基于云計算的數據隱私保護技術研究

摘要：大數據使云計算成為數據存儲和處理的重要途徑．但也引發了數據隱私和安全問題。因此，發展基于云計算的數據隱私保護技術是當前研究熱點之一。文章進一步開發了包括數據提供者、服務器和用戶3部分組成的云架構．并發展了一種apriori算法來增強加密數據的隱私性、云計算系統的數據保護以及查詢隱私功能。最后，為了評估所提出的架構的安全性能，實驗使用Windows 11操作系統的計算機對不同的最小支持度和數據量做安全評估。測試表明，所提出的算法能為云計算系統提供安全的隱私保護。

關鍵詞：云計算；數據隱私；apriori算法；相等性測試

中圖法分類號：TP393 文獻標識碼：A

１ 引言

隨著大數據時代的到來，云計算已成為數據存儲和處理的重要手段［１］ 。然而，云計算的廣泛應用也引發了數據隱私泄露的風險，基于云計算的數據隱私保護技術也應運而生，并成為當前研究的熱點之一［２］ 。

基于云計算的數據隱私保護技術主要包括基于加密算法的技術［３］ 、基于隱私保護協議的技術［４］ 和基于數據脫敏的技術等。

基于加密算法的技術通過對數據進行加密，可以使數據在傳輸過程中不被竊取或篡改。常見的加密算法包括對稱加密算法、非對稱加密算法和哈希加密算法。對稱加密算法是最常用的加密算法之一，該算法的核心思想是使用相同的密鑰進行加密和解密。

常用的對稱加密算法包括ＤＥＳ，ＡＥＳ 等。非對稱加密算法則使用一對密鑰，分別是公鑰和私鑰。公鑰可以公開使用，私鑰只有數據接收方才能使用。常見的非對稱加密算法有ＲＳＡ，ＥＣＣ 等。哈希加密算法通過對數據進行單向的哈希運算，可以將數據轉化為固定長度的哈希值，以保證數據的一致性和完整性。

另外，基于隱私保護協議的技術也是一種常用的數據隱私保護技術。該技術利用協議來保護數據隱私，包括差分隱私保護協議、匿名化保護協議和混淆保護協議等。差分隱私保護協議的核心思想是通過向數據添加噪音的方式保證數據的隱私性，常見的協議有拉普拉斯機制和指數機制。匿名化保護協議則是對數據進行一定程度的匿名化處理。混淆保護協議則是將數據進行重復排列和混淆，使得攻擊者無法獲取到原始數據。最后，基于數據脫敏的技術是對敏感數據進行脫敏處理，使得數據在保留數據基本特征的同時，又能保護數據的隱私。

目前，基于加密算法的技術仍是最常用的數據隱私保護技術。本文發展了一種ａｐｒｉｏｒｉ 算法來增強加密數據的隱私性，云計算系統通過這種算法增強了數據保護以及查詢隱私功能。結果表明，與先前提出的關聯規則挖掘相比，所提出的算法顯著增強了云計算系統的隱私保護功能。

２ 云計算系統架構

目前，盡管已經開發了多種安全協議來保護云存儲免受外部攻擊，但云內部的隱私保護同樣重要。在常見的云架構中，系統對外遵循協議和標準，但內部算法仍可以訪問受到保護的關鍵數據，侵入了云存儲的隱私。在本研究中，我們將進一步完善現有的云架構。

所采用的體系結構由４ 個主要部分組成：數據提供者、服務器１、服務器２ 和用戶，如圖１ 所示。在該架構中，數據提供者是原始數據的實際所有者，用戶從云存儲中查找數據的實體，該架構使用安全的計算協議，并將其用于２ 個云服務器之間的安全計算。本架構的工作流程如下：首先，數據提供者使用Ｅｌｇａｍａｌ加密算法生成密鑰和公鑰，密鑰生成后，數據提供商將生成的公鑰和加密數據集發送到服務器１；然后，數據提供者向服務器２ 提供ｅｌｇａｍａｌ 公鑰，它會并行地向用戶發送生成的公鑰；共享密鑰對數據加密后，用戶以加密查詢的形式發出請求，并將其發送到服務器１。在該架構中，使用安全純文本相等性測試來檢查２個加密數據集是否相等，無需對其進行實際解密。２個云服務器協同工作，服務器１ 使用安全純文相等性測試執行ａｐｒｉｏｒｉ 算法。

３ 基于ａｐｒｉｏｒｉ 算法的數據隱私保護技術

為了提高云計算架構的數據隱私性，采用了ａｐｒｉｏｒｉ 算法和安全純文本相等性測試來增強云計算中的隱私保護功能，圖２ 解釋了所提算法的流程。

３．１ 安全純文本相等性測試

本架構使用了安全純文本相等測試算法。安全純文本相等性測試算法基于輸入比較返回值，輸出值可以是ｔｒｕｅ 或ｆａｌｓｅ。若２ 個純文本值相同，則返回ｔｒｕｅ，否則返回ｆａｌｓｅ。算法的輸入是２ 個密文（ｉｎｐｕｔ１和ｉｎｐｕｔ２），輸出為真或假。首先，服務器１ 生成一個復合數ｔ，并向服務器２ 發送ｉｎｐｕｔ１（ｔ）。使用ｉｎｐｕｔ１（ｔ），ｉｎｐｕｔ２（ｔ）和２ 個密碼輸入，使用該值生成Ｓ１ 和Ｓ２。然后，將此數據傳輸到服務器２，使用服務器２ 上的密鑰生成輸出ｇｒ１ｘ 和ｇｒ２ｘ，其中，ｘ 是密鑰生成后數據提供者提供的密鑰。最后，這些值被傳輸到服務器１，在服務器１ 中，它們使用ｔ，ｇｒ１ｘ 和ｇｒ２ｘ 生成算法的輸出，并根據輸出為ｔｒｕｅ 或ｆａｌｓｅ 定義２ 個密文是否相似。

本研究提出的基于ａｐｒｉｏｒｉ 算法和安全純文本平等測試算法的隱私保護有２ 個重要步驟：候選集的生成和頻繁集的計算。

３．２ 候選集的生成

每個候選集合存在多個模式，每個模式由多個項目組成。候選集生成包括以下步驟。首先，從ｋ?１ 頻繁數據集中選擇一對模式＜ｐ１，ｐ２＞。然后，在模式１和模式２ 的項目之間執行連接，并將連接的結果添加到候選集Ｓｋ，其中ｋ 是項目數。在對模式１ 和模式２的所有排除項執行該連接后，Ｓｋ 被傳送到服務器１。

３．３ 頻繁集的計算

在該步驟中，計算候選集合的頻繁集（Ｓｋ）。首先，從候選集合中選擇一個模式，然后，對屬于所選模式的所有項目執行安全純文本相等測試。若此測試返回ｔｒｕｅ，則匹配項計數加１。

３．４ ａｐｒｉｏｒｉ 算法

本文所采用的ａｐｒｉｏｒｉ 算法流程如圖２ 所示。最初，Ｌ１ 被設置為數據所有者接收的單個項目集。然后，使用候選集生成算法生成候選集，并計算候選集的頻繁集。在這個階段，如果沒有生成ｋ 個頻繁集，那么返回ｋ?１ 個頻繁集，其中ｋ 是項集的長度。

４ 結果和討論

４．１ 算法分析

為了確定所提出算法的安全漏洞，對其進行了安全證明分析。對于服務器１，數據以加密格式存在，并且該服務器中存在的數據庫也是加密格式。由于所提出的加密算法在每個加密過程中為相同的純文本數據提供不同的加密數據，因此可以保證數據不會泄漏。關于服務器２，由于原始數據不包含密文的前面部分，因此不存在第二個服務器暴露數據的機會。這表明所提出的算法具有云計算基礎設施的安全性。

４．２ 安全評估

為了評估所提出的架構的安全性能，我們進行了以下分析。本評估使用Ｗｉｎｄｏｗｓ １１ 操作系統，配備了６４ ＧＢ ＤＤＲ４ ＲＡＭ 和Ｉｎｔｅｌ? ＣｏｒｅＴＭ ｉ９?１２９００Ｋ 處理器，并使用了６．２．１ 版本ＧＭＰ 庫。具體如表１ 所列。

在評估中，為了獲得更廣泛的評估效果，采用了不同的最小支持度和數據量，安全關聯規則挖掘性能分析評估的細節如表２ 所列。其中，最小支持度的范圍在１０％至４０％，數據量分別為１ ０００，５ ０００ 和１００００。為了確定虛假交易的影響，將虛假交易比率設置在４０％到１００％區間內。高級加密算法的密鑰大小為５１２。

最終測試表明，本文所提算法與關聯規則挖掘算法相比，在虛假交易比率為６０％，最小支持率為１０％的情況下，所提出的算法顯示出１８０％的改進。與數據隱私關聯規則挖掘相比，在虛假交易比率為１００％，最小支持率為２０％的情況下，所提出的算法顯示出２７０％的提高。該結果表明，所提出的算法具有顯著的安全性。

５ 結束語

云計算具有許多優勢，如靈活的空間、較高的安全性和成本優化以及從任何遠程位置訪問，云計算正在成為個人和組織的主要數據存儲。同時，隱私保護也是云計算的一個重要方面。在本研究中，提出了一種ａｐｒｉｏｒｉ 算法來增強加密數據的隱私性，所提出算法改進了數據保護以及查詢隱私功能。實驗表明，與關聯規則挖掘算法相比，所提出的算法在性能上顯示出明顯的優勢。未來，我們可能在系統泛化方面做出更多研究。

參考文獻：

［１］ 陳全，鄧倩妮． 云計算及其關鍵技術［Ｊ］． 計算機應用，２００９，２９（９）：２５６２?２５６７．

［２］ 馮登國，張敏，張妍，等．云計算安全研究［Ｊ］．軟件學報，２０１１，２２（１）：４５?４９．

［３］ ＬＩＵ Ｈ，ＮＩＮＧ Ｈ，ＸＩＯＮＧ Ｑ，ｅｔ ａｌ． Ｓｈａｒｅｄ ａｕｔｈｏｒｉｔｙ ｂａｓｅｄｐｒｉｖａｃｙ?ｐｒｅｓｅｒｖｉｎｇ ａｕｔｈｅｎｔｉｃａｔｉｏｎ ｐｒｏｔｏｃｏｌ ｉｎ ｃｌｏｕｄ ｃｏｍｐｕｔｉｎｇ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ ｐａｒａｌｌｅｌ ａｎｄ ｄｉｓｔｒｉｂｕｔｅｄ ｓｙｓｔｅｍｓ，２０１４，２６（１）：２４１?２５１．

［４］ ＸＩＡＮＧ Ｎ，ＺＨＡＮＧ Ｘ，ＤＯＵ Ｙ，ｅｔ ａｌ．Ｈｉｇｈ?ｅｎｄ ｅｑｕｉｐｍｅｎｔ ｄａｔａｄｅｓｅｎｓｉｔｉｚａｔｉｏｎ ｍｅｔｈｏｄ ｂａｓｅｄ ｏｎ ｉｍｐｒｏｖｅｄ Ｓｔａｃｋｅｌｂｅｒｇ ＧＡＮ［Ｊ］．Ｅｘｐｅｒｔ Ｓｙｓｔｅｍｓ ｗｉｔｈ Ａｐｐｌｉｃａｔｉｏｎｓ，２０２１，１８０：１１４９８９．

作者簡介：梁文龍（１９９４—），碩士，助教，研究方向：模式識別、圖像處理、云計算技術。