云存储加密数据搜索技术研究

【摘要】：在云存储中,为了保护数据安全及用户隐私,通常需对数据加密。与明文不同,加密后的数据往往难以操作,除了数据属主之外,其他用户无法访问,这种限制严重影响了数据的可用性,数据的使用价值也大大降低。为了在保证数据安全及用户隐私的同时提高数据的可用性,本文针对云存储环境的特点,深入研究了LSH(Locality Sensitive Hashing)相似性搜索方法,并根据云存储海量数据的特点,在现有LSH方法的基础上对查询过程中的第二阶段加入伪相似对象剔除,提出了E-LSH(Efficient LSH)相似性搜索方法,在不影响准确率的前提下有效提高了查询效率,解决了加密造成的数据蔽塞。E-LSH方法采用索引与存储分离的方式,将特征项索引与密文数据分开存储,对特征项进行转码处理,用户在搜索数据过程中无法接触数据,既保护了用户的查询隐私,又保证了数据的安全。为了适用云存储海量数据搜索的需求,本文采用Map Reduce实现了E-LSH方法,并将其运行于Hadoop分布式环境,实验结果表明E-LSH方法与Multi-Probe LSH方法相比加速比达到18.4%。此外,本文还设计了一个云存储加密数据搜索系统方案,在保证数据安全的基础上实现了数据的搜索与安全共享。系统支持关键词和数据对象查询,系统构建者也可根据不同数据类型定制所需的系统,既满足了用户的数据搜索与共享需求,又方便了系统构建者和云存储服务提供商。
【关键词】：云存储 加密数据搜索 数据共享 E-LSH Hadoop Map Reduce 分布式
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TP333;TP309.7