Semantisch bewusste Suche über verschlüsselte Daten für Cloud-Computing

Mit der zunehmenden Akzeptanz von Cloud-Computing lagert eine wachsende Anzahl von Benutzern ihre Datensätze in die Cloud aus. Um die Privatsphäre zu wahren, werden die Datensätze in der Regel vor der Auslagerung verschlüsselt. Allerdings macht die gängige Praxis der Verschlüsselung die effektive Nutzung der Daten schwierig. Zum Beispiel ist es schwierig, die angegebenen Schlüsselwörter in verschlüsselten Datensätzen zu durchsuchen. Viele Systeme wurden vorgeschlagen, um verschlüsselte Daten basierend auf Schlüsselwörtern durchsuchbar zu machen. Allerdings ignorieren schlüsselwortbasierte Suchsysteme die semantische Repräsentationsinformation der Rückholung der Benutzer und können die Suchintention der Benutzer nicht vollständig erfüllen. Daher ist es eine schwierige Herausforderung, ein inhaltsbasiertes Suchsystem zu entwerfen und die semantische Suche effektiver und kontextbewusster zu gestalten. In diesem Papier schlagen wir ECSED vor, ein neuartiges semantisches Suchsystem, das auf der Konzept-Hierarchie und der semantischen Beziehung zwischen Konzepten in den verschlüsselten Datensätzen basiert. ECSED verwendet zwei Cloud-Server. Einer wird verwendet, um die ausgelagerten Datensätze zu speichern und die eingestuften Ergebnisse an die Datenbenutzer zurückzugeben. Der andere wird verwendet, um die Ähnlichkeitsscores zwischen den Dokumenten und der Anfrage zu berechnen und die Scores an den ersten Server zu senden. Um die Sucheffizienz weiter zu verbessern, nutzen wir eine baum-basierte Indexstruktur, um alle Dokumentindexvektoren zu organisieren. Wir verwenden die Mehr-Schlüsselwort-Rangsuche über verschlüsselte Cloud-Daten als unseren grundlegenden Rahmen, um zwei sichere Systeme vorzuschlagen. Die experimentellen Ergebnisse basieren auf echten Datensätzen und zeigen, dass das System effizienter ist als frühere Systeme. Wir beweisen auch, dass unsere Systeme unter dem bekannten Chiffre-Modell und dem bekannten Hintergrundmodell sicher sind.