基于倒排索引的密文数据库检索方法研究

密文数据库检索方法是数据库加密技术研究的难点和重点,目前,对于密文数据库检索方法的研究还处于起步的阶段,在各个方面的技术还存在着许多的不成熟的地方,存在着一定的弊端,这就要求从事密文数据库检索工作的工作人员在不断的实践中探索出解决问题的方法,改善这些弊端。许多的数据库都是带密码的,不是随便就能进去的,这就给许多需要下载资料的用户带来了很大程度上的不方便。这对这种现象,本文将从全文检索倒排所以技术的基础上,对通过密文倒排索引文件对其进行快速检索的方法的进行研究。力求将这种不需要了解密文的情况下对密文数据库实施检索的方法进行具体的阐述。     

XML密文数据库检索模型的研究

针对外包XML数据库安全性差、密文检索效率低等问题,提出一种XML数据库密文检索模型,通过建立密文数据库的值索引和结构索引,并采用分桶管理策略记录值索引和结构索引中的入口地址,实现对XML数据的快速检索。此模型安全性高,通过支持范围的查询,容易实现数据的更新,可以有效地提高密文检索性能。     

并行密文倒排索引研究

加密数据是保护用户隐私的一个方法,特别在开放系统中的数据处理需求更为迫切,但要解决如何在密文上进行检索的问题。针对SSE-1密文检索方案的一些性能缺陷,采用不同的加密策略,在lucene倒排索引的基础上,设计了密文倒排索引Crypt-Lucene,同时结合云计算特点,设计了并行构建Crypt-Lucene方案,理论分析了方案的性能,并通过实验证明了方法的有效性。实验结果表明,Crypt-Lucene与SSE-1相比,索引构建时间减少了约为60%,同时具有较好的空间性能,对于大文档集合,利用MapReduce在4结点构成的Hadoop集群上并行构建8个Crypt-Lucene索引能减少83.4%的时间。     

基于密文数据库中数组检索的研究

通过比较集中索引以及分散索引,提出一种更为快捷的数组索引的密文查询方法,并较详细阐述了三者在时间、空间、安全性等方面的特点,从而体现出这种索引数组特有的优越性.     

一种动态安全的密文数据库检索方法

密文数据库检索是当前密文数据库的关键技术之一.针对密文数据库中的密文属性列,提出了一种有效的、动态安全的密文索引方案,并给出了其检索算法.     

支持密文索引的数据库透明加密方法

随着数据库的应用日益广泛,如何保护隐私数据和防止敏感数据泄露成为当前面临的重大挑战。数据库加密被证明是保护数据安全的有效手段,但是对数据库进行加密之后,数据之间原有的偏序关系将会丧失,无法通过原来的索引机制来加快对密文数据的条件查询。本文提出一种对数据库中的字段进行透明加密并实现高效条件查询的方法,并报告了基于该方法开发的数据库加密系统的测试数据。     

基于多重倒排文件的快速相似性检索

提出一种新的高维空间中点数据的索引方法（即MIF）,其基本原理是利用多维倒排文件。和传统索引方法相比,新方法有许多优点,例如它能以较低的复杂度建立索引结构、支持非常高的维数、极低的I／O代价等。实验结果表明,该方法优于传统的索引方法。     

基于混合云架构的深度语义密文检索

针对传统的云环境下密文检索方案基于统计学模型来生成文件向量和检索向量,并没有考虑文件和请求的深层次语义信息,提出一种基于混合云架构的深层次语义密文检索模型。通过私有云联邦学习神经网络模型构建向量生成模型,通过公有云存储密文数据。另外,提出密倒排索引表来存放文件向量,在公有云的检索过程中,保证检索信息不被泄露的情况下提高检索的效率。对真实数据集的分析和实验表明,提出的方案在安全性和搜索效率方面都优于目前同类型的密文检索方案。     

基于倒排索引的可验证混淆关键字密文检索方案

随着云计算的发展,以密文检索为核心技术的安全搜索问题日益成为国内外研究的热点.为了提高密文检索方案的安全性,提出了基于倒排索引的可验证混淆关键字密文检索方案.首先,在构建陷门时插入混淆关键字抵抗恶意云服务器的关键字攻击,同时引入数据缓存区,利用Pailliar加密技术对包含混淆关键字搜索结果进行盲计算,过滤掉包含目标关键字以外的密文数据,减少通信开销;其次,利用双线性映射生成标签验证搜索结果,并对方案在正确性、安全性和可靠性这3个方面进行了验证.在真实数据集上进行反复实验,理论分析和实验结果表明,该方案在保证检索效率的同时,比现有的密文检索方案有效地提高了密文检索的安全性.     

基于同态加密的密文检索方案研究

现有的密文检索技术主要是采用的是布尔模型,它无法精确的计算出检索项与待检索文件的相关度,不能按相似度进行精确的排序;针对以上情况,结合同态加密技术和基于TF-IDF的向量空间模型技术,提出了一个基于向量空间模型全同态环境下的密文检索方案BVH(based vector space model and homomorphism ciphertext retrieval scheme),BVH主要分为3个步骤:第一是预处理阶段,主要对上传的文件建立倒排索引,生成文件向量集,计算各个文件向量的模,对文件向量集和要上传的文件加密以密文的形式上传到云端;第二个阶段是检索阶段,主要是将搜索词的向量密文和各个文件向量的密文相乘将结果以密文的形式返回给客户端;第3个阶段结果处理阶段,主要是对解密后的结果进行相应的计算处理,对最后的处理结果按相似度大小排序;经分析,该方案在准确率和检索效率方面都得到了较大提升。