CN109271485A - 一种支持语义的云环境加密文档排序检索方法 - Google Patents

Abstract

本发明公开了一种支持语义的云环境加密文档排序检索方法，包括两个阶段：第一阶段为数据预处理和外包，利用LDA模型生成文档‑主题矩阵和关键词‑主题矩阵，并计算主题概率向量和关键词概率，将其发送至数据检索端；生成密钥组合并对文档和文档‑主题矩阵进行加密，生成加密文档集合加密文档主题矩阵发送到云服务器。第二阶段为加密文档排序检索，将生成加密形态的检索陷门，发送到云服务器端执行排序检索，返回主题语义最相关的k个加密文档；然后，将收到的加密文档进行解密，进而获得最终的明文检索结果。采用本发明可使数据预处理和排序检索的执行效率显著提高，同时也保护了检索关键词的私密性，且引入LDA模型实现了支持语义的排序检索功能。

Description

一种支持语义的云环境加密文档排序检索方法

技术领域

本发明涉及一种面向云环境的加密文档排序检索方法，涉及用户数据的隐私保护和排序检索，具体涉及一种支持语义的云环境加密文档排序检索方法。

背景技术

近年来，云计算技术越来越成熟，大量的用户选择将自己的数据外包至云平台上，由于云服务器端的大规模、高效率的服务，用户可以减少自己维护数据的成本和存储资源的消耗。大量保存在云端的私人数据同时也对云端数据的安全性提出了要求。最直接实现云环境中隐私保护的方法是将数据先加密处理后再外包到云服务器，但是数据加密后带来了数据可用性下降问题，例如在信息检索领域，现有的多关键词检索主要是面向明文数据的，无法直接应用到密文排序检索场景中，而将所有加密数据从云服务器端下载到数据检索端进行解密显然是一种不切实际且资源浪费的处理方法。因此，同时支持用户数据的机密性保护和加密数据的可检索性的密文排序检索方法已经成为近几年的研究热点问题。当前，研究者主要考虑半诚实(Honest-but-curious)模型框架下的安全检索问题，云服务器在此模型下会严格遵守规定的协议完成用户的数据检索服务，但会在提供服务的同时尽可能的获取用户的私密信息。所以，在半诚实模型下，不仅需要确保隐私数据的安全性，也需要设置一定的安全机制来确保用户检索时检索请求的保密性，尽可能的防止云服务器端获得检索相关的信息。

目前比较成熟的解决方案主要采用基于加密索引和检索陷门的加密文档排序检索，支持单关键词和多关键词排序检索。这些检索方案在数据外包时，在云服务器端建立的支持密文排序检索的加密索引，且所有文档均以加密方式存储至云服务器端；在检索时，通过将用户提交的检索关键词转换为检索陷门，然后在云服务器端通过检索陷门和加密索引的计算实现针对加密文档的排序检索。然而，现有的这些方案都都不考虑用户检索关键词和文档的内涵语义特征，在用户进行基于关键词的排序检索时返回的结果往往不能令人满意；同时现有的这些方案存在索引构建复杂，且需要进行大规模的向量计算，导致检索效率不高。

发明内容

发明目的：本发明提供一种安全性高、检索率且高能解决语义缺失问题的支持语义的云环境加密文档排序检索方法。

技术方案：本发明所述的一种支持语义的云环境加密文档排序检索方法，包括(1)数据预处理和外包阶段与(2)加密文档排序检索阶段，所述数据预处理和外包阶段包括以下步骤：

(1a)数据提供端利用LDA模型对文档集进行训练，提取该文档集对应的主题集合，并生成文档-主题矩阵和关键词-主题矩阵，然后根据这两个矩阵计算主题概率向量和关键词概率向量；

(1b)数据提供端生成密钥组合SK＝{S,M₁,M₂,g}，其中S为随机位向量，M₁和M₂为随机可逆矩阵，g为文档加密密钥；

(1c)数据提供端利用密钥S、M₁和M₂对文档-主题矩阵进行处理，生成对应的加密文档-主题矩阵；

(1d)数据提供端利用密钥g对文档集中的每一个文档进行加密，并建立加密文档和加密文档-主题矩阵中行向量的对应关系；

(1e)数据提供端将关键词-主题矩阵、主题概率向量、关键词概率向量和密钥组合发送至数据检索端，并将加密文档-主题矩阵和加密文档集合发送至云服务器端；

所述加密文档排序检索阶段包括以下步骤：

(2a)数据检索端利用在步骤(1e)中获得的关键词-主题矩阵、主题概率向量和关键词概率向量，生成与检索关键词组合对应的检索主题向量；

(2b)数据检索端利用在步骤(1e)中获得的密钥S、M₁和M₂对检索主题向量进行处理，生成检索陷门；

(2c)数据检索端将检索陷门和检索需返回的文档数量k作为检索指令发送至云服务器端；

(2d)云服务器端接收到步骤(2c)中数据检索端发来的检索陷门和k后，根据步骤(1e)中获得的加密文档-主题矩阵，计算该矩阵中每个行向量和检索陷门的内积，并确定内积计算结果最大的k个行向量；然后，利用加密文档-主题矩阵的行向量与加密文档的对应关系，进而确定出与这k个行向量相对应的k个加密文档，并将这些加密文档返回给数据检索端；

(2e)数据检索端接收到云服务器端发送的加密文档后，利用步骤(1e)中获得的密钥g进行解密，进而获得明文检索结果。

步骤(1a)所述主题概率向量V_T和关键词概率向量V_W通过以下公式实现：

V_W＝V_TΩ^T

其中，Ω为关键词-主题矩阵，Θ[j]为文档-主题矩阵Θ中的行向量。

所述步骤(1b)包括以下步骤：

(1b1)利用密钥S对文档-主题矩阵Θ进行处理，生成两个n×m维拆分矩阵{Θ₁,Θ₂}，对于Θ中的任一元素Θ[i][j]，若S[j]＝1,则生成一个随机数赋值给Θ₁[i][j]，设置Θ₂[i][j]＝Θ[i][j]-Θ₁[i][j]，若S[j]＝0，则设置Θ₁[i][j]＝Θ₂[i][j]＝Θ[i][j]，其中S[j]是随机生成的m维位向量S中的指定元素，Θ[i][j]表示文档d_i与主题t_j的语义相关度；

(1b2)利用M₁和M₂对{Θ₁,Θ₂}进行处理，生成加密矩阵行向量表示文档d_i的对应的加密文档主题向量，M₁和M₂是随机生成的m×m维可逆矩阵；

(1b3)利用g对文档集合D中的文档d_i进行加密，生成加密文档并为建立与加密文档-主题矩阵的行向量的对应关系，生成的所有加密文档构成加密文档集合

所述步骤(1d)包括以下步骤：

(1d1)利用S对V_Q进行处理，生成两个拆分向量{V_Q1,V_Q2}，对于V_Q中的任一元素V_Q[i]，若S[j]＝1,则生成一个随机数赋值给V_Q1[i]，设置V_Q2[i]＝V_Q[i]-V_Q1[i]，若S[j]＝0，则设置V_Q1[i]＝V_Q2[i]＝V_Q[i]，其中Q为用户提交的检索关键词组合，V_Q为Q对应的m维检索主题向量；

(1d2)利用M₁和M₂对{V_Q1,V_Q2}进行处理，生成检索陷门向量：

步骤(2d)所述加密文档-主题矩阵每个行向量和检索陷门的内积等于各文档主题向量V_Q与检索关键词主题向量Θ[i]的点积：

有益效果：与现有技术相比，本发明的有益效果：1、能过实现多关键词的加密文档排序检索，在数据私密性上能够提供更好的保护；2、检索关键词之间在不同主题下相关度不同，而不同的主题相关度决定了文档与检索陷门的相关度的高低，在检索时严格根据文档集的加密文档主题向量和检索陷门之间的内积计算检索结果，能够实现支持语义的加密文档排序检索；3、数据检索端使用LDA模型的对数据检索端提出的多关键词检索生成对应的检索主题向量，由于主题向量的维度较为稀疏，且维度显著较小，其计算代价也显著降低，从而使得向量安全内积计算代价显著降低，检索效率显著提高。

附图说明

图1为本发明的系统架构图；

图2为本发明第一阶段数据预处理和外包流程图；

图3为本发明第二阶段加密文档排序检索流程图；

图4为云服务器端中存储的加密文档-主题矩阵行向量和加密文档的对应关系。

具体实施方式

下面结合附图对本发明作进一步详细说明。

为了方便描述，现对相关符号作如下定义：

文档集合D＝{d₁,d₂,…,d_n}，D中各文档包含的关键词构成关键词字典W＝{w₁,w₂,…,w_u}；LDA模型中采用的主题集合为T＝{t₁,t₂,…,t_m}，LDA模型(文档主题生成模型)训练得到文档-主题矩阵Θ和关键词-主题矩阵Ω，其中Θ为n×m维矩阵，Ω为u×m维矩阵，行向量Θ[i]表示文档d_i的文档主题向量，Θ[i][j]表示文档d_i与主题t_j的语义相关度，行向量Ω[i]表示关键词w_i的关键词主题向量，Ω[i][j]表示关键词w_i与主题t_j的语义相关度。V_T和V_W为检索辅助向量，其中，V_T是m维的主题概率向量，表示T中各主题在D中出现的概率权重；V_W是u维的关键词概率向量，表示W中各关键词在D中出现的概率权重。Q为用户提交的检索关键词组合，V_Q为Q对应的m维检索主题向量，k为检索需返回的文档数量。SK＝{S,M₁,M₂,g}为安全密钥组合，其中S是随机生成的m维位向量，M₁和M₂是随机生成的m×m维可逆矩阵，g为文档加密密钥；利用SK中的密钥，对D、V_Q和Θ进行加密，生成加密文档集合检索陷门向量和加密文档-主题矩阵 表示该加密矩阵的行向量。

图1为本发明的系统架构图，描述了数据提供端、数据检索端和云服务器端之间进行数据交换及处理的逻辑。数据提供端提供文档集，并对文档集生成相关矩阵和向量，将加密文档和加密文档-主题矩阵发送至云服务器端作为检索依据和文档存储，将密钥等构建检索陷门相关数据发送至数据检索端存储，此时数据预处理和外包阶段结束；对于加密文档排序检索阶段，数据检索端根据数据提供端发送的数据根据自己的检索意图生成检索陷门，提交至云服务器端执行检索，云服务器端根据检索陷门和加密文档-主题矩阵的相关度得分进行检索操作，得到最相关的k个加密文档，将其返回至数据检索端，检索完成。

本发明主要包括以下两个阶段：

1、数据预处理和外包阶段，如图2所示包括以下步骤：

(1)数据提供端利用LDA模型对文档集D进行训练，提取蕴含语义属性的主题集合T，并生成文档-主题矩阵Θ和关键词-主题矩阵Ω，LDA模型将文档中关键词之间的关系提取为主题相关度，包含了其潜在的语义信息；然后计算主题概率向量V_T和关键词概率向量V_W，其中，

(2)数据提供端生成密钥组合SK＝{S,M₁,M₂,g}，其中S为随机m维位向量，M₁和M₂为随机m×m维可逆矩阵，g为文档加密密钥；并利用SK对Θ和D进行加密，生成加密文档-主题矩阵和加密文档集 中行向量与加密文档具有一一对应关系，如图4所示，具体处理过程如下：

①利用S对文档-主题矩阵Θ进行处理，生成两个n×m维拆分矩阵{Θ₁,Θ₂}。对于Θ中的任一元素Θ[i][j]，根据如下规则生成Θ₁[i][j]和Θ₂[i][j]：若S[j]＝1,则生成一个随机数赋值给Θ₁[i][j]，然后设置Θ₂[i][j]＝Θ[i][j]-Θ₁[i][j]；若S[j]＝0，则设置Θ₁[i][j]＝Θ₂[i][j]＝Θ[i][j]；

②利用M₁和M₂对{Θ₁,Θ₂}进行处理，生成加密矩阵行向量表示文档d_i的对应的加密文档主题向量；

③利用g对文档集D中的文档d_i进行加密，生成加密文档并为建立与加密文档-主题矩阵的行向量的对应关系，生成的所有加密文档构成加密文档集合

(3)数据提供端将关键词-主题矩阵Ω、主题概率向量V_T、关键词概率向量V_W和安全密钥组合SK发送至数据检索端，并将加密文档-主题矩阵和加密文档集合发送至云服务器端。

2、加密文档排序检索阶段，如图3所示包括以下步骤：

设检索关键词组合其中表示W中第p_i位关键词，排序检索需返回的文档数量为k。

(1)数据检索端利用第一阶段获得的Ω、V_T和V_W生成与Q对应的检索主题向量检索主题向量包含了用户提交关键词组合中隐含的语义信息，将语义信息转化为主题相关度。

(2)数据检索端利用安全密钥组合SK对检索主题向量V_Q进行加密处理，生成检索陷门向量具体处理过程如下：

①利用S对V_Q进行处理，生成两个拆分向量{V_Q1,V_Q2}。对于V_Q中的任一元素V_Q[i]，根据如下规则生成V_Q1[i]和V_Q2[i]：若S[j]＝1,则生成一个随机数赋值给V_Q1[i]，然后设置V_Q2[i]＝V_Q[i]-V_Q1[i]；若S[j]＝0，则设置V_Q1[i]＝V_Q2[i]＝V_Q[i]；

②利用M₁和M₂对{V_Q1,V_Q2}进行处理，生成检索陷门

(3)数据检索端将检索陷门向量和k作为检索指令发送至云服务器端。

(4)云服务器端接收到数据检索端发来的检索陷门向量和k后，利用第1阶段接收到的加密文档-主题矩阵计算中每个行向量和的内积，加密文档-主题矩阵每个行向量和检索陷门向量的内积等于各文档主题向量V_Q与检索关键词主题向量Θ[i]的点积：进而确定出内积计算结果最大的k个行向量，利用的行向量与加密文档的对应关系，确定与这k个行向量对应的k个加密文档，并将这k个加密文档返回给数据检索端。

(5)数据检索端接收到云服务器端发送的加密文档后，利用第1阶段接收到的安全密钥组合SK中的密钥g进行解密，进而得到明文检索结果。

Claims (5)

1.一种支持语义的云环境加密文档排序检索方法，包括(1)数据预处理和外包阶段与(2)加密文档排序检索阶段，其特征在于，所述数据预处理和外包阶段包括以下步骤：

(1a)数据提供端利用LDA模型对文档集进行训练，提取该文档集对应的主题集合，并生成文档-主题矩阵和关键词-主题矩阵，然后根据这两个矩阵计算主题概率向量和关键词概率向量；

(1b)数据提供端生成密钥组合SK＝{S,M₁,M₂,g}，其中S为随机位向量，M₁和M₂为随机可逆矩阵，g为文档加密密钥；

(1c)数据提供端利用密钥S、M₁和M₂对文档-主题矩阵进行处理，生成对应的加密文档-主题矩阵；

(1d)数据提供端利用密钥g对文档集中的每一个文档进行加密，并建立加密文档和加密文档-主题矩阵中行向量的对应关系；

(1e)数据提供端将关键词-主题矩阵、主题概率向量、关键词概率向量和密钥组合发送至数据检索端，并将加密文档-主题矩阵和加密文档集合发送至云服务器端；

所述加密文档排序检索阶段包括以下步骤：

(2a)数据检索端利用在步骤(1e)中获得的关键词-主题矩阵、主题概率向量和关键词概率向量，生成与检索关键词组合对应的检索主题向量；

(2b)数据检索端利用在步骤(1e)中获得的密钥S、M₁和M₂对检索主题向量进行处理，生成检索陷门；

(2c)数据检索端将检索陷门和检索需返回的文档数量k作为检索指令发送至云服务器端；

(2d)云服务器端接收到步骤(2c)中数据检索端发来的检索陷门和k后，根据步骤(1e)中获得的加密文档-主题矩阵，计算该矩阵中每个行向量和检索陷门的内积，并确定内积计算结果最大的k个行向量；然后，利用加密文档-主题矩阵的行向量与加密文档的对应关系，进而确定出与这k个行向量相对应的k个加密文档，并将这些加密文档返回给数据检索端；

(2e)数据检索端接收到云服务器端发送的加密文档后，利用步骤(1e)中获得的密钥g进行解密，进而获得明文检索结果。

2.根据权利要求1所述的一种支持语义的云环境加密文档排序检索方法，其特征在于，步骤(1a)所述主题概率向量V_T和关键词概率向量V_W通过以下公式实现：

V_W＝V_TΩ^T

其中，Ω为关键词-主题矩阵，Θ[j]为文档-主题矩阵Θ中的行向量。

3.根据权利要求1所述的一种支持语义的云环境加密文档排序检索方法，其特征在于，所述步骤(1b)包括以下步骤：

(1b1)利用密钥S对文档-主题矩阵Θ进行处理，生成两个n×m维拆分矩阵{Θ₁,Θ₂}，对于Θ中的任一元素Θ[i][j]，若S[j]＝1,则生成一个随机数赋值给Θ₁[i][j]，设置Θ₂[i][j]＝Θ[i][j]-Θ₁[i][j]，若S[j]＝0，则设置Θ₁[i][j]＝Θ₂[i][j]＝Θ[i][j]，其中S[j]是随机生成的m维位向量S中的指定元素，Θ[i][j]表示文档d_i与主题t_j的语义相关度；

(1b2)利用M₁和M₂对{Θ₁,Θ₂}进行处理，生成加密矩阵行向量表示文档d_i的对应的加密文档主题向量，M₁和M₂是随机生成的m×m维可逆矩阵；

(1b3)利用g对文档集合D中的文档d_i进行加密，生成加密文档并为建立与加密文档-主题矩阵的行向量的对应关系，生成的所有加密文档构成加密文档集合

4.根据权利要求1所述的一种支持语义的云环境加密文档排序检索方法，其特征在于，所述步骤(1d)包括以下步骤：

(1d1)利用S对V_Q进行处理，生成两个拆分向量{V_Q1,V_Q2}，对于V_Q中的任一元素V_Q[i]，若S[j]＝1,则生成一个随机数赋值给V_Q1[i]，设置V_Q2[i]＝V_Q[i]-V_Q1[i]，若S[j]＝0，则设置V_Q1[i]＝V_Q2[i]＝V_Q[i]，其中Q为用户提交的检索关键词组合，V_Q为Q对应的m维检索主题向量；

(1d2)利用M₁和M₂对{V_Q1,V_Q2}进行处理，生成检索陷门向量：

5.根据权利要求1所述的一种支持语义的云环境加密文档排序检索方法，其特征在于，步骤(2d)所述加密文档-主题矩阵每个行向量和检索陷门的内积等于各文档主题向量V_Q与检索关键词主题向量Θ[i]的点积：