基于属性基的云存储数据动态访问控制策略研究

来源 :重庆交通大学 | 被引量 : 0次 | 上传用户:ssl1987310624
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
云存储作为云计算的延伸,不仅能满足用户随用随取数据的动态需求,而且还能有效降低本地存储资源开销,致使大规模用户选择将云存储作为数据存储方式。然而,数据由第三方管理,用户身份安全与否、云数据是否被合法用户访问以及云服务商是否按照规定管理、共享和使用存储数据等问题,使得云存储的访问可靠性遭受用户们的质疑。此外,云存储中较大规模的重复数据,导致云存储资源非必要消耗巨大。针对上述问题,本文基于用户属性对云存储数据访问控制策略展开了研究,研究内容包括:
  1.基于属性基的端-云匿名通信协议。在主流访问控制策略中,仅有较少方案对用户身份实施匿名化,用户身份信息极易暴露。为此,利用同态计算特性,设计了一种由用户端和云端两方参与的安全匿名协议。该协议能够抵御量子攻击,有效提高了用户身份属性的机密性,拓宽了云存储的应用场景。
  2.基于属性基的低存储访问控制策略。当较大规模数据不断存储至云端时,云中冗余数据会额外占据大量的存储空间,导致云存储资源利用率较低。同时,主流实施查询-匹配方式的访问控制方案,较难满足当前大规模数据快速访问授权的应用需求。为此,当判断用户待上传数据与云存储数据冗余时,共享云存储中该数据对应的下载权索引,并动态调整随机向量,实现用户下载权的安全授予。相比于查询-匹配方式的访问策略,该策略通过直接计算并验证内积结果的方式完成所有权证明过程,有效提高了访问权限授予的效率。
  3.基于属性基的云存储动态权限转让策略。当已获权用户共享云数据给其他用户时,若直接转让下载权而不对其进行混淆处理,权限可能被无限传递下去,使得该权限存在被非法入侵的隐患。为了提升用户下载权转让的便捷性和可控性,根据已获权用户与其他用户之间属性的类别,通过合并、更新团体用户属性基,动态调整下载权的随机向量,设计了一种具有权限安全转让功能的访问控制策略。该策略在保证安全的前提下,有效减少了其他用户获得下载权与所有权证明过程中的计算量和通信量。
  本文创新点:(1)利用同态计算特性,设计了一种由用户和云端两方参与的匿名协议;(2)在匿名协议的基础上,引入内积谓词方案,使用计算替代查询的方式完成所有权证明,有效提高了访问授权效率以及存储空间利用率;(3)在低存储访问策略的基础上,设计了一种具有动态权限转让功能的安全访问控制策略。
  相较于主流访问控制方法,本文提出的访问控制策略着重于平衡用户隐私安全、访问授权效率以及存储性能三方面的关系,实现了用户身份属性的保密性和下载权分配的动态性,提升了访问授权的效率和云存储空间利用率。因此,该策略可协助云管理员对合法团体用户进行权限动态分配、转让,保证了转让权限的可控性,有利于推广云存储和密码技术,具有一定的实际应用价值。
其他文献
随着人工智能的兴旺,电子商务行业迎来了新的发展机遇。随着在线交易的频率和规模的增加,商家与客户之间的在线协商和沟通变得越来越频繁。因为它们无法实现谈判,也无法分析用户,因此难以针对特定用户更好地达成交易。在线交易谈判流程的自动化已逐渐成为商家和消费者的潜在需求。但是,现有的在线对话系统(例如淘宝上的阿里小蜜和京东的在线客户服务)无法很好地满足这样的需求。目前,一方面,自动谈判的研究者主要集中在计算
学位
图作为一种无处不在的数据结构,因其强大的表示能力,广泛存在于社交网络、推荐系统、生物化学和金融系统等领域中。由于这些图数据中往往存储着很多有价值的信息,不少学者进行图数据研究以探索数据中的重要信息,其中节点分类是图数据研究中的一项热门任务。例如,在蛋白质分子网络中,通过分析蛋白质网络的相互关系进行分类学习,从而得到蛋白质的相关性质。这不仅有利于理解蛋白质的特性,而且对生物制药,农林科技等领域同样具
学位
近年来,卷积神经网络(CNN)依靠着大量的真实数据集和高效的优化算法,已经被证明在多个领域取得了最先进的性能。尽管如此,CNN因其训练所需较高的复杂度以及黑盒特性的不可解释性阻碍着它的发展。目前,国内外学者从不同的方向来研究卷积神经网络的可解释性,前向设计卷积神经网络(Feedforward-Designed Convolutional Neural Network,FF-CNN)是众多研究成果中
随着移动终端的飞速发展,以视频为主的通信网络数据传输负载越来越大。并且通信网络业务量的时变性导致了通信系统在传输高峰期时出现交通堵塞,在传输低峰期时出现通信资源未充分利用的情况。而编码缓存正是解决这种数据传输业务与通信资源不匹配问题的技术,该技术能够尽可能利用传输低峰期时的通信资源,来降低传输高峰期时的交通拥堵,从而整体提升通信系统的传输效率。针对中心化编码缓存模型,一种名为放置传输数组(PDA)
学位
随着通信技术的不断进步,移动互联网的使用率日益增高,无线流量业务大幅度增强。通信系统处于高峰期时,网络的传输压力急剧增强,进而导致数据传输拥堵;相反在低峰期时,出现通信资源利用不充分的情况。缓存技术随之出现,即先将一部分数据在传输低峰期时放入用户的存储设备中,以此减少传输高峰期时的传输数据。这种技术逐步应用于不同的网络模型中,本文就是针对组合网络模型和不对称网络模型进行相关问题的讨论。众所周知,在
学位
移动边缘计算(Mobile Edge Computing,MEC)作为5G的关键技术,通过在网络边缘部署计算和存储资源,为移动网络提供IT服务环境和云计算中心能力,从而为用户提供超低时延和高带宽的网络服务解决方案。现实场景中,移动业务流量在空间上分布不均匀,这使得部分MEC服务器繁忙,而部分MEC服务器仍有空闲的计算资源,为了均衡各MEC服务器的计算负载,通过将高负载MEC服务器的任务卸载至低负载
对称可搜索加密(Symmetric Searchable Encryption,SSE)不仅可以解决数据外包的隐私问题,而且可以解决数据外包的可操作性和保密性问题。然而,大多数SSE方案都假定云是诚实但又好奇的,这种假设并不总是成立,因为服务器可能故意返回历史版本或者不完整的查询结果返回给用户以节约服务器本身的计算开销。针对此问题,即使有些方案支持在恶意云中对数据的完整性或新鲜度进行验证与检查,但
学位
如今世界范围内的道路安全水平大幅度下降,交通事故导致死亡人数不断增加。交通事故造成的大量人员伤亡,在许多情况下,是由于不及时通知熟人或紧急情况服务导致的。为了解决这个问题,在本文中,我们使用人工智能,语音识别和Google的STT(语音到文本)技术开发了一个紧急呼救移动应用程序。我们的系统可以通过Google云服务有效地识别出受伤的语音,并自动将语音转换为文本。它还可以实时识别事故的位置,并立即向
轴承常存在于各种大型工业机械设备中,由于机械运转时恶劣的工业环境影响,轴承作为关键零部件经常会发生故障而导致整个大型机械设备产生故障。因此,含有强背景噪声的轴承微小故障问题需要进行详细的研究。在轴承运行的过程中,发生故障(腐蚀,磨损,断裂等)的轴承振动加速度信号往往伴随着强背景噪声,极易对轴承的振动信号特征分析产生影响。本文以轴承及其加速度信号作为研究对象,针对轴承加速度信号的噪声滤波,特征识别分
学位
为响应国家号召达到高质量发展目的须拉动消费促进国内经济大循环,缩小城乡差距建设城市群发展区。建设城市群发展区意味着有更多地区转变为城市以及有更多人口涌入城市,而这极大地增加了城市交通的压力,城市激增的客流量使得城市轨道交通应运而生。在城市轨道交通大力发展过程中,列车的自动驾驶控制、智能控制和时刻表优化等问题成了专家学者们的研究热点。合理的列车自动驾驶系统可以极大地缓解城市交通所面临的压力。  本文
学位