服务器并非是完全可信的第三方，如果空间数据仅以明文方式存储到云服务器中，云服务器能够轻易地获取用户的敏感信息，如居住地址、历史足迹等。为保证用户的隐私数据不被泄露，迫切需要设计出一种在云环境下实现密文空间数据的范围搜索方案。

然而，现有的云环境下实现密文空间数据的范围搜索方案存在以下几点问题：(a)在效率方面，目前的范围搜索方案其密文查询效率和存储开销线性增长于搜索范围，即随着查询范围的不断扩大，现有方案需要对该范围的所有密文进行匹配，除此之外，相应密文指令所需的存储空间也随之增加；(b)在安全性方面，现有的范围查询方案都不支持用户的权限分配，即默认合法用户享有对所有密文的访问权限，然而，在现实生活中，不同用户往往只能访问其相应授权的用户数据。

发明内容

本发明的目的是克服现有技术的不足，提供一种在云环境下实现密文空间数据的访问控制和范围查询方法。

本发明所提出的技术问题是这样解决的：

一种在云环境下实现密文空间数据的访问控制和范围查询方法，包括以下步骤：

步骤1.系统初始化：系统生成公共参数，并生成用于AES(高级加密标准)、安全内积运算和保序加密所需的密钥；

步骤2.生成数据索引：数据拥有者使用AES对原始空间数据加密并发送给云服务器；同时，为了提高密文范围查询的效率，数据拥有者使用安全内积运算和保序加密对每个数据生成一个与之关联的索引，其中所有密文索引以R-树的方式存储；

步骤3.生成搜索指令：用户根据其当前权限和需要查询的几何范围，使用安全内积运算和保序加密对当前几何范围进行加密，并将密文指令发送给云服务器；

步骤4.查询阶段：云服务器根据用户的搜索指令在R-树上进行高效搜索，并为用户返回符合条件的密文数据；

步骤5.解密阶段：用户使用数据拥有者预先发送的密钥对密文结果进行解密，最终获得当前几何范围下的密文查询结果。

本发明的有益效果是：

本发明提供了一种在云环境下高效的范围搜索方法，并实现合法用户的访问权限分配。为保证搜索过程中的安全性，本发明使用安全内积运算、多项式拟合技术和保序加密算法；为保证搜索过程的高效性，本发明使用R-树来缩小搜索区间并减少匹配时间。综上，本发明的有益效果如下：

1)本发明实现了云环境下高效的空间数据范围搜索。利用多项式拟合技术以及R-树来进一步减小搜索过程中的计算开销，除此之外，利用保序加密保证密文搜索的顺利进行；

2)本发明设计出一种新颖的用户访问控制策略。利用基于多项式的权限分配策略，使得特定用户只能访问其被授权的密文空间数据；

3)本发明提供空间数据的强安全性保护，包括原始空间数据的机密性、索引和搜索指令的不可分辨性。

附图说明

图1为多项式拟合示例图；

图2为R-树建立过程示意图；

图3为搜索指令生成示意图。

具体实施方式

下面结合附图和实施例对本发明进行进一步的说明。

本实施例提供一种在云环境下实现密文空间数据的访问控制和范围查询方法，包括以下步骤：

步骤1.系统初始化：系统生成公共参数，并生成用于AES、安全内积运算和保序加密所需的密钥；

步骤2.生成数据索引：数据拥有者使用AES对原始空间数据加密并发送给云服务器；同时，为了提高密文范围查询的效率，数据拥有者使用安全内积运算和保序加密对每个数据生成一个与之关联的索引，其中所有密文索引以R-树的方式存储；

步骤3.生成搜索指令：用户根据其当前权限和需要查询的几何范围，使用安全内积运算和保序加密对当前几何范围进行加密，并将密文指令发送给云服务器；

步骤4.查询阶段：云服务器根据用户的搜索指令在R-树上进行高效搜索，并为用户返回符合条件的密文数据；

步骤5.解密阶段：用户使用数据拥有者预先发送的密钥对密文结果进行解密，最终获得当前几何范围下的密文查询结果。

步骤1的具体过程如下：

输入安全参数λ，数据拥有者随机生成密钥其中sk1和sk2分别为用于加密原始空间数据和矩形几何范围的密钥，S是用于分割明文向量的密钥，为(N+3+κ+T)维的二进制向量，N为所采用的拟合多项式中的最高次数，κ为所有用户权限的个数；和为用于加密被分割后的密文向量的密钥，其为(N+3+κ+T)×(N+3+κ+T)维的可逆矩阵，T为多项式中加入噪音的个数；当某一合法用户需要查询存储在云服务器中的密文空间数据时，密钥ψ将会通过安全的密钥协商发送给授权用户。

步骤2的具体过程如下：

步骤2-1.对于每一个空间数据点i(假设云服务器中空间数据的个数为K，1≤i≤K)，首先利用密钥sk₁对其进行AES加密，并将密文数据外包存储到云服务器中；

步骤2-2.数据拥有者为每个数据点的坐标(x_i，y_i)生成与之关联的密文索引：首先，生成明文索引其中N代表所采用的拟合多项式中的最高次数；随后，将M_i扩展成为扩展后的明文索引其中i＝(1，2，…，K)，j＝(1，2，…，κ)代表权限多项式中的系数，为和密文搜索指令维度保持一致的扩展维度；接着，将会被二进制向量S分割并分别被和加密；具体的，的分割将会满足如下条件：如果S[l]＝0，则被分割后的密文向量否则1≤l≤N+3+κ+T；最终，密文索引将会提交给云服务器。

步骤3的具体过程为：

步骤3-1.当用户收到密钥ψ时，将会生成两个密文搜索指令和

初始的搜索区域由两条曲线θ₁和θ₂围成，利用多项式拟合得到两条拟合曲线和假设拟合方程分别是和其中x为拟合方程的自变量；根据两个拟合方程，将向量U₁和U₂表示为U₁＝(a₀，a₁，a₂，…a_N，-1)和U₂＝(b₀，b₁，b₂，…b_N，-1)，向量中的元素-1为扩展维度；将U₁和U₂再次进行扩展，扩展后的向量分别为：

U₁′＝(a₀，a₁，a₂，…a_N，-1，1，t，t²，…t^κ，s₁，s₂，…s_T)

U₂′＝(b₀，…b_N，-1，1，t，t²，…t^κ，s₁′，s₂′，…s_T′)

其中t代表用户的权限，(s₁，s₂，…s_T)和(s₁′，s₂′，…s_T′)为随机添加的噪声向量，其满足条件和1≤c≤T；最后，使用一个随机的正数r乘以向量U₁′和U₂′，得到(N+3+κ+T)维的和

步骤3*2.与生成数据索引的过程类似，二进制向量S和可逆矩阵分别用来分割和加密向量和具体步骤如下：

如果S[l]＝0，被分割后的密文向量否则，随后，将和分别加密为和

此外，为了缩减搜索空间，本发明为拟合曲线做了一个外切矩形，并使用保序加密技术，用密钥sk2将该外切矩形的左下顶点ω^ll和右上顶点ω^ur分别加密成[ω^ll]和[ω^ur]；显然，仅用两个顶点[ω^ll]和[ω^ur]足以表示整个加密矩形；最后，被加密的搜索指令Q^*＝{Q₁，Q₂，[ω^ll]，[ω^ur]}将会提交给云服务器。

步骤4的具体过程如下：

云服务器接收到加密后的索引R_i和加密后的搜索指令Q^*后，将会遍历整个R-树，并找到和加密后的矩形([ω^ur]，[ω^ll])相交的所有最深非叶子节点；具体遍历过程如下：

步骤4-1.对于存储在云服务器上任意非叶子节点m＝1，2，...，h，搜索用户输入外接矩形的密文ω＝([ω^ll]，[ω^ur])，其中非叶子节点左下角的密文坐标非叶子节点右上角的密文坐标密文矩形左下顶角的密文坐标密文矩形右上顶角的密文坐标 分别为的密文横纵坐标，分别为的密文横纵坐标，分别为[ω^ll]的密文横纵坐标，分别为的密文横纵坐标，h为加密后R-树中非叶子节点的个数；

步骤4-2.云服务器对于任意非叶子节点D_m，若其满足则执行步骤4-3，否则继续寻找其他非叶子节点进行判断；

步骤4-3.云服务器找到一个和密文矩形([ω^ll]，[ω^ur])相交的非叶子节点，对这个非叶子节点中包含的所有子节点(x_i，y_i)，云服务器执行如下操作：

类似地有：

其中，权限多项式其中n_i为用户对空间数据点i的权限，r()表示对变量进行模糊；

因此如果同时满足条件 以及D＝|max{(r(θ^*(xi)-yi)}|，||为求绝对值；即目标数据点(x_i，y_i)在拟合曲线区域范围之内，那么和R_i相关联的密文I_i将会返回给用户。

步骤5的具体过程如下：

当合法用户得到密文I_i，其利用数据拥有者事先发送给他的ASE加密密钥sk₁，I_i解密，最终得到所需明文。

Claims (5)

1.一种在云环境下实现密文空间数据的访问控制和范围查询方法，其特征在于，包括以下步骤：

步骤1.系统初始化：系统生成公共参数，并生成用于AES、安全内积运算和保序加密所需的密钥；

步骤2.生成数据索引：数据拥有者使用AES对原始空间数据加密并发送给云服务器；数据拥有者使用安全内积运算和保序加密对每个数据生成一个与之关联的索引，其中所有密文索引以R-树的方式存储；

步骤3.生成搜索指令：用户根据其当前权限和需要查询的几何范围，使用安全内积运算和保序加密对当前几何范围进行加密，并将密文指令发送给云服务器；

步骤4.查询阶段：云服务器根据用户的搜索指令在R-树上进行高效搜索，并为用户返回符合条件的密文数据；

步骤5.解密阶段：用户使用数据拥有者预先发送的密钥对密文结果进行解密，最终获得当前几何范围下的密文查询结果。

2.根据权利要求1所述的在云环境下实现密文空间数据的访问控制和范围查询方法，其特征在于，步骤1的具体过程如下：

输入安全参数λ，数据拥有者随机生成密钥其中sk1和sk2分别为用于加密原始空间数据和矩形几何范围的密钥，S是用于分割明文向量的密钥，为(N+3+κ+T)维的二进制向量，N为所采用的拟合多项式中的最高次数，κ为所有用户权限的个数；和为用于加密被分割后的密文向量的密钥，其为(N+3+κ+T)×(N+3+κ+T)维的可逆矩阵，T为多项式中加入噪音的个数；当某一合法用户需要查询存储在云服务器中的密文空间数据时，密钥ψ将会通过安全的密钥协商发送给授权用户。

3.根据权利要求2所述的在云环境下实现密文空间数据的访问控制和范围查询方法，其特征在于，步骤2的具体过程如下：

步骤2-1.对于每一个空间数据点i，云服务器中空间数据的个数为K，1≤i≤K，首先利用密钥sk₁对其进行AES加密，并将密文数据外包存储到云服务器中；

步骤2-2.数据拥有者为每个数据点的坐标(x_i，y_i)生成与之关联的密文索引：首先，生成明文索引其中N代表所采用的拟合多项式中的最高次数；随后，将M_i扩展成为扩展后的明文索引其中j＝(1，2，…，κ)代表权限多项式中的系数，为和密文搜索指令维度保持一致的扩展维度；接着，将会被二进制向量S分割并分别被和加密；具体的，的分割将会满足如下条件：如果S[l]＝0，则被分割后的密文向量否则1≤l≤N+3+κ+T；最终，密文索引将会提交给云服务器。

4.根据权利要求3所述的在云环境下实现密文空间数据的访问控制和范围查询方法，其特征在于，步骤3的具体过程为：

步骤3-1.当用户收到密钥ψ时，将会生成两个密文搜索指令和

初始的搜索区域由两条曲线θ₁和θ₂围成，利用多项式拟合得到两条拟合曲线和假设拟合方程分别是和其中x为拟合方程的自变量；根据两个拟合方程，将向量U₁和U₂表示为U₁＝(a₀，a₁，a₂，…a_N，-1)和U₂＝(b₀，b₁，b₂，…b_N，-1)，向量中的元素-1为扩展维度；将U₁和U₂再次进行扩展，扩展后的向量分别为：

U₁′＝(a₀，a₁，a₂，…a_N，-1，1，t，t²，…t^κ，s₁，s₂，…s_T)

U₂′＝(b₀，…b_N，-1，1，t，t²，…t^κ，s₁′，s₂′，…s_T′)

其中t代表用户的权限，(s₁，s₂，…s_T)和(s₁′，s₂′，…s_T′)为随机添加的噪声向量，其满足条件和1≤c≤T；最后，使用一个随机的正数r乘以向量U₁′和U₂′，得到(N+3+κ+T)维的和

步骤3-2.与生成数据索引的过程类似，二进制向量S和可逆矩阵分别用来分割和加密向量和具体步骤如下：

如果S[l]＝0，被分割后的密文向量否则，随后，将和分别加密为和

使用保序加密技术，用密钥sk2将该外切矩形的左下顶点ω^ll和右上顶点ω^ur分别加密成[ω^ll]和[ω^ur]；最后，被加密的搜索指令Q^*＝{Q₁，Q₂，[ω^ll]，[ω^ur]}将会提交给云服务器。

5.根据权利要求4所述的在云环境下实现密文空间数据的访问控制和范围查询方法，其特征在于，步骤4的具体过程如下：

云服务器接收到加密后的索引R_i和加密后的搜索指令Q^*后，将会遍历整个R-树，并找到和加密后的矩形([ω^ur]，[ω^ll])相交的所有最深非叶子节点；具体遍历过程如下：

步骤4-1.对于存储在云服务器上任意非叶子节点搜索用户输入外接矩形的密文ω＝([ω^ll]，[ω^ur])，其中非叶子节点左下角的密文坐标非叶子节点右上角的密文坐标密文矩形左下顶角的密文坐标密文矩形右上顶角的密文坐标 分别为的密文横纵坐标，分别为的密文横纵坐标，分别为[ω^ll]的密文横纵坐标，分别为[ω^ur]的密文横纵坐标，h为加密后R-树中非叶子节点的个数；

步骤4-2.云服务器对于任意非叶子节点D_m，若其满足则执行步骤4*3，否则继续寻找其他非叶子节点进行判断；

步骤4-3.云服务器找到一个和密文矩形([ω^ll]，[ω^ur])相交的非叶子节点，对这个非叶子节点中包含的所有子节点(x_i，y_i)，云服务器执行如下操作：

类似地有：

其中，权限多项式其中n_i为用户对空间数据点i的权限，r()表示对变量进行模糊；

因此如果同时满足条件 以及||为求绝对值；即目标数据点(x_i，y_i)在拟合曲线区域范围之内，那么和R_i相关联的密文I_i将会返回给用户。