面向云环境密文排序检索的字典划分向量空间模型

doi:10.11772/j.issn.1001-9081.2022071111

《计算机应用》唯一官方网站 ›› 2023, Vol. 43 ›› Issue (7): 1994-2000.DOI: 10.11772/j.issn.1001-9081.2022071111

• 第39届CCF中国数据库学术会议(NDBC 2022) • 上一篇

面向云环境密文排序检索的字典划分向量空间模型

陆佳行¹, 戴华¹^,²(), 刘源龙¹, 周倩³, 杨庚¹^,²

^1.南京邮电大学计算机学院, 南京 210023
^2.江苏省大数据安全与智能处理重点实验室(南京邮电大学), 南京 210023
^3.南京邮电大学现代邮政学院, 南京 210023

收稿日期:2022-07-12 修回日期:2022-08-25 接受日期:2022-08-29 发布日期:2023-07-20 出版日期:2023-07-10
通讯作者: 戴华
作者简介:陆佳行（1997—），女，江苏宜兴人，硕士研究生，CCF会员，主要研究方向：数据管理、云计算安全；
戴华（1982—），男，江苏盐城人，教授，博士，CCF会员，主要研究方向：云计算安全、隐私保护；
刘源龙（2000—），男，江苏连云港人，硕士研究生，主要研究方向：数据管理、云计算安全；
周倩（1983—），女，江苏兴化人，讲师，博士，CCF会员，主要研究方向：信息安全、隐私保护；
杨庚（1961—），男，江苏建湖人，教授，博士，CCF会员，主要研究方向：云计算安全、隐私保护。
基金资助:
国家自然科学基金资助项目(61872197)

Dictionary partition vector space model for ciphertext ranked search in cloud environment

Jiaxing LU¹, Hua DAI¹^,²(), Yuanlong LIU¹, Qian ZHOU³, Geng YANG¹^,²

^1.School of Computer Science，Nanjing University of Posts and Telecommunications，Nanjing Jiangsu 210023，China
^2.Jiangsu Key Laboratory of Big Data Security and Intelligent Processing （Nanjing University of Posts and Telecommunications），Nanjing Jiangsu 210023，China
^3.School of Modern Posts，Nanjing University of Posts and Telecommunications，Nanjing Jiangsu 210023，China

Received:2022-07-12 Revised:2022-08-25 Accepted:2022-08-29 Online:2023-07-20 Published:2023-07-10
Contact: Hua DAI
About author:LU Jiaxing， born in 1997， M. S. candidate. Her research interests include data management， cloud computing security.
DAI Hua， born in 1982， Ph. D.， professor. His research interests include cloud computing security， privacy protection.
LIU Yuanlong， born in 2000， M. S. candidate. His research interests include data management， cloud computing security.
ZHOU Qian， born in 1983， Ph. D.， lecturer. Her research interests include information security， privacy protection.
YANG Geng， born in 1961， Ph. D. professor. His research interests include cloud computing security， privacy protection.
Supported by:
National Natural Science Foundation of China(61872197)

摘要/Abstract

摘要：

针对传统向量空间模型（TVSM）生成的向量维度高，计算文档与检索关键词相关度的向量点积运算耗时长的问题，提出一种面向云环境密文排序检索的字典划分向量空间模型（DPVSM）。首先给出DPVSM的具体定义，并证明了DPVSM中检索关键词与文档的相关度得分与TVSM中的相关度得分完全相等；然后，采用等长字典划分方法，提出加密向量生成算法和文档与检索关键词相关度得分计算算法。实验结果表明，DPVSM文档向量的空间开销远少于TVSM，且文档数量越多开销降低越多；此外，DPVSM的检索向量的空间开销以及相关度得分计算的耗时也远低于TVSM。显然，DPVSM在生成向量的空间效率和相关度得分计算的时间效率上均优于TVSM。

关键词: 云计算, 向量空间模型, 可搜索加密, 字典划分, 多关键词检索

Abstract:

Aiming at the problems that the dimensions of vectors generated by Traditional Vector Space Model （TVSM） are high， and the vector dot product operation to calculate the correlation between the documents and the queried keywords is time-consuming， a Dictionary Partition Vector Space Model （DPVSM） for ciphertext ranked search in cloud environment was proposed. Firstly， the specific definition of DPVSM was given， and it was proved that the relevance score between the queried keywords and the documents in DPVSM was exactly the same as that in TVSM. Then， by adopting the equal-length dictionary partition method， an encrypted vector generation algorithm and a relevance score calculation algorithm between documents and queried keywords were proposed. Experimental results show that the space occupation of document vectors of DPVSM is much lower than that of TVSM， and the more the number of documents， the greater the occupation reduction. In addition， the space occupation of query vectors and the time consumption of relevance score calculation are also much lower than those of TVSM. Obviously， DPVSM is superior to TVSM in both the space efficiency of generated vectors and the efficiency cost of relevance score calculation.

Key words: cloud computing, vector space model, searchable encryption, dictionary partition, multi-keyword search

中图分类号:

TP391.1

陆佳行, 戴华, 刘源龙, 周倩, 杨庚. 面向云环境密文排序检索的字典划分向量空间模型[J]. 计算机应用, 2023, 43(7): 1994-2000.

Jiaxing LU, Hua DAI, Yuanlong LIU, Qian ZHOU, Geng YANG. Dictionary partition vector space model for ciphertext ranked search in cloud environment[J]. Journal of Computer Applications, 2023, 43(7): 1994-2000.

图/表 7

图1 n对加密文档向量的空间占用的影响

Fig. 1 Influence of n on space occupation of encrypted document vector

图2 n对加密检索向量的空间占用的影响

Fig. 2 Influence of n on space occupation of encrypted query vector

图3 |Q|对加密检索向量空间占用的影响

Fig. 3 Influence of |Q| on space occupation of encrypted query vector

图4 n对相关度得分计算时间消耗的影响

Fig. 4 Influence of n on time consumption of relevance score calculation

图5 |Q|对相关度得分计算时间消耗的影响

Fig. 5 Influence of |Q| on time consumption of relevance score calculation

图6 τ对相关度得分计算时间消耗的影响

Fig. 6 Influence of τ on time consumption of relevance score calculation

图7 τ对加密文档向量空间消耗的影响

Fig. 7 Influence of τ on space occupation of encrypted document vector

参考文献 28

1	冯朝胜，秦志光，袁丁.云数据安全存储技术［J］.计算机学报， 2015， 38（1）： 150-162.
	FENG C S， QIN Z G， YUAN D. Techniques of secure storage for cloud data［J］. Chinese Journal of Computers， 2015， 38（1）： 150-162.
2	KABIR H M D， KHOSRAVI A， MONDAL S K， et al. Uncertainty-aware decisions in cloud computing： foundations and future directions［J］. ACM Computing Surveys， 2022， 54（4）： No.74. 10.1145/3447583
3	LINTHICUM D S. Approaching cloud computing performance［J］. IEEE Cloud Computing， 2018， 5（2）： 33-36. 10.1109/mcc.2018.022171665
4	SEHGAL N K， BHATT P C P. Foundations of cloud computing［M］// Cloud Computing： Concepts and Practices. Cham： Springer， 2018： 11-40. 10.1007/978-3-319-77839-6_2
5	BÖSCH C， HARTEL P， JONKER W， et al. A survey of provably secure searchable encryption［J］. ACM Computing Surveys， 2015， 47（2）： No.18. 10.1145/2636328
6	WANG Y L， WANG J F， CHEN X F. Secure searchable encryption： a survey［J］. Journal of Communications and Information Networks， 2016， 1： 52-65. 10.1007/bf03391580
7	POH G S， CHIN J J， YAU W C， et al. Searchable symmetric encryption： designs and challenges［J］. ACM Computing Surveys， 2018， 50（3）： No.40. 10.1145/3064005
8	CHEN Q， FAN K， ZHANG K， et al. Privacy-preserving searchable encryption in the intelligent edge computing［J］. Computer Communications， 2020， 164： 31-41. 10.1016/j.comcom.2020.09.012
9	CURTMOLA R， GARAY J， KAMARA S， et al. Searchable symmetric encryption： improved definitions and efficient constructions［J］. Journal of Computer Security， 2011， 19（5）： 895-934. 10.3233/jcs-2011-0426
10	XIA Z H， WANG X H， SUN X M， et al. A secure and dynamic multi-keyword ranked search scheme over encrypted cloud data［J］. IEEE Transactions on Parallel and Distributed Systems， 2016， 27（2）： 340-352. 10.1109/tpds.2015.2401003
11	CHEN C， ZHU X J， SHEN P S， et al. An efficient privacy-preserving ranked keyword search method［J］. IEEE Transactions on Parallel and Distributed Systems， 2016， 27（4）： 951-963. 10.1109/tpds.2015.2425407
12	WANG C， CAO N， REN K， et al. Enabling secure and efficient ranked keyword search over outsourced cloud data［J］. IEEE Transactions on Parallel and Distributed Systems， 2012， 23（8）： 1467-1479. 10.1109/tpds.2011.282
13	CAO N， WANG C， LI M， et al. Privacy-preserving multi-keyword ranked search over encrypted cloud data ［C］// Proceedings of the 2011 IEEE Conference on Computer Communications. Piscataway： IEEE， 2011： 829-837. 10.1109/infcom.2011.5935306
14	DING X F， LIU P， JIN H. Privacy-preserving multi-keyword top-k similarity search over encrypted data［J］. IEEE Transactions on Dependable and Secure Computing， 2019， 16（2）： 344-357. 10.1109/tdsc.2017.2693969
15	DAI X L， DAI H， RONG C M， et al. Enhanced semantic-aware multi-keyword ranked search scheme over encrypted cloud data［J］. IEEE Transactions on Cloud Computing， 2022， 10（4）： 2595-2612. 10.1109/tcc.2020.3047921
16	LI H W， YANG Y， LUAN T H， et al. Enabling fine-grained multi-keyword search supporting classified sub-dictionaries over encrypted cloud data［J］. IEEE Transactions on Dependable and Secure Computing， 2016， 13（3）： 312-325. 10.1109/tdsc.2015.2406704
17	YANG Y， ZHAN Y C， LIU J， et al. Chinese multi-keyword fuzzy rank search over encrypted cloud data based on locality-sensitive hashing［J］. Journal of Information Science and Engineering， 2019， 35（1）： 137-158.
18	SUN W H， WANG B， CAO N， et al. Verifiable privacy-preserving multi-keyword text search in the cloud supporting similarity-based ranking［J］. IEEE Transactions on Parallel and Distributed Systems， 2014， 25（11）： 3025-3035. 10.1109/tpds.2013.282
19	LI J Y， MA J F， MIAO Y B， et al. Verifiable semantic-aware ranked keyword search in cloud-assisted edge computing［J］. IEEE Transactions on Services Computing， 2022， 15（6）： 3591-3605. 10.1109/tsc.2021.3098864
20	WANG B， SONG W， LOU W J， et al. Inverted index based multi-keyword public-key searchable encryption with strong privacy guarantee ［C］// Proceedings of the 2015 IEEE Conference on Computer Communications. Piscataway： IEEE， 2015： 2092-2100. 10.1109/infocom.2015.7218594
21	JIANG X X， YU J， YAN J B， et al. Enabling efficient and verifiable multi-keyword ranked search over encrypted cloud data［J］. Information Sciences， 2017， 403/404： 22-41. 10.1016/j.ins.2017.03.037
22	DAI H， YANG M H， YANG G， et al. A keyword-grouping inverted index based multi-keyword ranked search scheme over encrypted cloud data［J］. IEEE Transactions on Sustainable Computing， 2022， 7（3）： 561-578. 10.1109/tsusc.2021.3125520
23	WU H C， LUK R W P， WONG K F， et al. Interpreting TF-IDF term weights as making relevance decisions［J］. ACM Transactions on Information Systems， 2008， 26（3）： No.13. 10.1145/1361684.1361686
24	WONG W K， CHEUNG D W L， KAO B， et al. Secure kNN computation on encrypted databases ［C］// Proceedings of the 2009 ACM SIGMOD International Conference on Management of Data. New York： ACM， 2009： 139-152. 10.1145/1559845.1559862
25	CHERUKU H， SUBHASHINI P. Ranked search over encrypted cloud data in azure using secure K-NN［M］// AGGARWAL V B， BHATNAGAR V， MISHRA D K. Big Data Analytics： Proceedings of CSI 2015， AISC 654. Singapore： Springer， 2018： 341-350.
26	SALTON G， WONG A， YANG C S. A vector space model for automatic indexing［J］. Communications of the ACM， 1975， 18（11）： 613-620. 10.1145/361219.361220
27	BAQUET D. New York Times Dataset［DS/OL］. ［2022-05-23］. .
28	LANG K. NewsWeeder： learning to filter netnews ［C］// Proceedings of the 12th International Conference on Machine Learning. San Francisco： Morgan Kaufmann Publishers Inc.， 1995： 331-339. 10.1016/b978-1-55860-377-6.50048-7

[1]	庞晓琼, 王云婷, 陈文俊, 姜攀, 高亚楠. 基于区块链的公平可验证的多关键词密文排序检索[J]. 《计算机应用》唯一官方网站, 2023, 43(1): 130-139.
[2]	孙京宇, 朱家玉, 田自强, 史国振, 关川江. 基于椭圆曲线加密且支持撤销的属性基加密方案[J]. 《计算机应用》唯一官方网站, 2022, 42(7): 2094-2103.
[3]	张金泉, 徐寿伟, 李信诚, 王重洋, 徐景芝. 基于正交自适应鲸鱼优化的云计算任务调度[J]. 《计算机应用》唯一官方网站, 2022, 42(5): 1516-1523.
[4]	李莉, 吴怡, 杨祉坤, 陈云鹏. 基于分区型区块链医疗电子病历共享方案[J]. 《计算机应用》唯一官方网站, 2022, 42(1): 183-190.
[5]	陈家豪, 殷新春. 基于云雾计算的可追踪可撤销密文策略属性基加密方案[J]. 计算机应用, 2021, 41(6): 1611-1620.
[6]	葛丽娜, 胡雨谷, 张桂芬, 陈园园. 云计算环境基于客体属性匹配的逆向混合访问控制方案[J]. 计算机应用, 2021, 41(6): 1604-1610.
[7]	杨翎, 姜春茂. 基于三支决策的虚拟机节能迁移策略[J]. 计算机应用, 2021, 41(4): 990-998.
[8]	孙晓玲, 杨光, 沈焱萍, 杨秋格, 陈涛. 基于可拆分倒排索引的可搜索加密方案[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3288-3294.
[9]	吕佳玉, 竺智荣, 姚志强. 云计算环境下的双通道数据动态加密策略[J]. 计算机应用, 2020, 40(8): 2268-2273.
[10]	陈程军, 毛莺池, 王绎超. 基于激活-熵的分层迭代剪枝策略的CNN模型压缩[J]. 计算机应用, 2020, 40(5): 1260-1265.
[11]	郭曙杰, 李志华, 蔺凯青. 云环境下基于模糊隶属度的虚拟机放置算法[J]. 计算机应用, 2020, 40(5): 1374-1381.
[12]	许英鑫, 孙磊, 赵建成, 郭松辉. 基于蚁群优化算法的虚拟现场可编程门阵列部署策略[J]. 计算机应用, 2020, 40(3): 747-752.
[13]	王庆永, 毛莺池, 王绎超, 王龙宝. 基于多微云协作的计算任务卸载[J]. 《计算机应用》唯一官方网站, 2020, 40(2): 328-334.
[14]	刘福鑫, 李劲巍, 王熠弘, 李琳. 基于Kubernetes的云原生海量数据存储系统设计与实现[J]. 《计算机应用》唯一官方网站, 2020, 40(2): 547-552.
[15]	杨哂哂, 吴慧珍, 庄黎丽, 吕宏武. 基于Markov过程的IaaS系统可用性建模与分析方法[J]. 计算机应用, 2020, 40(10): 3013-3018.

面向云环境密文排序检索的字典划分向量空间模型

Dictionary partition vector space model for ciphertext ranked search in cloud environment

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 7

参考文献 28

相关文章 15

编辑推荐

Metrics