[发明专利]云环境中支持词形词义模糊检索的可搜索加密方法及系统

权利要求书

1.一种云环境中支持词形词义模糊检索的可搜索加密方法，其特征在于，所述云环境中支持词形词义模糊检索的可搜索加密方法采用布隆过滤器结构建立关键词的安全索引，支持文件动态更新；采用局部敏感哈希函数来完成词形模糊匹配；利用自然语言工具箱对关键词进行词义拓展，构造词义模糊集，并插入构建的安全索引中，将支持词义关键词检索转化为精确匹配检索；通过构建查询向量与索引向量进行内积运算实现对检索结果的排序；使用哈希函数和安全knn算法抵抗选择关键词攻击，实现在云服务器半可信的情况下对密文的搜索；

所述云环境中支持词形词义模糊检索的可搜索加密方法包括以下步骤：

步骤一，文档预处理，对要处理的明文文件集合F，生成每个文件的文件标识符，将要上传的明文文档f_i，使用分词软件进行分词，构建关键词集W_i，通过自然语言工具箱中英语词典提取与关键词集W_i中的每一个元素词义相近的词，运算得到目标关键词集W_i的同义词集Synset(W_i)，构造词义模糊集将W_i与合并形成词集W_i′；

步骤二，密钥生成，输入安全参数，根据安全参数生成加密密钥sk，加密索引和查询关键字都需要该密钥；

步骤三，构建布隆过滤器，根据上传的文档集关键字信息，针对每一个文档构建k位的布隆过滤器B_i，将每一个关键字映射到布隆过滤器中，然后存储该条记录；所述构建布隆过滤器过程包括：

第一步，为每个文件f_i分配一个k位的Bloom Filter B_i，B_i的每一位初始值都设为0；

第二步，把关键词字符集W_i′使用对偶编码算法转换为向量集合表示，将每个关键词w_j转换采用26²长度的二进制向量v_j∈{0，1}⁶⁷⁶来表示，转换成的向量集合为V_i＝{v₁，v₂，…，v_t}；

第三步，选取l个LSH函数族H＝{H₁，H₂，…，H_l}中的函数计算(H₁(v_j)，H₂(v_j)，…，H_l(v_j))，哈希函数族的形式为且b是[0，w]的随机数，a为每个元素满足稳定分布的26²维向量；

第四步，对于向量集合V_i中的每一个向量v_j，将(H₁(v_j)，H₂(v_j)，…，H_l(v_j))计算出来的哈希结果值依次找到B_i中对应的位置设为1，当前位置已经是1，则无需更改，将B_i表示为(b₁，b₂，…，b_k)；

步骤四，加密索引向量，根据步骤二生成的密钥sk，对布隆过滤器进行加密，生成关键词加密索引I_i，并将加密后的索引和数据文件共同提交至服务器；

步骤五，检索陷门生成，被授权用户根据需要搜索的关键词，本地采用同样的方式生成关键词向量结构并加密生成查询关键词陷门，将查询陷门发送到云服务器端；所述生成检索陷门过程包括：

第一步，输入查询的关键词集合Q＝{q₁，q₂，…，q_m}，将Q使用对偶编码算法转换成二进制向量集合V＝{v₁，v₂，…，v_m}，每个二进制向量v_j都是26²位；

第二步，为查询集合设置一个长为k的Bloom Filter B；

第三步，对于每一个向量v_j，选取l个LSH函数族H＝{H₁，H₂，…，H_l}中的函数计算(H₁(v_j)，H₂(v_j)，…，H_l(v_j))，其中哈希函数族的形式为且b是[0，w]的随机数，a为每个元素满足稳定分布的26²维向量；

第四步，将(H₁(v_j)，H₂(v_j)，…，H_l(v_j))计算出来的哈希结果值依次找到B中对应的位置设为1，如果当前位置已经是1，则无需更改，设置完成B″′＝(b₁，b₂，…，b_k)；

第五步，将构建的关键词索引B＝(b_q1，b_q2，…，b_qk)基于安全k-近邻算法使用密钥S＝(s₁，s₂，…，s_k)进行向量分割，与加密索引向量的分割方式恰好相反，将B分割为B′＝(b′_q1，b′_q2，…，b′_qk)和B″＝(b″_q1，b″_q2，…，b″_qk)，首先选择一个随机数a∈R，依次遍历B中的每一位b_qj，如果S中对应的s_j＝0，则b′_qj＝b″_qj＝b_qj；若S中对应的s_j＝1；

第六步，计算最后生成搜索陷门I_q＝(I′_q，I″_q)，发送给云服务器；可逆矩阵M₁，M₂；

步骤六，搜索匹配，云服务器将获取的陷门信息与关键词索引进行匹配，并计算相似度分数，根据分数进行排序后将最为相关的加密文件返回给授权用户。