CN109471964B - 一种基于同义词集的模糊多关键词可搜索加密方法 - Google Patents

Abstract

本发明属于计算机密码学领域，具体涉及一种基于同义词集的模糊多关键词可搜索加密方法。其中，该技术方案包括：对同义词集WordNet的组织和编码，该编码方式使得语义相近的关键词具有相似的编码，可以从向量上计算关键词的相似程度；模糊多关键词可搜索加密算法，通过该算法可以一次性查询多个关键词以及查询到和关键词相近含义的文件。该方法解决了数据以密文方式存储在云服务器上时，利用云服务器的强大计算能力进行关键词的检索，而不会向服务器泄露任何用户的隐私。这不仅仅使得用户的隐私得到了有效的保护，而且检索效率也在服务器的帮助下得到了大幅度的提升。

Description

一种基于同义词集的模糊多关键词可搜索加密方法

技术领域

本发明属于计算机密码学领域，具体涉及一种基于同义词集的模糊多关键词可搜索加密方法。

背景技术

近年来，随着网络的快速发展，大数据时代已然到来，由于人们日常产生的数据越来越多，云存储技术也随之兴起，例如亚马逊简易存储服务以及国内的百度云盘等。但是，随着该技术的发展，人们发现当把数据外包到云服务器上的时候，用户也就无法对数据进行控制，使得用户的隐私安全面临巨大的挑战。普遍的解决办法是数据加密后上传，但是又会遇到如何在密文上进行查询的难题，最简单的方法是将文件下载解密后查询。这种操作由于下载了不需要的文件而浪费了大量的网络开销，而且进行解密和查询也浪费了大量的计算开销，这种方法并不适用。由于云服务器具有强大的计算能力，人们希望由服务器进行检索功能，可以把密钥发送给云服务器，之后由服务器解密并查询，但云服务器通常是“诚实且半可信”的，用户的隐私就会暴露在云服务器面前，仍然有泄露的风险。

为了解决这类问题，可搜索加密，Searchable Encryption，SE，技术便应运而生。作为一种新型的密码原语，可搜索加密技术使得用户具有在密文域上进行关键词搜索的能力。解决了数据以密文方式存储在云服务器上时，利用云服务器的强大计算能力进行关键词的检索，而不会向服务器泄露任何用户的隐私。这不仅仅使得用户的隐私得到了有效的保护，而且检索效率也在服务器的帮助下得到了大幅度的提升。

针对云环境中的可搜索加密问题，国内外人员进行了深入的研究，现有方案大多数针对于精确关键词检索，不能满足日常需求，近几年关于模糊关键词检索方向的研究越来越多，但是仍然存在着准确度不高或效率低下等原因。

发明内容

本发明的目的在于提供一种基于同义词集的模糊多关键词可搜索加密方法。

该方法包括以下步骤：

(1)用户系统算法初始化，生成密钥；

(2)对上传文件进行安全索引生成：

(2.1)对用户的文件进行关键词提取；

(2.2)对同义词集机器可读词典WordNet进行编码；

(2.3)对文件的关键词调用编码算法，得到关键词的向量表示；

(2.4)对得到的关键词向量进行拆分，之后对向量进行加密得到安全索引；

(3)根据所生成的安全索引将文件加密并上传；

(4)将文件加密上传后生成查询陷门；

(5)服务器根据查询陷门进行与安全索引的查询，将查询结果返回给用户；

(6)根据查询结果，用户用自己的密钥进行解密。

步骤(1)所述的算法由数据拥有者执行，算法初始化后，生成公共参数和密钥。步骤(2.1)所述用户待加密文件的关键词是利用TF-IDF算法找出的，其中TF衡量了一个词在文档中出现的频率，TF-IDF按下式计算：

TF-IDF＝TF×IDF

其中，

找出关键词后对应机器可读词典WordNet网络编码算法求出对应的二进制编码；

步骤(2.2)所述的编码方法为：

(2.2.1)同义词集中每一个结点的编码都需要以其父亲结点的编码作为前缀；

(2.2.2)用参数B_i位来编码第i层，其中位数与该层的子结点数目相关；

(2.2.3)编码从树顶开始，用1到B₁位编码第一层，B₁+1到B₁+B₂位编第二层，之后依次类推至所有词语编码完成；

对于每个文档生成的编码组成多维向量，并对其进行拆分，数据拥有者随机生成与拆分后维数相同的矩阵，对拆分后的两个向量进行非对称标量积加密，生成步骤(2.4)所述安全索引I：

其中，I＝(I₁，I₂，...，I_n)表示存储在云服务器中的加密索引，由每个文件的关键词生成；M₁,M₂∈{0,1}^m为可逆矩阵，用于加密关键词向量生成安全索引；数据拥有者对文件进行加密，密钥为K，加密算法采用国际认证的对称加密算法，加密之后的索引和文件上传到云服务器上，云服务器会根据用户生成的陷门在加密数据进行计算。

数据使用者根据要查询的关键词和同义词集编码算法得出二进制向量，并将该向量进行拆分，计算出索引加密时生成矩阵的逆矩阵，对拆分后的向量进行非对称标量积加密，生成步骤(4)所述查询陷门：

其中，Q＝{Q₁，Q₂，...，Q_i}为用户生成的安全陷门，M₁,M₂∈{0,1}^m为可逆矩阵，用于加密关键词向量生成安全索引。云服务器根据搜索陷门和加密索引进行查询，方法为计算陷门和索引的乘积，结果为陷门和该索引的相似度，数值越大则代表相似度越高，根据数值大小返回前k项。数据拥有者对返回文件进行解密，密钥为K，解密算法采用国际认证的对称解密算法。

本发明的有益效果在于：作为一种新型的密码原语，可搜索加密技术使得用户具有在密文域上进行关键词搜索的能力。解决了数据以密文方式存储在云服务器上时，利用云服务器的强大计算能力进行关键词的检索，而不会向服务器泄露任何用户的隐私。这不仅仅使得用户的隐私得到了有效的保护，而且检索效率也在服务器的帮助下得到了大幅度的提升。

附图说明

图1是本发明基于同义词集的模糊多关键词可搜索加密技术方案的总体结构图；

图2是本发明基于同义词集的模糊多关键词可搜索加密技术方案中同义词集编码示意图；

图3是本发明基于同义词集的模糊多关键词可搜索加密技术方案的正排索引示意图；

图4是本发明基于同义词集的模糊多关键词可搜索加密技术方案的总体流程图；

图5是本发明基于同义词集的模糊多关键词可搜索加密技术方案的上传过程流程图；

图6是本发明基于同义词集的模糊多关键词可搜索加密技术方案的方法查询过程流程图。

具体实施方式

下面结合附图对本发明做进一步的描述。

本发明公开了一种基于同义词集的模糊多关键词可搜索加密技术方案，其中，该技术方案包括：对同义词集WordNet的组织和编码，该编码方式使得语义相近的关键词具有相似的编码，可以从向量上计算关键词的相似程度；模糊多关键词可搜索加密算法，通过该算法可以一次性查询多个关键词以及查询到和关键词相近含义的文件。该方法能过解决用户将数据加密后上传服务器而无法有效查询的问题。

本发明提供了一种基于同义词集的模糊多关键词可搜索加密技术方案，能够进行多关键词检索和模糊关键词检索，并在一定程度上保留语义关系。

在介绍发明方法内容之前，先对本发明需要用到的一些符号进行介绍：

(1)I＝(I₁，I₂，...，I_n)：存储在云服务器中的加密索引，由每个文件的关键词生成；

(2)S：陷门生成密钥；

(3)M₁,M₂∈{0,1}^m：可逆矩阵，用于加密关键词向量生成安全索引；

(4)Q＝{Q₁，Q₂，...，Q_i}：用户生成的安全陷门，用于加密文件的查询。

第一方面，一种针对同义词集的组织与编码方法，同义词集采用普林斯顿大学开发的一种机器可读词典WordNet，该方法包括对同义词集WordNet进行二进制编码，建立同义词集与二进制码的映射关系。

第二方面，一种基于编码方法的模糊多关键词排序搜索算法，该算法包括：密钥生成算法，生成文件加密解密密钥；加密算法，对文件进行加密；索引生成算法，对文件建立索引；陷门生成算法，对输入关键词建立查询陷门；查询算法，对陷门与索引进行匹配计算，计算相似度；解密算法，对密文文件进行解密。

根据本发明提供的基于同义词集的多关键词模糊可搜索加密技术方法，通过对同义词集WordNet的编码，形成同义词集与二进制码的映射关系，并通过模糊多关键词排序搜索算法对文件进行加密、解密和查询。从而能够进行多关键词检索和模糊关键词检索，并在一定程度上保留语义关系。

具体过程如下：

1)给定一个安全参数m，输出密钥SK(S,M₁,M₂)。

2)对数据拥有者的文件进行关键词提取。

3)对WordNet进行编码，子节点的前部分编码与父节点编码相同，使得语义相同的词语编码相同，语义相近的词语编码相近。

4)对文件的关键词调用编码算法，得到关键词的向量表示。

5)对得到的关键词向量进行拆分，之后对向量进行加密得到安全索引I＝{I’M₁ ^T,I”M₂ ^T}。

6)将加密后的文件以及安全索引一同上传至云服务器。

7)数据使用者输入查询关键词，调用编码算法得到查询关键词的向量表示。

8)对查询关键词向量进行拆分，之后对拆分后的向量进行非对称标量积加密得到安全的搜索陷门Q＝{M₁ ^-1Q’,M₂ ^-1Q”}，上传服务器。

9)服务器对收到的陷门与存在服务器的安全索引进行比较，比较方法为进行乘积运算，得到结果表示相似度的大小，之后进行排序，服务器返回前k项索引对应的密文至用户。

10)用户用自己的密钥对返回的密文进行解密。

一种基于同义词集的模糊多关键词可搜索加密技术方案，包括：

对同义词集WordNet的组织和编码，实现语义相同的词语具有相同的编码，语义相近的词语编码大部分相同；

模糊多关键词可搜索加密算法，在密文环境下查找相关文件，并将查找结果按照相关程度进行排序。所述编码方法为：

步骤一，同义词集中每一个结点的编码都需要以其父亲结点的编码作为前缀；

步骤二，用B_i位来编码第i层，其中位数与该层的子结点数目相关；

步骤三，编码从树顶开始，用1到B₁位编码第一层，B₁+1到B₁+B₂位编第二层，之后依次类推至所有词语编码完成。

所述可搜索加密算法包括加密算法、索引建立算法、陷门生成算法、查询算法和解密算法5个部分。

所述的索引建立算法为：对文件的关键词采用编码方法转化为二进制编码，并采用矩阵加密进行加密生成索引。所述的功能矩阵随机生成，矩阵维数与编码长度相同。所述的陷门生成算法为：对需要查询的关键词采用编码方法转化为二进制编码，并采用加密矩阵的逆矩阵进行加密生成陷门。所述的查询算法为：对于生成的索引和陷门，进行矩阵乘积运算，结果的大小表示相似度的大小。

图1是本发明基于同义词集的模糊多关键词可搜索加密技术方案的总体结构图。如图1所示，本发明的基于同义词的可搜索加密系统主要包括3个实体：数据拥有者DO，数据使用者DU，和云服务器CS。其中，数据拥有者和数据使用者可以是同一用户，也可以是不同用户，不同用户则需要数据使用者与数据使用者进行密钥共享。方案大概流程为：首先，DO为文件集合中每个文件选取关键词生成关键词集合，为关键词集合建立可以检索的安全索引，并将加密后的文件和安全索引一起上传至CS。接着，当DU需要对密文检索时，直接使用密钥对查询语句进行加密得到陷门函数。最后，DU将陷门函数发送给CS，CS根据安全索引和陷门函数为DU的请求进行查询，将匹配的密文文件返回给DU。

图2是本发明基于同义词集的模糊多关键词可搜索加密技术方案中同义词集编码示意图。本发明中同义词集采用普林斯顿大学开发的一种机器可读词典WordNet。该词典突破了以往词典的按字母顺序排列，而是根据单词的实际意义组成了一个网络，网络中的每个结点就代表着一个同义词集，并定义了一些在这些同义词集之间的相互关系。结点的父亲结点表示该词集的意义比之当前的词集意义更加的抽象，结点的孩子结点则表示该词集比当前结点的词集意义更加的具体。通过对WordNet的树状结构的研究，采用以下编码方式，使得语义相同的词语编码相同，语义相近的词语编码相近。WordNet树中每一个结点的编码都需要以其父亲结点的编码作为前缀，用B_i位来编码第i层，其中位数与该层的子结点数目相关，编码从树顶开始，用1到B₁位编码第一层，B₁+1到B₁+B₂位编第二层，之后依次类推至所有词语编码完成，结果如图2所示。

图3是本发明基于同义词集的模糊多关键词可搜索加密技术方案的正排索引示意图。本发明采用正排索引的方法记录索引信息，这种组织方法在建立索引的时候结构比较简单，建立比较方便且易于维护；因为索引是基于文档建立的，若是有新的文档加入，直接为该文档建立一个新的索引块，挂接在原来索引文件的后面。若是有文档删除，则直接找到该文档号文档对应的索引信息，将其直接删除。

图4是本发明基于同义词集的模糊多关键词可搜索加密技术方案的总体流程图。用户首先系统初始化生成密钥，之后对上传文件进行安全索引生成，之后加密文件，将加密后的文件和安全索引一起发送给服务器，查询时输入查询关键词，生成安全查询陷门发送服务器，服务器根据陷门进行与安全索引的查询，将查询结果返回给用户，用户用自己的密钥进行解密。

图5是本发明基于同义词集的模糊多关键词可搜索加密技术方案的上传过程流程图，图6是本发明基于同义词集的模糊多关键词可搜索加密技术方案的方法查询过程流程图。流程如下：首先，用户对文件集合中每个文件抽取关键词生成关键词集合，使用同义词集编码算法对关键词集合进行二进制编码，之后采用同等维数的矩阵与向量进行乘积运算，进行矩阵加密，从而生成文件的索引向量；然后，用户对文件集合进行传统的对称加密，生成密文文件和安全索引，将其发送到云服务器；接着，用户对要查询的数据抽取关键词，进行同义词集编码函数操作，得到查询向量，并使用索引建立时使用的矩阵的逆矩阵与查询进行乘积运算，进行矩阵加密生成查询陷门，将其发送给云服务器；最后，云服务器根据陷门和安全索引进行查询，将查询陷门与上传的索引向量进行乘积运算，得到查询向量与索引向量之间的相似度，找到相关度最高的k个文件并进行排序后返回给用户。

具体方法包括如下步骤：

1)初始化：该算法由数据拥有者执行，算法初始化后，生成公共参数和密钥。

2)生成未加密的索引：利用TF-IDF算法找出待加密文件的关键词，其中TF衡量了一个词在文档中出现的频率，TF＝(词在文档中出现的次数)/(文章总词数)，IDF＝log(语料库中文档综述/(包含该词的文档数+1))，TF-IDF＝TF*IDF。找出关键词后对应WordNet网络编码算法求出对应的二进制编码。

3)索引加密：对于每个文档生成的编码组成多维向量，并对其进行拆分，数据拥有者随机生成与拆分后维数相同的矩阵，对拆分后的两个向量进行非对称标量积加密：{I’M₁ ^T,I”M₂ ^T}。此时就是加密后的索引。

4)文件加密：数据拥有者对文件进行加密，密钥为K,加密算法采用国际认证的对称加密算法。

5)数据外包：加密之后的索引和文件上传到云服务器上。云服务器会根据用户的生成的陷门进行在加密数据进行计算。

6)陷门生成：数据使用者根据要查询的关键词和同义词集编码算法得出二进制向量，并将该向量进行拆分，计算出索引加密时生成矩阵的逆矩阵，对拆分后的向量进行非对称标量积加密：{M₁ ^-1Q’,M₂ ^-1Q”}。此时就是加密后的搜索陷门。

7)文件检索：云服务器根据搜索陷门和加密索引进行查询，方法为计算陷门和索引的乘积，结果为陷门和该索引的相似度，数值越大则代表相似度越高，根据数值大小返回前k项。

文件解密：数据拥有者对返回文件进行解密，密钥为K,解密算法采用国际认证的对称解密算法。

Claims (1)

1.一种基于同义词集的模糊多关键词可搜索加密方法，其特征在于，该方法包括以下步骤：

步骤1：数据拥有者执行算法初始化，生成公共参数m和密钥SK(S,M₁,M₂)；

其中，S为陷门生成密钥；M₁,M₂∈{0,1}^m为可逆矩阵，用于加密关键词向量生成安全索引；

步骤2：利用TF-IDF算法对数据拥有者的待加密文件进行关键词提取；

TF-IDF＝TF×IDF

步骤3：对同义词集机器可读词典WordNet进行编码，子节点的前部分编码与父节点编码相同，使得语义相同的词语编码相同，语义相近的词语编码相近；

步骤4：根据WordNet网络编码算法获取待加密文件关键词对应的二进制编码，将待加密文件中每个文档生成的二进制编码组成多维向量；

步骤5：数据拥有者将待加密文件对应的多维向量进行拆分，随机生成与拆分后维数相同的矩阵，对拆分后的两个向量进行非对称标量积加密，得到安全索引

步骤6：数据拥有者对待加密文件进行加密，密钥为K，并将加密之后的文件与安全索引上传至云服务器；

步骤7：数据使用者输入查询关键词，调用编码算法得到查询关键词的向量表示；对查询关键词向量进行拆分，对拆分后的向量进行非对称标量积加密，得到加密后的搜索陷门

步骤8：云服务器根据搜索陷门和安全索引进行查询，计算搜索陷门和每一种安全索引的乘积，结果为搜索陷门和该安全索引相似度，数值越大则代表相似度越高；云服务器根据搜索陷门和安全索引的相似度值进行排序，返回对应相似度值最大的前k项安全索引对应的密文至数据使用者；

步骤9：数据使用者用自己的密钥对返回的密文进行解密。

Images