CN111898157A - 机器学习多源训练集的不经意存储访问方法 - Google Patents

机器学习多源训练集的不经意存储访问方法 Download PDF

Info

Publication number
CN111898157A
CN111898157A CN202010717252.1A CN202010717252A CN111898157A CN 111898157 A CN111898157 A CN 111898157A CN 202010717252 A CN202010717252 A CN 202010717252A CN 111898157 A CN111898157 A CN 111898157A
Authority
CN
China
Prior art keywords
data
storage
address
identifier
tag
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
Application number
CN202010717252.1A
Other languages
English (en)
Other versions
CN111898157B (zh
Inventor
万长胜
王旭
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.)
Southeast University
Original Assignee
Southeast University
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 Southeast University filed Critical Southeast University
Priority to CN202010717252.1A priority Critical patent/CN111898157B/zh
Publication of CN111898157A publication Critical patent/CN111898157A/zh
Application granted granted Critical
Publication of CN111898157B publication Critical patent/CN111898157B/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
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F12/00—Accessing, addressing or allocating within memory systems or architectures
    • G06F12/02—Addressing or allocation; Relocation
    • G06F12/0223—User address space allocation, e.g. contiguous or non contiguous base addressing
    • G06F12/023—Free address space management
    • G06F12/0238—Memory management in non-volatile memory, e.g. resistive RAM or ferroelectric memory
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F12/00—Accessing, addressing or allocating within memory systems or architectures
    • G06F12/02—Addressing or allocation; Relocation
    • G06F12/08—Addressing or allocation; Relocation in hierarchically structured memory systems, e.g. virtual memory systems
    • G06F12/10—Address translation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Bioethics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Storage Device Security (AREA)

Abstract

本发明公开了一种机器学习多源训练集的不经意存储访问方法，包括如下步骤：(1)用户使用映射标识，通过数据集的数据标识和标签标识生成地址数据，并将地址数据拆分成一系列地址用来存储数据和标签快；(2)用户使用随机化标识，通过数据集的数据和标签生成随机化数据，并将随机化数据拆分成随机数和存储顺序；(3)存储时，用户按照存储顺序将数据，标签和随机数存储到地址数据所拆分的地址中；(4)访问时，用户通过映射标识计算得到存储地址，并通过数据随机化的结果解析出数据，标签和随机数。本发明实现了用户在进行多源协作训练数据访问的情况下，对训练数据集信息的保护。

Description

机器学习多源训练集的不经意存储访问方法
技术领域
本发明涉及一种机器学习多源训练集的不经意存储访问方法，属于数据安全技术领域。
背景技术
如今，随着机器学习在各行各业的快速普及以及云存储技术的快速发展，越来越多的用户选择将机器学习所用到的数据集存储在云存储器中。为了确保机器学习过程中所用训练集的机密性与完整性，客户端会对存储在远程服务器中的数据加密，但攻击者可以通过观察访问模式重建敏感信息，因此客户端还需要“加密”访问模式。利用不经意存储访问技术可以保护访问模式不被泄漏，但该技术会破坏训练集中数据与标签的对应关系，因此需要一个机器学习多源训练集的不经意存储访问方法来实现。
一个典型的不经意存储访问系统由两个部分组成：不可信的远程服务器用来存储数据集，客户端是对数据集进行访问或者存储的主体。
考虑到训练数据对应关系完整性和数据安全性，一个可以用于机器学习多源训练集的不经意存储访问方案需要满足以下要求：(1)数据完整性与机密性保护。客户端进行机器学习训练时所用的数据集不能被知晓。攻击者可能以各种方式获取模型训练过程所使用的数据集，并利用获取的数据集训练自己的模型或者向训练集中添加对抗样本，从而获取用户的数据隐私或者导致客户端训练出错误的模型，造成一系列严重的损失。(2)访问模型机密性。在客户端对数据进行访问过程中，攻击者可以通过观察访问模式重建敏感信息，因此客户端还需要“加密”访问模式。(3)数据与标签对应关系保护。机器学习所用数据集一般包括数据和标签，二者存在关联关系，要保证在存储和访问过程中该关系不被打乱。
显然，设计一个机器学习多源数据集的不经意存储访问机制是一项重要的任务。目前已有的不经意存储访问机制主要着眼于利用茫然排序或者隐藏数据标识符来保护数据访问模式，而暂时没有考虑在保护数据访问模型的同时保证数据与标签的关联关系。然而伴随着机器学习的普及和数据量的暴增，设计一个机器学习多源数据集的不经意存储访问机制也尤为重要了。
发明内容
发明目的：为了保护机器学习数据隐私，并适应云存储的时代趋势，本发明提出了一种机器学习多源数据集的不经意存储访问方法。
技术方案：一种机器学习多源数据集的不经意存储访问方法，包含以下四个阶段：
(1)地址的映射与拆分阶段
用户使用自己持有的映射标识符、数据标识和标签标识通过具有抗碰撞性的散列函数得到地址数据，然后把获得的地址数据拆分为一系列地址，分别存储随机化后的数据和标签块。
(2)数据和标签的随机化阶段
用户使用自己持有的随机化标识、数据和标签通过具有抗碰撞性的散列函数得到随机化数据，然后把获得的随机化数据拆分为随机数和存储顺序。
(3)数据不经意存储阶段
用户按照数据随机化过程中生成的存储顺序代码，将数据、标签、随机数存储到地址数据包含的地址中。
(4)数据不经意访问阶段
用户计算利用映射标识符获得存储位置，并根据数据随机化的结果解析出数据、标签以及随机数。
在地址的映射与拆分阶段中利用具有抗碰撞性的散列函数得到地址数据META并将数据进行拆分，其具体步骤为：
(11)将用户自己持有的映射标识符K1、数据标识metadi和标签标识metali通过SHA1散列函数映射得到160位的地址数据META；
(12)地址数据META本身作为随机数、标签数据和特征数据存储时的逻辑地址Q；
(13)地址数据META拆分得到随机数、标签数据以及特征数据进行存储时的第二级标识即设地址数据META为X0X1...X159，Q1＝{X0X1。。。X51}，Q2＝{X52X53。。。X103}，Q3＝{X104X105。。。X156}。
在数据和标签随机化阶段中利用具有抗碰撞性的散列函数得到随机化数据R并将数据进行拆分，其具体步骤为：
(21)：将用户自己持有的随机化标识符K2、数据di和标签标识li通过SHA1散列函数映射得到160位的随机化数据R＝{Y0Y1...Y159}；
(22)：将R进行拆分得到随机数ri、以及存储顺序，令ri＝{Y0Y1...Y39}，特征数据存储顺序编码Pd＝{Y40Y41...Y79}，标签数据存储顺序编码Pl＝{Y80Y81...Y119}，随机数存储顺序代码Pr＝{Y120Y121...Y159}。
在数据不经意存储阶段中，利用Path ORAM的存储结构，按照生成的逻辑地址Q存储数据，其具体步骤为：
(31)：对于每一个数据标识metadi及其对应的标签标识metali，将其生成逻辑存储地址Q与二叉树T中的某个叶子节点相对应，生成position map；
(32)：比较数据和标签随机化阶段中生成的Pd、Pl、Pr数值并对其由小到大排序，按照该顺序为随机数ri、特征数据di以及标签数据li分配二级标识Q1、Q2、Q3；
(33)：将随机数ri、特征数据di以及标签数据li分别存储在数据块block中，每个数据块包括唯一标识逻辑地址Q、二级标识以及数据；
(34)：将数据块存储至其对应的叶子节点到根节点的路径中的任一数据桶bucket中。
在数据不经意访问阶段中，按照Path ORAM的数据访问流程访问数据，并解析出随机数ri、特征数据di以及标签数据li，其具体步骤为：
(41)：将待访问数据标识metadi、标签标识metali、以及映射标识符K1通过SHA1散列函数映射得到逻辑地址Q，查询position map得到所需数据所对应的叶子节点leafi；
(42)：将从根节点到leafi路径pi中所有的数据下载至本地存储空间stash中,并更新position map为Q重新选择一条叶子节点leafj；
(43)：利用唯一标识Q得到存储随机数ri、特征数据di以及标签数据li的所有数据块,并将stash中数据写回pi，保证本次所访问数据在leafj与leafi共同的最深层bucket中；
(44)：将得到的三个数据块中的数据两两组合并同随机化标识符K2通过SHA1散列函数映射得到随机化结果r'，将r'前40位数据与未参与映射的数据d'进行比较，若相同，则d'为随机数；
(45)由r'得到三类数据的存储编码，并比较其大小，由其大小排序结果可确认由Q拆分成的二级标识Q1、Q2、Q3所对应的数据类型，并通过二级标识区分出数据类型，所述数据类型包括特征数据、标签数据、随机数。
有益效果：本发明提出了一个新颖的机器学习训练集访问存储机制，可以使用户在不可信的远程服务器上存储或者访问机器学习训练集的过程中，从数据本身、数据访问模式以及数据间对应关系几个角度保护了数据的完整性与机密性。本发明还引用了PathORAM技术，降低了数据存储访问过程中的通信成本。结果显示本发明无论在训练数据对应关系完整性还是在数据安全性方面都很好。
附图说明
图1是不经意存储访问系统结构模型；
图2是机器学习多源数据集的不经意存储访问流程图。
具体实施方式
下面结合具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
如图1所示的一个不经意存储访问系统结构结构模型，它包括本发明涉及的实体和实体之间的连接请求。
本发明涉及两个实体：不可信的远程服务器和客户端。客户端按照本发明中所阐述的存储方法将其所需的机器学习训练数据集存储在远程服务器中，并按照本发明中所阐述的访问机制访问所需数据集，整个过程保证了数据的完整性与机密性。
本发明包含四大部分内容：地址的映射与拆分阶段、数据和标签的随机化阶段、数据的不经意存储阶段和数据的不经意访问阶段。
实施例一
本实施例是如图2所示的地址的映射与拆分阶段，实现了数据存储地址和各类数据二级标识的生成，以下是实施例一的步骤说明：
(1)步骤101：用户将自己持有的映射标识符K1、数据标识metadi和标签标识metali通过SHA1散列函数映射得到160位的地址数据META。
(2)步骤102：用户将地址数据META作为随机数、标签数据和特征数据存储时的逻辑地址Q，并将META拆分得到随机数、标签数据以及特征数据进行存储时的第二级标识，即设META为X0X1...X159，则Q1＝{X0X1。。。X51}，Q2＝{X52X53。。。X103}，Q3＝{X104X105。。。X156}。
实施例二
如图2所示的数据和标签的随机化阶段，实现了数据、标签以及随机数的存储顺序代码的生成，以下是实施例二的步骤说明：
(1)步骤111：用户将自己持有的随机化标识符K2、数据di和标签标识li通过SHA1散列函数映射得到160位的随机化数据R＝{Y0Y1...Y159}。
(2)步骤112：将随机化数据R进行拆分得到随机数ri＝{Y0Y1...Y39}，特征数据存储顺序编码Pd＝{Y40Y41...Y79}，标签数据存储顺序编码Pl＝{Y80Y81...Y119}，随机数存储顺序代码Pr＝{Y120Y121...Y159}。
实施例三
如图2所示的数据的不经意存储阶段，实现了对数据和标签在保证对应关系下的不经意存储，以下是实施例三的步骤说明：
(1)步骤121：对于每一个数据标识metadi及其对应的标签标识metali，将其生成逻辑存储地址Q与二叉树T中的某个叶子节点相对应，生成positionmap。
(2)步骤122：比较数据和标签随机化阶段中生成的Pd、Pl、Pr数值并对其由小到大排序，按照该顺序为随机数ri、特征数据di以及标签数据li分配二级标识Q1、Q2、Q3。
(3)步骤123：将随机数ri、特征数据di以及标签数据li分别存储在其对应的叶子节点到根节点的路径中的任一数据桶bucket中的数据块block中，每个数据块包括唯一标识逻辑地址Q、二级标识以及数据。
实施例四
如图2所示的数据的不经意访问阶段，实现了在访问数据的同时保护了访问模式，以下是实施例四的步骤说明：
(1)步骤131：将待访问数据标识metadi、标签标识metali、以及映射标识符K1通过SHA1散列函数映射得到逻辑地址Q，查询position map得到所需数据所对应的叶子节点leafi。
(2)步骤132：将从根节点到leafi路径中所有的数据下载至本地存储空间stash中并按照Path ORAM的方式将数据写回；
(3)步骤133：利用唯一标识逻辑地址Q以及二级标识解析得到存储随机数ri、特征数据di以及标签数据li。
通过上述的验证过程，用户在访问远程服务器来获取机器学习所用数据集的过程中，攻击者既无法得知其操作模式，也无法得知其访问数据的真实含义，并且训练集中数据和标签的关联关系也得到了保护。本发明在Path ORAM机制的基础上，设计了一种可保护数据与标签关联性的数据不经意存储访问机制。

Claims (5)

1.一种机器学习多源训练集的不经意存储访问方法，其特征在于，该方法包括如下步骤：
(1)地址的映射与拆分阶段：
用户使用自己持有的映射标识符k1、数据标识metadi和标签标识metali通过具有抗碰撞性的散列函数得到地址数据META，然后把获得的地址数据META拆分为一系列地址，分别存储随机化后的数据和标签块；
(2)数据和标签的随机化阶段：
用户使用自己持有的随机化标识k2、数据di和标签li通过具有抗碰撞性的散列函数得到随机化数据R，然后把获得的随机化数据R拆分为随机数ri和存储顺序；
(3)数据不经意存储阶段：
用户按照数据随机化过程中生成的存储顺序代码，将数据di、标签li、随机数ri存储到地址数据META包含的地址中；
(4)数据不经意访问阶段：
用户计算地址数据META获得存储位置，并根据数据随机化的结果解析出数据di、标签li、随机数ri。
2.如权利要求1所述的机器学习多源训练集的不经意存储访问方法，其特征在于，在地址的映射与拆分阶段中利用具有抗碰撞性的散列函数得到地址数据META并将数据进行拆分，其具体步骤为：
(11)将用户自己持有的映射标识符K1、数据标识metadi和标签标识metali通过SHA1散列函数映射得到160位的地址数据META；
(12)地址数据META本身作为随机数、标签数据和特征数据存储时的逻辑地址Q；
(13)地址数据META拆分得到随机数、标签数据以及特征数据进行存储时的第二级标识即设地址数据META为X0X1...X159，Q1＝{X0X1。。。X51}，Q2＝{X52X53。。。X103}，Q3＝{X104X105。。。X156}。
3.如权利要求1所述的机器学习多源训练集的不经意存储访问方法，其特征在于，在数据和标签随机化阶段中利用具有抗碰撞性的散列函数得到随机化数据R并将数据进行拆分，其具体步骤为：
(21)：将用户自己持有的随机化标识符K2、数据di和标签标识li通过SHA1散列函数映射得到160位的随机化数据R＝{Y0Y1...Y159}；
(22)：将R进行拆分得到随机数ri、以及存储顺序，令ri＝{Y0Y1...Y39}，特征数据存储顺序编码Pd＝{Y40Y41...Y79}，标签数据存储顺序编码Pl＝{Y80Y81...Y119}，随机数存储顺序代码Pr＝{Y120Y121...Y159}。
4.如权利要求1所述的机器学习多源训练集的不经意存储访问方法，其特征在于，在数据不经意存储阶段中，利用Path ORAM的存储结构，按照生成的逻辑地址Q存储数据，其具体步骤为：
(31)：对于每一个数据标识metadi及其对应的标签标识metali，将其生成逻辑存储地址Q与二叉树T中的某个叶子节点相对应，生成position map；
(32)：比较数据和标签随机化阶段中生成的Pd、Pl、Pr数值并对其由小到大排序，按照该顺序为随机数ri、特征数据di以及标签数据li分配二级标识Q1、Q2、Q3；
(33)：将随机数ri、特征数据di以及标签数据li分别存储在数据块block中，每个数据块包括唯一标识逻辑地址Q、二级标识以及数据；
(34)：将数据块存储至其对应的叶子节点到根节点的路径中的任一数据桶bucket中。
5.如权利要求1所述的机器学习多源训练集的不经意存储访问方法，其特征在于，在数据不经意访问阶段中，按照Path ORAM的数据访问流程访问数据，并解析出随机数ri、特征数据di以及标签数据li，其具体步骤为：
(41)：将待访问数据标识metadi、标签标识metali、以及映射标识符K1通过SHA1散列函数映射得到逻辑地址Q，查询position map得到所需数据所对应的叶子节点leafi；
(42)：将从根节点到leafi路径pi中所有的数据下载至本地存储空间stash中,并更新position map为Q重新选择一条叶子节点leafj；
(43)：利用唯一标识Q得到存储随机数ri、特征数据di以及标签数据li的所有数据块,并将stash中数据写回pi，保证本次所访问数据在leafj与leafi共同的最深层bucket中；
(44)：将得到的三个数据块中的数据两两组合并同随机化标识符K2通过SHA1散列函数映射得到随机化结果r'，将r'前40位数据与未参与映射的数据d'进行比较，若相同，则d'为随机数；
(45)由r'得到三类数据的存储编码，并比较其大小，由其大小排序结果可确认由Q拆分成的二级标识Q1、Q2、Q3所对应的数据类型，并通过二级标识区分出数据类型，所述数据类型包括特征数据、标签数据、随机数。
CN202010717252.1A 2020-07-23 2020-07-23 机器学习多源训练集的不经意存储访问方法 Active CN111898157B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010717252.1A CN111898157B (zh) 2020-07-23 2020-07-23 机器学习多源训练集的不经意存储访问方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010717252.1A CN111898157B (zh) 2020-07-23 2020-07-23 机器学习多源训练集的不经意存储访问方法

Publications (2)

Publication Number Publication Date
CN111898157A true CN111898157A (zh) 2020-11-06
CN111898157B CN111898157B (zh) 2024-03-26

Family

ID=73189818

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010717252.1A Active CN111898157B (zh) 2020-07-23 2020-07-23 机器学习多源训练集的不经意存储访问方法

Country Status (1)

Country Link
CN (1) CN111898157B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113988313A (zh) * 2021-11-02 2022-01-28 支付宝(杭州)信息技术有限公司 用户数据的删除方法、装置和电子设备
CN116167092A (zh) * 2023-04-21 2023-05-26 支付宝(杭州)信息技术有限公司 一种密态数据查询方法、装置、存储介质以及电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107995299A (zh) * 2017-12-08 2018-05-04 东北大学 一种云环境下抗访问模式泄露的盲存储方法
CN108632035A (zh) * 2018-05-17 2018-10-09 湖北工业大学 一种带有访问控制的不经意传输系统及方法
CN110622142A (zh) * 2017-05-19 2019-12-27 谷歌有限责任公司 高效不经意的云存储
CN110830561A (zh) * 2019-10-25 2020-02-21 华中科技大学 一种异步网络环境下的多用户oram访问系统及方法
CN110837650A (zh) * 2019-10-25 2020-02-25 华中科技大学 一种不可信网络环境下的云存储oram访问系统和方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110622142A (zh) * 2017-05-19 2019-12-27 谷歌有限责任公司 高效不经意的云存储
CN107995299A (zh) * 2017-12-08 2018-05-04 东北大学 一种云环境下抗访问模式泄露的盲存储方法
CN108632035A (zh) * 2018-05-17 2018-10-09 湖北工业大学 一种带有访问控制的不经意传输系统及方法
CN110830561A (zh) * 2019-10-25 2020-02-21 华中科技大学 一种异步网络环境下的多用户oram访问系统及方法
CN110837650A (zh) * 2019-10-25 2020-02-25 华中科技大学 一种不可信网络环境下的云存储oram访问系统和方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113988313A (zh) * 2021-11-02 2022-01-28 支付宝(杭州)信息技术有限公司 用户数据的删除方法、装置和电子设备
CN116167092A (zh) * 2023-04-21 2023-05-26 支付宝(杭州)信息技术有限公司 一种密态数据查询方法、装置、存储介质以及电子设备

Also Published As

Publication number Publication date
CN111898157B (zh) 2024-03-26

Similar Documents

Publication Publication Date Title
US10628577B2 (en) Identifying software components in a software codebase
CN105678188A (zh) 数据库防泄露协议识别方法及装置
CN111262835B (zh) 敏感数据的脱敏存储方法及装置
US20220019678A1 (en) Method, apparatus, and computer-readable medium for automated construction of data masks
JP2006518508A (ja) コンテンツベースのアドレシングにおける追加ハッシュ関数
CN111898157A (zh) 机器学习多源训练集的不经意存储访问方法
US20230274007A1 (en) Response-Hiding Searchable Encryption
Fu et al. Data correlation‐based analysis methods for automatic memory forensic
CN111753312B (zh) 数据处理方法、装置、设备和系统
CN118332603A (zh) 一种针对大数据环境的数据隔离和安全共享方法和系统
CN114218176A (zh) 一种跨平台数据安全共享交换方法
CN115510071B (zh) 一种大数据快速组合查询的动态索引方法
CN113658709B (zh) 用于医疗数据信息查询的方法、装置、计算机设备及存储介质
CN114298882A (zh) Cad数据的水印的嵌入方法、追溯方法以及电子设备
CN114153838A (zh) 一种会员信息用加密存储和查询方法
CN117235814B (zh) 一种含有时间序列关联混淆数据的数据处理方法及装置
CN117708878B (zh) 基于oram带隐私保护功能的版权信息可信检索方法
Geng et al. SCORD: Shuffling Column-Oriented Relational Database to Enhance Security
CN118445861B (zh) 基于人工智能的固态硬盘数据安全存储方法及装置
CN111814188B (zh) 一种云数字图书馆读者的借阅隐私保护方法、系统及应用
EP3402117B1 (en) Method, apparatus, and computer-readable medium for automated construction of data masks
CN116992495B (zh) 办公室文件加密存储方法、系统、存储介质及电子设备
Wang et al. A query verification scheme for dynamic outsourced databases.
Chapman A survey and analysis of solutions to the oblivious memory access problem
Sion et al. Conjunctive keyword search on encrypted data with completeness and computational privacy

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