EP3583518A1 - Procédé de recherche d'informations dans un corpus chiffre stocke sur un serveur - Google Patents

Procédé de recherche d'informations dans un corpus chiffre stocke sur un serveur

Info

Publication number
EP3583518A1
EP3583518A1 EP18706792.1A EP18706792A EP3583518A1 EP 3583518 A1 EP3583518 A1 EP 3583518A1 EP 18706792 A EP18706792 A EP 18706792A EP 3583518 A1 EP3583518 A1 EP 3583518A1
Authority
EP
European Patent Office
Prior art keywords
encrypted
server
document
encryption
client equipment
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.)
Withdrawn
Application number
EP18706792.1A
Other languages
German (de)
English (en)
Inventor
Henri Binsztok
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.)
Wallix SARL
Original Assignee
Wallix SARL
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 Wallix SARL filed Critical Wallix SARL
Publication of EP3583518A1 publication Critical patent/EP3583518A1/fr
Withdrawn legal-status Critical Current

Links

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
    • G06F21/6227—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 where protection concerns the structure of data, e.g. records, types, queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/31—Indexing; Data structures therefor; Storage structures
    • G06F16/316—Indexing structures
    • G06F16/319—Inverted lists
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • 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
    • G06F16/951—Indexing; Web crawling techniques
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/008—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols involving homomorphic encryption
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
    • G06F2216/11—Patent retrieval
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2221/00—Indexing scheme relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F2221/21—Indexing scheme relating to G06F21/00 and subgroups addressing additional information or applications relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F2221/2107—File encryption

Definitions

  • the field of the invention relates to searching information in a database in a form that preserves the confidentiality of data and queries.
  • the application relates in particular to systems for processing personal data, and in particular health data.
  • Databases are an integral part of many applications, such as financial applications and eHealth applications. Databases can be very sensitive, containing valuable data from a company or individuals. Theft of sensitive data is a growing concern for individuals, businesses and governments.
  • Databases can be collections of raw files or managed using the database management system (DBMS), such as the Oracle database, MySQL, Microsoft SQL Server, and so on.
  • DBMS database management system
  • a database can be deployed on a server within a company, on a virtual server in a cloud, or on a DBMS service in a cloud. Data theft is a concern for every type of deployment.
  • a database system can also be deployed by a company on a virtual server, which runs on a cloud like Amazon Elastic Compute Cloud (Amazon EC2).
  • Amazon Elastic Compute Cloud Amazon Elastic Compute Cloud
  • the virtual server that underlies the database is physically under the control of the cloud provider, and on the enterprise virtual server installs DBMS to manage their databases.
  • data theft also occurs in this case, if the cloud infrastructure is compromised by attackers, infected with malware or viruses, and the company's database administrators could violate the confidentiality and integrity of the databases.
  • cloud providers are not all trustworthy; they can steal database data from the virtual servers provided by them.
  • the homomorphic encryption methods have notably been developed for search engine applications: the user sends an encrypted request to the search engine, without the latter being aware of the request received. It applies a conventional search operation for corresponding documents and returns the response to the user in an encrypted manner. Thus, the search engine never knows the content in clear the query.
  • Another application relates to biometrics using a fingerprint database of persons authorized to perform an action, for example entering a protected building. These fingerprints are naturally encrypted because they are non-revocable personal data.
  • the search tree is encrypted with a first private encryption key.
  • the server receives a request from a client, the request comprising a set of keywords, in which each request term is encrypted with the first private encryption key.
  • the search is performed using a query and evaluation at each node of the tree to determine if one or more matches exist. The answer is based on the match of keywords for each document and one or more nodes encrypted with the first private encryption key.
  • European patent EP2865127 describes a homomorphic encryption for database interrogation. Numeric values are encrypted using keys and random numbers to produce encrypted text.
  • the ciphertext is homomorphic and consists of two or more ciphered subtexts. Queries using addition, averaging and multiplication operations can be performed without decrypting the numerical values applicable to the query. Each encrypted subtext is stored in a single record and in separate attributes.
  • the invention relates to methods for encryption and decryption, creating an appropriate table, querying such a database and updating such a database.
  • solutions of the prior art have a major disadvantage resulting from the computing power necessary to run on the server the encryption processing homomorphic each indexing of a new document and each new request. For this reason, the solutions of the prior art are applicable only to very small corpora, for example a business directory or a small set of textual documents.
  • the solutions of the prior art are limited to searching for documents on the basis of a binary criterion of presence or absence in the document of a term of the request, without making it possible to effectively propose a scheduling the relevance of the documents corresponding to the request.
  • the method according to the invention proposes an effective solution to the search for information in a large encrypted corpus.
  • the invention relates to a first aspect of a method for searching information in an encrypted corpus stored on a server, from a digital query calculated on a piece of equipment.
  • client containing a sequence of terms, comprising the following steps:
  • said first table TF ⁇ comprising, for each indexed term w i of the document, the number of occurrences of the word w in document i - said second table Adf L constituted by the index of words w i in the document
  • An additional step executed on the client equipment aggregating said identifiers of the data contained in said encrypted response and in the df_A index recorded on the client equipment
  • the method comprises a step of reconstitution on the client equipment of the index df_A from the encrypted information ⁇ Adfi ⁇ recorded for each document i in the dedicated space of the server assigned to the user A.
  • the calculations performed on the server are implemented in parallel and / or distributed manner.
  • the server (2) is constituted by a cloud platform (in English "cloud”).
  • the invention also relates to a method for preparing a searchable database containing a sequence of terms, characterized in that it comprises the following steps: a) calculation steps on the client equipment, when introducing a new documentable document i, for each document i belonging to the corpus, a first table TF ⁇ and a second table Adf L
  • said first table TF ⁇ comprising, for each indexed term w i of the document, the number of occurrences of the word w in document i
  • said second table Adf L constituted by the presence or absence of each term w in the document ib) the encryption of the document i and said table
  • Adf L Adf L
  • Adf L the encryption by a homomorphic encryption method of said TF L table
  • the invention also relates to a method of searching information in an encrypted corpus stored on a server, from a digital query calculated on a client equipment, containing a sequence of terms, characterized in that it comprises the following steps :
  • FIG. 1 represents a schematic view of a computer system according to the invention
  • FIG. 2 represents a schematic view of the data flows between the various computing resources.
  • Hardware architecture Figure 1 shows a schematic view of the hardware architecture of the invention.
  • It comprises computer equipment (1) client connected to a server (2) by a computer network, for example the Internet.
  • the server (2) is associated with a memory (3) for the registration of a database.
  • the server (2) comprises a processor for performing digital processing.
  • the server (2) and the memories (3) are in a particular example constituted by a set of distributed resources, for example of the "cloud” type.
  • Functional architecture constituted by a set of distributed resources, for example of the "cloud” type.
  • Figure 2 shows an example of a functional architecture.
  • the client equipment (1) performs the initial processing of a document i constituted by a digital file (9) stored in a working memory.
  • each term of the document is subject to prior pretreatment by known means of radicalization ("stemming" in English), list of exclusions (deletion of common words (“stop list” in English) and any other usual linguistic treatment).
  • the first task is to apply an encryption to the document i with a known cryptographic method, for example AES symmetric encryption and records an encrypted version (10) of this document on the client equipment, and optionally on the server (2) or a third-party storage service.
  • a known cryptographic method for example AES symmetric encryption
  • the corpus of encrypted documents thus defined forms the basis of documents (32).
  • a second task executed in parallel or sequentially, consists in calculating an index of the occurrences of the terms present in the file (9), and in recording a table TF ⁇ (14) of the occurrences, in the form of a list of the terms W j present in the document i, each of the terms W j of this list being associated with a number corresponding to the occurrence tf lfj of the term W j in the document i.
  • the TF ⁇ (14) table is therefore of type [W j ; tf lfj ] ⁇ j for a document i.
  • a third task consists of calculating an Adf table L (15) corresponding, for each term w j, the presence or absence of the term in the document.
  • This table Adf L (15) is therefore of type
  • the encryption of the TF ⁇ (14) table is then carried out by a homomorphic encryption method, for example according to a method described in the article Zhou, H., & Wornell, G. (2014, February). Efficient homomorphic encryption on integer vectors and its applications. In Information Theory and Applications Workshop (ITA), 2014 (pp. 1-9). IEEE.
  • the result of this encryption of the TF ⁇ (14) table is a set of encrypted data (11).
  • Each set of encrypted data (11) is transmitted by the client equipment (1) to the server (2).
  • the grouping of the encrypted data sets (11) constitutes an encrypted basis (30) of all ⁇ TF 1 ⁇ 1 .
  • an encryption of the Adf L table (15) is carried out according to a known method, by AES example and the transmission to the server (2) to register an encrypted version (12) on the server (2).
  • the set of encrypted files (12) stored on the server constitutes a base (31).
  • Each encrypted file (12) recorded on the server (2) makes it possible to reconstruct a df_A (13) table by decryption by an inverse algorithm to that used for the encryption of above.
  • This table df_A (13) is calculated only on the client equipment (1), from:
  • This data preparation step leads to the recording on the server of data which are not directly queryable and which do not reveal significant information on the content or the documents, notably in case of server attack or action malicious of a privileged user. querying
  • the request is made by issuing a textual request formed by a combination of words (20) from the client equipment (1).
  • this request (20) is preprocessed by known means of radicalization type ("stemming" in English, list of exclusions (deletion of common words (“Stop list” in English) and any other usual language treatment.
  • the request (20) is encrypted with the same homomorphic encryption method used for encrypting the TF ⁇ (14) table to obtain an encrypted request (21).
  • the encrypted request (21) is transmitted to the server (2) which records to form a request (40).
  • the server (2) calculates an encrypted response (41).
  • This processing consists in calculating, in the encrypted domain, the number of occurrences of each term q k of the request (40) for each document i known.
  • the client (1) is then able to decrypt the response (50) to calculate a decrypted response (51).
  • the client (1) can combine the response (51) and the df_A (13) table to calculate a TF-IDF (52) score (52) (English Term Frequency-Inverse Document Frequency) according to a known method.
  • This score (52) constitutes a classification key of the documents i in order of relevance with respect to the request (20).
  • the client equipment (1) presents results in the manner of a search engine and allows the user to find the corresponding record.

Landscapes

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

Abstract

La présente invention concerne un procédé de recherche d'informations dans un corpus chiffré stocké sur un serveur, à partir d'une requête numérique calculée sur un équipement client, contenant une séquence de termes, comportant les étapes suivantes : - chiffrement de ladite requête (20) sur un équipement informatique client (1) et transmission à un serveur (1) de gestion de base de données (3) - calcul homomorphe sur le serveur de la réponse chiffrée (41) à la requête chiffrée (40) enregistrée sur le serveur (2) caractérisé en ce qu'il comporte une étape additionnelle de requêtage exécutée sur l'équipement client (1), d'agrégation desdits identifiant des données contenues dans ladite réponse chiffrée (50) et dans l'index df_A (13) enregistré sur l'équipement client (1) — la présentation du résultat sous une forme ordonnée des documents en application du traitement de l'étape précédente. L'invention concerne aussi un procédé de préparation d'une base requêtable et un procédé de recherche d'informations dans un corpus chiffré.

Description

PROCEDE DE RECHERCHE D'INFORMATIONS DANS UN CORPUS CHIFFRE
STOCKE SUR UN SERVEUR
Domaine de 1 ' invention
Le domaine de l'invention concerne la recherche d'informations dans une base de données sous une forme préservant la confidentialité des données et des requêtes.
L'application concerne notamment les systèmes de traitements de données personnelles, et en particulier de données de santé.
Les bases de données font partie intégrante dans de nombreuses applications, telles que les applications financières et les applications de cybersanté médicales. Les bases de données peuvent être très sensibles, contenant des données précieuses d'une entreprise ou d'individus. Le vol de données sensibles est une préoccupation croissante pour les individus, les entreprises et les gouvernements.
Les bases de données peuvent être constituées de collections de fichiers bruts ou gérées à l'aide du système de gestion de base de données (SGBD), telles que la base de données Oracle, MySQL, Microsoft SQL Server, etc. Une base de données peut être déployée sur un serveur au sein d'une entreprise, sur un serveur virtuel dans un nuage (« cloud » en anglais), ou sur un service de SGBD dans un nuage. Le vol de données est une préoccupation pour chaque type de déploiement.
Lorsque les bases de données sont déployées sur un serveur dans les locaux d'une entreprise, le serveur est physiquement sous le contrôle de l'entreprise. Si le serveur est compromis ou infecté par des logiciels malveillants ou des virus, les pirates pourraient être en mesure d'accéder au fichier de données de base de données brutes et de voler les données en contournant tout mécanisme de contrôle d'accès de l'entreprise. D'autre part, les administrateurs de bases de données de l'entreprise ont la possibilité de violer la vie privée et l'intégrité des données intentionnellement ou accidentellement, car ils peuvent accéder aux données stockées pour effectuer les tâches de gestion de base de données. Un système de base de données peut également être déployé par une entreprise sur un serveur virtuel, qui fonctionne sur un nuage comme Amazon Elastic Compute Cloud (Amazon EC2 ) . Dans ce cas, le serveur virtuel qui sous-tend la base de données est physiquement sous le contrôle du fournisseur de nuage, et sur le serveur virtuel de l'entreprise installe SGBD pour gérer leurs bases de données. Comme dans le cas ci-dessus, le vol de données se produit également dans ce cas, si l'infrastructure cloud est compromise par des attaquants, infectée par des logiciels malveillants ou des virus, et les administrateurs de bases de données de l'entreprise pourraient violer la confidentialité et l'intégrité des bases de données.
En outre, si les fournisseurs de cloud ne sont pas tous dignes de confiance ; ils peuvent voler des données de base de données dans les serveurs virtuels fournis par eux.
Pour pallier à ces risques, on a récemment envisagé l'utilisation de solutions utilisant des méthodes de chiffrement homomorphe (ou Homomorphic Encryption, HE, en anglais) pour l'interrogation de bases de données.
Les méthodes de chiffrement homomorphe ont notamment été développées pour des applications de moteur de recherche : l'utilisateur envoie une requête chiffrée au moteur de recherche, sans que ce dernier n'ait connaissance de la requête reçue. Il applique une opération classique de recherche de documents correspondants et renvoie la réponse à l'utilisateur de façon chiffrée. Ainsi, le moteur de recherche ne connaît jamais le contenu en clair la requête.
Ces méthodes de chiffrement homomorphe permettent aussi de faire une recherche parmi des fichiers chiffrés sur un serveur distant pour récupérer les fichiers qui contiennent un terme transmis sous la forme d'une requête transmise de façon chiffrée à un serveur distant. Le serveur applique la recherche sans connaître ce les termes de la requête en clair et retourne le résultat. Le serveur ne connaît jamais ni les requêtes ni les documents enregistrés dans la base de données autrement que sous une forme chiffrée. Une attaque du serveur ne crée de ce fait aucun risque en ce qui concerne la confidentialité des informations, par exemple des données personnelles ou des données de santé.
Une autre application concerne la biométrie exploitant une base d'empreintes digitales des personnes autorisées à effectuer une action, par exemple entrer dans un bâtiment protégé. Ces empreintes sont naturellement chiffrées, car ce sont des données personnelles non révocables.
Les utilisateurs scannent leurs empreintes digitales et ces empreintes sont comparées à celles dans la base de données. Deux empreintes digitales d'une même personne prises à deux moments différents ne sont jamais strictement identiques et il n'est donc pas possible de faire une simple comparaison des empreintes chiffrées (deux chiffrés de deux empreintes différentes sont évidemment différents). Grâce au chiffrement homomorphe, il est possible de comparer les empreintes digitales chiffrées sans jamais les déchiffrer. Etat de la technique
On connaît dans l'état de la technique un document présentant les bases du chiffrement homomorphe, qui est la thèse « A FULLY HOMOMORPHIC ENCRYPTION SCHEME : A DISSERTATION SUBMITTED TO THE DEPARTMENT OF COMPUTER SCIENCE AND THE COMMITTEE ON GRADUATE STUDIES OF STANFORD UNIVERSITY » en septembre 2009, qui décrit au chapitre 7 les principes de base de l'application à la recherche d'informations. On connaît aussi l'article « Multi-keyword Similarity Search over Encrypted Cloud Data » ; Mikhail Strizhov 1 Indrajit Ray 1 29th IFIP International Information Security Conférence (SEC), Jun 2014, Marrakech, Morocco. Springer, IFIP. Cet article décrit une solution basée sur le chiffrement homomorphe pour la recherche de documents chiffrés sur un serveur sans nécessiter que les documents soient déchiffrés avant la recherche.
On connaît aussi le brevet américain US8904171 décrivant un procédé de recherche sécurisée et de récupération d'informations qui comprend la réception d'une requête chiffrée, la création d'un arbre de recherche permuté avec des nœuds qui ont été permutés et chiffrés.
L'arbre de recherche est chiffré avec une première clé de chiffrement privée. Le serveur reçoit une requête d'un client, la requête comprenant un ensemble de mots-clés, dans lequel chaque terme de requête est chiffré avec la première clé de chiffrement privée. La recherche est effectuée en utilisant une requête et une évaluation à chaque nœud de l'arbre afin de déterminer si une ou plusieurs correspondances existent. La réponse est basée sur la concordance de mots-clés pour chaque document et un ou plusieurs nœuds chiffrés avec la première clé de chiffrement privée.
On connaît encore le brevet européen EP2865127 décrivant un chiffrement homomorphe pour interrogation de base de données. Des valeurs numériques sont chiffrées à l'aide de clés et de nombres aléatoires afin de produire un texte chiffré. Le texte chiffré est homomorphe et est composé de deux sous-textes chiffrés ou plus. Des interrogations faisant appel à des opérations d'addition, de moyenne et de multiplication peuvent être effectuées sans déchiffrer les valeurs numériques applicables à l'interrogation. Chaque sous- texte chiffré est stocké dans un seul enregistrement et dans des attributs séparés. L'invention porte sur des procédés de chiffrement et de déchiffrement, de création d'une table appropriée, d'interrogation d'une telle base de données et de mise à jour d'une telle base de données.
On connaît en outre le documents US 2010/146299.
Inconvénients de l'art antérieur
Un des inconvénients du chiffrement homomorphe est que la taille des clés et le coût (en temps de calcul) des opérations sont largement plus importants que les traitements de chiffrement classiques.
Les solutions de l'art antérieur présentent un inconvénient majeur résultant de la puissance de calcul nécessaire pour exécuter sur le serveur les traitements de chiffrement homomorphe à chaque indexation d'un nouveau document ainsi qu'à chaque nouvelle requête. Pour cette raison, les solutions de l'art antérieur ne sont applicables qu'à des corpus très restreints, par exemple un annuaire d'entreprise ou un petit ensemble de documents textuels.
Par ailleurs, les solutions de l'art antérieur sont limitées à la recherche de documents sur la base d'un critère binaire de présence ou d'absence dans le document d'un terme de la requête, sans permettre de proposer de manière efficace un ordonnancement de la pertinence des documents correspondant à la requête. Le procédé selon l'invention propose une solution efficace à la recherche d'informations dans un corpus chiffré de grande taille.
Solutions apportées par l'invention
Afin de répondre à ces inconvénients, l'invention concerne un premier aspect d'un procédé de recherche d'informations dans un corpus chiffré stocké sur un serveur, à partir d'une requête numérique calculée sur un équipement client, contenant une séquence de termes, comportant les étapes suivantes :
- Chiffrement de ladite requête sur un équipement informatique client
- Transmission de ladite requête chiffrée à un serveur de gestion de base de données
- Calcul homomorphe sur le serveur de la réponse chiffrée à la requête chiffrée enregistrée sur le serveur
- Transmission de la réponse chiffrée à l'équipement client - Déchiffrement sur l'équipement client de la réponse chiffrée ( 50 ) et extraction des identifiants des documents
Caractérisé en ce qu'il comporte
a) des étapes de calcul sur l'équipement client, lors de l'introduction d'un nouveau document requêtable i, pour chaque document i appartenant au corpus, d'une première table TF± et d'une deuxième table dfL
- ladite première table TF± comprenant, pour chaque terme indexé w du document i, le nombre d'occurrences du terme w dans le document i - ladite deuxième table AdfL constituée par l'index des mots w présents dans le document i
b) le chiffrement du document i et de ladite table AdfL, ainsi que le chiffrement par un procédé de chiffrement homomorphe de ladite table TFL, et la transmission de ces trois informations numériques chiffrées au serveur pour l'enregistrement dans un espace de stockage dédié à un utilisateur A ou un groupe {Au} d'utilisateurs
c) une étape de création ou de mise à jour d'un index df_A sur l'équipement client, associé à un utilisateur A, pour l'ensemble des documents i accessibles par l'utilisateur A ledit index df_A étant constitué par une table indiquant pour chaque terme w le nombre de documents i contenant ledit terme w
d) des étapes de requêtage consistant à :
— chiffrer sur l'équipement client une requête Q_x constituée par une succession de termes, par un chiffrement homomorphe appartement au même cryptosystème que le chiffrement appliqué à TF
— transmettre la requête ainsi chiffrée au serveur pour la réalisation de ladite étape de calcul homomorphe et de transmission d'une réponse chiffrée au client et de déchiffrement par l'équipement client
— une étape additionnelle exécutée sur l'équipement client, d'agrégation desdits identifiants des données contenues dans ladite réponse chiffrée et dans l'index df_A enregistré sur l'équipement client
— la présentation du résultat sous une forme ordonnée des documents en application du traitement de l'étape précédente .
Selon une variante, le procédé comporte une étape de reconstitution sur l'équipement client de l'index df_A à partir des informations {Adfi} chiffrées enregistrées pour chaque document i dans l'espace dédié du serveur affecté à l'utilisateur A.
Selon une variante, les calculs effectués sur le serveur sont implémentés de manière parallèle et/ou distribuée .
Selon une autre variante, le serveur (2) est constitué par une plateforme nuagique (en anglais « cloud »).
L'invention concerne aussi un procédé de préparation d'une base requêtable à de document i contenant une séquence de termes, caractérisé en ce qu'il comporte les étapes suivantes : a) des étapes de calcul sur l'équipement client, lors de l'introduction d'un nouveau document requêtable i, pour chaque document i appartenant au corpus, d'une première table TF± et d'une deuxième table AdfL
- ladite première table TF± comprenant, pour chaque terme indexé w du document i, le nombre d'occurrences du terme w dans le document i
- ladite deuxième table AdfL constituée par la présence ou non de chaque terme w dans le document i b) le chiffrement du document i et de ladite table
AdfL, ainsi que le chiffrement par un procédé de chiffrement homomorphe de ladite table TFL, et la transmission de ces trois informations numériques chiffrés au serveur pour l'enregistrement dans un espace de stockage dédié à un utilisateur A ou un groupe {Au} d'utilisateurs
c) une étape de création ou de mise à jour d'un index df_A sur l'équipement client, associé à un utilisateur A, pour l'ensemble des documents i accessibles par l'utilisateur A ledit index df_A étant constitué par une table indiquant pour chaque terme w le nombre de documents i contenant ledit terme w.
L'invention concerne aussi un procédé de recherche d'informations dans un corpus chiffré stocké sur un serveur, à partir d'une requête numérique calculée sur un équipement client, contenant une séquence de termes, caractérisé en ce qu'il comporte les étapes suivantes :
- Chiffrement de ladite requête sur un équipement informatique client
- Transmission de ladite requête chiffrée à un serveur de gestion de base de données
- Calcul homomorphe sur le serveur de la réponse chiffrée à la requête chiffrée enregistrée sur le serveur
- Transmission de la réponse chiffrée à l'équipement client - Déchiffrement sur l'équipement client de la réponse chiffrée et extraction des identifiants des documents
lesdites étapes de requêtage consistant à :
— chiffrer sur l'équipement client une requête Q_x constituée par une succession de termes, par un chiffrement homomorphe appartement au même cryptosystème que le chiffrement appliqué à TF
— transmettre la requête ainsi chiffrée au serveur pour la réalisation de ladite étape de calcul homomorphe et de transmission d'une réponse chiffrée au client et de déchiffrement par l'équipement client
et comporte une étape additionnelle exécutée sur l'équipement client, d'agrégation desdits identifiants des données contenues dans ladite réponse chiffrée et dans l'index df_A enregistré sur l'équipement client
et une étape de présentation du résultat sous une forme ordonnée des documents en application du traitement de l'étape précédente. Description détaillée d'un exemple non limitatif de 1 ' invention
La présente invention sera mieux comprise à la lecture de la description qui suit, concernant un exemple non limitatif de réalisation se référant aux dessins annexés où :
— la figure 1 représente une vue schématique d'un système informatique selon l'invention
— la figure 2 représente une vue schématique des flux de données entre les différentes ressources informatiques.
Architecture matérielle La figure 1 représente une vue schématique de l'architecture matérielle de l'invention.
Elle comprend un équipement informatique (1) client relié à un serveur (2) par un réseau informatique, par exemple Internet .
Le serveur (2) est associé à une mémoire (3) pour l'enregistrement d'une base de données. Le serveur (2) comporte un processeur pour réaliser des traitements numériques.
Le serveur (2) et les mémoires (3) sont dans un exemple particulier constitués par un ensemble de ressources distribuées, par exemple de type « cloud ». Architecture fonctionnelle
La figure 2 représente un exemple d'architecture fonctionnelle .
L'équipement client (1) assure le traitement initial d'un document i constitué par un fichier numérique (9) enregistré dans une mémoire de travail.
Optionnellement , chaque terme du document fait l'objet d'un prétraitement préalable par des moyens connus de type radicalisation (« stemming » en anglais), liste d'exclusions (suppression des mots courants (« stop list » en anglais) et tout autre traitement linguistique usuel).
Préparation des fichiers chiffrés requêtables. Le traitement initial se décompose en trois tâches.
La première tâche consiste à appliquer un chiffrement au document i avec un procédé cryptographique connu, par exemple un chiffrement symétrique AES et enregistre une version chiffrée (10) de ce document sur l'équipement client, et optionnellement sur le serveur (2) ou un service de stockage tiers. Le corpus de documents chiffrés ainsi défini constitue la base de documents (32) .
Une seconde tâche, exécutée parallèlement ou séquentiellement, consiste à calculer un index des occurrences des termes présents dans le fichier (9), et à enregistrer une table TF± (14) des occurrences, sous la forme d'une liste des termes Wj présents dans le document i, chacun des termes Wj de cette liste étant associé à un nombre correspondant à l'occurrence tflfj du terme Wj dans le document i.
La table TF± (14) est donc de type [Wj ; tflfj]}j pour un document i .
Une troisième tâche, exécutée parallèlement ou séquentiellement, consiste à calculer une table AdfL (15) correspondant, pour chaque terme wj la présence ou non du terme dans le document. Cette table AdfL (15) est donc de type
On procède ensuite au chiffrement de la table TF± (14) par un procédé de chiffrement homomorphe, par exemple selon un procédé décrit dans l'article Zhou, H., & Wornell, G. (2014, February) . Efficient homomorphic encryption on integer vectors and its applications. In Information Theory and Applications Workshop (ITA), 2014 (pp. 1-9) . IEEE.
Le résultat de ce chiffrement de la table TF± (14) est un ensemble de données chiffrées (11) . Chaque ensemble de données chiffrées (11) est transmis par l'équipement client ( 1 ) au serveur ( 2 ) .
Le regroupement des ensembles de données chiffrées (11) constitue une base chiffrée (30) de tous les {TF1}1.
Parallèlement ou séquentiellement, on procède à un chiffrement de la table AdfL (15) selon un procédé connu, par exemple AES et la transmission au serveur (2) pour enregistrer une version chiffrée (12) sur le serveur (2).
L'ensemble des fichiers chiffrés (12) enregistré sur le serveur constitue une base (31).
Chaque fichier chiffré (12) enregistré sur le serveur (2) permet de reconstituer une table df_A (13) par déchiffrement par un algorithme inverse à celui utilisé pour le chiffrement de précité.
Cette table df_A (13) est calculée uniquement sur l'équipement client (1), à partir :
— Soit de l'ensemble des tables chiffrées (31) enregistrées sur le serveur (2), après leur transmission sur l'équipement client (1)
— soit directement par mise à jour d'une table df_A (13) enregistrée localement sur l'équipement client (1), la mise à jour étant réalisée à chaque ajout d'une table AdfL (15).
Cette étape de préparation des données conduit à l'enregistrement sur le serveur de données qui ne sont pas directement requêtables et qui ne dévoilent pas d'informations signifiantes sur le contenu ni les documents, notamment en cas d'attaque du serveur ou d'action malveillante d'un utilisateur à privilège. Requêtage
Le requêtage est réalisé par l'émission d'une requête textuelle formée par une combinaison de mots (20) à partir de l'équipement client (1).
Optionnellement , cette requête (20) est prétraitée par des moyens connus de type radicalisation ( « stemming » en anglais, liste d'exclusions (suppression des mots courants (« stop list » en anglais) et tout autre traitement linguistique usuel.
La requête (20) est chiffrée avec le même procédé de chiffrement homomorphe que celui utilisé pour le chiffrement de la table TF± (14) pour obtenir une requête chiffrée (21) .
La requête chiffrée (21) est transmise au serveur (2) qui enregistre pour constituer une requête (40) .
Par application d'un calcul sur les données chiffrées de manière homomorphe (30) et de la requête (40), le serveur (2) calcule une réponse chiffrée (41) .
Ce traitement consiste à calculer, dans le domaine chiffré, le nombre d'occurrences de chaque terme qk de la requête (40) pour chaque document i connu.
On dénombre pour chacun des k termes qk et pour chaque document i, les valeurs tflfj pour les cas où qk correspond à un terme Wj , à partir des tables chiffrées [Wj ; tfl j]}j (30) et dans l'espace chiffré, sans déchiffrement des variables wj qk et tflfj.
L'ensemble de ces dénombrements constitue une réponse (41) qui est transmise à l'équipement client (1) qui l'enregistre localement sous forme de réponse (50) .
Le client (1) est en mesure ensuite de procéder au déchiffrement de la réponse (50) pour calculer une réponse déchiffrée (51) .
Finalement, le client (1) peut combiner la réponse (51) et la table df_A (13) pour calculer un score TF-IDF (52) (anglais Term Frequency-Inverse Document Frequency) selon un procédé connu.
Ce score (52) constitue une clé de classement des documents i par ordre de pertinence vis-à-vis de la requête (20) . Optionnellement, l'équipement client (1) présente s résultats à la manière d'un moteur de recherche et permet l'utilisateur de retrouver l'enregistrement correspondant.

Claims

REVENDICATIONS 1 - Procédé de recherche d'informations dans un corpus chiffré stocké sur un serveur, à partir d'une requête numérique calculée sur un équipement client, contenant une séquence de termes, comportant les étapes suivantes : - chiffrement de ladite requête (20) sur un équipement informatique client (1) - transmission de ladite requête chiffrée (21) à un serveur ( 1 ) de gestion de base de données (3) - calcul homomorphe sur le serveur de la réponse chiffrée (41) à la requête chiffrée (40) enregistrée sur le serveur (2) - transmission de la réponse chiffrée (50) à l'équipement client (1) - déchiffrement sur l'équipement client (1) de la réponse chiffrée (50) et extraction des identifiants des documents caractérisé en ce qu'il comporte a) des étapes de calcul sur l'équipement client, lors de l'introduction d'un nouveau document requêtable i, pour chaque document i appartenant au corpus, d'une première table TF± (14) et d'une deuxième table AdfL (15) - ladite première table TF± (14) comprenant, pour chaque terme indexé w du document i, le nombre d'occurrences du terme w dans le document i- ladite deuxième table AdfL (15) constituée par par la présence ou non de chaque terme w dans le document i b) le chiffrement du document i et de ladite table dfL, (15) ainsi que le chiffrement par un procédé de chiffrement homomorphe de ladite table TF± (14), et la transmission de ces trois informations numériques chiffrés au serveur pour l'enregistrement dans un espace de stockage dédié à un utilisateur A ou un groupe {Au} d'utilisateurs c) une étape de création ou de mise à jour d'un index df_A (13) sur l'équipement client (1), associé à un utilisateur A, pour l'ensemble des documents i accessibles par l'utilisateur A ledit index df_A (13) étant constitué par une table indiquant pour chaque terme w le nombre de documents i contenant ledit terme w d) des étapes de requêtage consistant à : — chiffrer sur l'équipement client (1) une requêteQ_x (20) constituée par une succession de termes, par un chiffrement homomorphe appartement au même cryptosystème que le chiffrement appliqué à TF — transmettre la requête (21) ainsi chiffrée au serveur (2) pour la réalisation de ladite étape de calcul homomorphe et de transmission d'une réponse chiffrée (41, 50) au client et de déchiffrement par l'équipement client (1) — une étape additionnelle exécutée sur l'équipement client (1), d'agrégation desdits identifiants des données contenues dans ladite réponse chiffrée (50) et dans l'index df_A (13) enregistré sur l'équipement client (1) — la présentation du résultat sous une forme ordonnée des documents en application du traitement de l'étape précédente . 2 - Procédé de recherche d'informations dans un corpus chiffré stocké sur un serveur selon la revendication 1, comportant une étape de reconstitution sur l'équipement client de l'index df_A à partir des informations Adfi} chiffrées enregistrées dans l'espace dédié du serveur affecté à l'utilisateur A. 3 - Procédé de recherche d'informations dans un corpus chiffré stocké sur un serveur, à partir d'une requête numérique calculée sur un équipement client, contenant une séquence de termes selon la revendication 1, dans lequel les calculs effectués sur le serveur (2) sont implémentés de manière parallèle et/ou distribuée. 4 - Procédé de recherche d'informations dans un corpus chiffré stocké sur un serveur, à partir d'une requête numérique calculée sur un équipement client, contenant une séquence de termes selon la revendication précédente, dans lequel le serveur (2) est constitué par une plateforme nuagique (en anglais « cloud »). 5 - Procédé de préparation d'une base requêtable de documents i contenant une séquence de termes, pour la mise en œuvre d'un procédé de recherche conforme à la revendication 1 comportant les étapes suivantes : a) des étapes de calcul sur l'équipement client, lors de l'introduction d'un nouveau document requêtable i, pour chaque document i appartenant au corpus, d'une première table TF± (14) et d'une deuxième table AdfL (15) - ladite première table TF± (14) comprenant, pour chaque terme indexé w du document i, le nombre d'occurrences du terme w dans le document i- ladite deuxième table AdfL (15) constituée par la présence ou non de chaque terme w dans le document i b) le chiffrement du document i et de ladite table AdfL, (15) ainsi que le chiffrement par un procédé de chiffrement homomorphe de ladite table TF± (14), et la transmission de ces trois informations numériques chiffrées au serveur pour l'enregistrement dans un espace de stockage dédié à un utilisateur A ou un groupe {Au} d'utilisateurs c) une étape de création ou de mise à jour d'un index df_A (13) sur l'équipement client (1), associé à un utilisateur A, pour l'ensemble des documents i accessibles par l'utilisateur A ledit index df_A (13) étant constitué par une table indiquant pour chaque terme w le nombre de documents i contenant ledit terme w. 6 - Procédé de recherche d'informations dans un corpus chiffré stocké sur un serveur, à partir d'une requête numérique calculée sur un équipement client, contenant une séquence de termes, caractérisé en ce qu'elle comporte les étapes suivantes : - Chiffrement de ladite requête (20) sur un équipement informatique client (1) - Transmission de ladite requête chiffrée (21) à un serveur
(1) de gestion de base de données (3)
- Calcul homomorphe sur le serveur de la réponse chiffrée (41) à la requête chiffrée (40) enregistrée sur le serveur (2)
- Transmission de la réponse chiffrée (50) à l'équipement client (1)
- Déchiffrement sur l'équipement client (1) de la réponse chiffrée (50) et extraction des identifiants des documents lesdites étapes de requêtage consistant à :
— chiffrer sur l'équipement client (1) une requête
Q_x (20) constituée par une succession de termes, par un chiffrement homomorphe appartement au même cryptosystème que le chiffrement appliqué à TF
— transmettre la requête (21) ainsi chiffrée au serveur (2) pour la réalisation de ladite étape de calcul homomorphe et de transmission d'une réponse chiffrée (41, 50) au client et de déchiffrement par l'équipement client (1)
et comporte une étape additionnelle exécutée sur l'équipement client (1), d'agrégation desdits identifiants des données contenues dans ladite réponse chiffrée (50) et dans l'index df_A (13) enregistré sur l'équipement client (1) et une étape de présentation du résultat sous forme ordonnée des documents en application du traitement l'étape précédente.
EP18706792.1A 2017-02-15 2018-02-05 Procédé de recherche d'informations dans un corpus chiffre stocke sur un serveur Withdrawn EP3583518A1 (fr)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR1751241A FR3062936B1 (fr) 2017-02-15 2017-02-15 Procede de recherche d'informations dans un corpus chiffre stocke sur un serveur
PCT/FR2018/050276 WO2018150119A1 (fr) 2017-02-15 2018-02-05 Procédé de recherche d'informations dans un corpus chiffre stocke sur un serveur

Publications (1)

Publication Number Publication Date
EP3583518A1 true EP3583518A1 (fr) 2019-12-25

Family

ID=59974493

Family Applications (1)

Application Number Title Priority Date Filing Date
EP18706792.1A Withdrawn EP3583518A1 (fr) 2017-02-15 2018-02-05 Procédé de recherche d'informations dans un corpus chiffre stocke sur un serveur

Country Status (5)

Country Link
US (1) US11308233B2 (fr)
EP (1) EP3583518A1 (fr)
CA (1) CA3050353A1 (fr)
FR (1) FR3062936B1 (fr)
WO (1) WO2018150119A1 (fr)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US12099997B1 (en) 2020-01-31 2024-09-24 Steven Mark Hoffberg Tokenized fungible liabilities

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007120360A2 (fr) * 2005-12-29 2007-10-25 Blue Jungle Système de gestion d'informations
US8544058B2 (en) * 2005-12-29 2013-09-24 Nextlabs, Inc. Techniques of transforming policies to enforce control in an information management system
US7877781B2 (en) * 2005-12-29 2011-01-25 Nextlabs, Inc. Enforcing universal access control in an information management system
US7716240B2 (en) * 2005-12-29 2010-05-11 Nextlabs, Inc. Techniques and system to deploy policies intelligently
US8966250B2 (en) * 2008-09-08 2015-02-24 Salesforce.Com, Inc. Appliance, system, method and corresponding software components for encrypting and processing data
US20100146299A1 (en) * 2008-10-29 2010-06-10 Ashwin Swaminathan System and method for confidentiality-preserving rank-ordered search
US8904171B2 (en) * 2011-12-30 2014-12-02 Ricoh Co., Ltd. Secure search and retrieval
EP2865127A4 (fr) 2012-06-22 2016-03-09 Commw Scient Ind Res Org Cryptage homomorphe pour interrogation de base de données
EP2709028A1 (fr) * 2012-09-14 2014-03-19 Ecole Polytechnique Fédérale de Lausanne (EPFL) Technologies renforçant la protection de la vie privée pour tests médicaux à l'aide de données génomiques
US9536047B2 (en) * 2012-09-14 2017-01-03 Ecole Polytechnique Federale De Lausanne (Epfl) Privacy-enhancing technologies for medical tests using genomic data
WO2015017787A2 (fr) * 2013-08-01 2015-02-05 Visa International Service Association Systèmes, procédés et appareils pour opérations de bases de données homomorphiques
US9501661B2 (en) * 2014-06-10 2016-11-22 Salesforce.Com, Inc. Systems and methods for implementing an encrypted search index
US10037433B2 (en) * 2015-04-03 2018-07-31 Ntt Docomo Inc. Secure text retrieval
US20170293913A1 (en) * 2016-04-12 2017-10-12 The Governing Council Of The University Of Toronto System and methods for validating and performing operations on homomorphically encrypted data
US10783270B2 (en) * 2018-08-30 2020-09-22 Netskope, Inc. Methods and systems for securing and retrieving sensitive data using indexable databases

Also Published As

Publication number Publication date
FR3062936B1 (fr) 2021-01-01
WO2018150119A1 (fr) 2018-08-23
US11308233B2 (en) 2022-04-19
FR3062936A1 (fr) 2018-08-17
US20200019723A1 (en) 2020-01-16
CA3050353A1 (fr) 2018-08-23

Similar Documents

Publication Publication Date Title
US10498706B2 (en) Searchable encryption enabling encrypted search based on document type
US9825925B2 (en) Method and apparatus for securing sensitive data in a cloud storage system
CN106326360B (zh) 一种云环境中密文数据的模糊多关键词检索方法
Zhang et al. Pop: Privacy-preserving outsourced photo sharing and searching for mobile devices
US10404669B2 (en) Wildcard search in encrypted text
US20140108435A1 (en) Secure private database querying system with content hiding bloom fiters
US20130159694A1 (en) Document processing method and system
CA2778847C (fr) Identification par controle de donnees biometriques d'utilisateur
Cheng et al. Person re-identification over encrypted outsourced surveillance videos
US20230306131A1 (en) Systems and methods for tracking propagation of sensitive data
US20210184840A1 (en) Encrypted Search with a Public Key
Cui et al. Harnessing encrypted data in cloud for secure and efficient image sharing from mobile devices
Heen et al. On the privacy impacts of publicly leaked password databases
EP3583518A1 (fr) Procédé de recherche d'informations dans un corpus chiffre stocke sur un serveur
EP3461055B1 (fr) Système et procédé pour assurer l'annotation externalisée sécurisée d'ensembles de données
Alamri et al. Secure sharing of health data over cloud
Poon et al. Privacy-aware search and computation over encrypted data stores
Boldyreva et al. Masking fuzzy-searchable public databases
Surrah Multi Keyword Retrieval On Secured Cloud
Malhotra et al. An efficacy analysis of data encryption architecture for cloud platform
Sah et al. Preserving Data Privacy with Record Retrieval using Visual Cryptography and Encryption Techniques
Agarwal et al. Privacy Preserving content-based image retrieval using Cloud Computing
Rajendran et al. An Efficient Ranked Multi-Keyword Search for Multiple Data Owners Over Encrypted Cloud Data: Survey
Zhang et al. Outsource photo sharing and searching for mobile devices with privacy protection
Thomas et al. Image De-Duplication by using Tin Eye Match Service Engine in Cloud Computing

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20190809

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR

AX Request for extension of the european patent

Extension state: BA ME

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: EXAMINATION IS IN PROGRESS

17Q First examination report despatched

Effective date: 20211125

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE APPLICATION IS DEEMED TO BE WITHDRAWN

18D Application deemed to be withdrawn

Effective date: 20231130