新型網(wǎng)絡(luò)環(huán)境在云計(jì)算（Cloud Computing）等新型計(jì)算模式的推動下快速發(fā)展,并成為各類產(chǎn)業(yè)應(yīng)用的關(guān)鍵基礎(chǔ)設(shè)施。具體而言,海量數(shù)據(jù)不斷地從物聯(lián)網(wǎng)終端聚集到云服務(wù)器,推動了基于云的應(yīng)用研究和部署。比如,數(shù)據(jù)傳輸、數(shù)據(jù)聚合與發(fā)布、數(shù)據(jù)查詢等。為了提高云計(jì)算的性能,在終端用戶和云服務(wù)器之間加入霧節(jié)點(diǎn)也成為現(xiàn)代網(wǎng)絡(luò)的另一個(gè)發(fā)展趨勢。然而,在享受新型網(wǎng)絡(luò)環(huán)境所帶來便利的同時(shí),海量數(shù)據(jù)的安全和隱私問題日益成為學(xué)術(shù)界和產(chǎn)業(yè)界關(guān)注的焦點(diǎn)。諸多相關(guān)研究問題和挑戰(zhàn)也有待解決。首先,作為新型網(wǎng)絡(luò)環(huán)境中的基本服務(wù),安全數(shù)據(jù)傳輸正面臨諸多挑戰(zhàn)。例如,越來越多的企事業(yè)單位選擇將網(wǎng)絡(luò)功能虛擬化,并由云服務(wù)器來提供數(shù)據(jù)包的檢測和轉(zhuǎn)發(fā)功能。但是,如何在保護(hù)用戶數(shù)據(jù)隱私的前提下提供高效且多樣化的數(shù)據(jù)包檢測功能仍需要進(jìn)一步研究。此外,為了給醫(yī)療和研究機(jī)構(gòu)提供更好的醫(yī)療數(shù)據(jù)聚合與發(fā)布服務(wù),越來越多的機(jī)構(gòu)選擇引入云數(shù)據(jù)中心。但是,當(dāng)前方案的功能性和隱私保護(hù)水平都有待提高。其中,加權(quán)加法聚合、非加法聚合等功能在現(xiàn)有方案中并未得到很好的支持。總之,如何在數(shù)據(jù)聚合協(xié)議的執(zhí)行過程中更好的保護(hù)用戶數(shù)據(jù)的隱私,是一個(gè)重要且具有挑戰(zhàn)... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：129 頁

【學(xué)位級別】：博士

【部分圖文】：

研究內(nèi)容框架

Guttman 等人[62]首次提出數(shù)據(jù)結(jié)構(gòu) R 樹。它是基于二叉樹的多維數(shù)據(jù)結(jié)構(gòu)，被廣泛用于不同類型的空間數(shù)據(jù)查詢和搜索中。構(gòu)建 R 樹的基本思想是在同一層對附近的數(shù)據(jù)點(diǎn)進(jìn)行分組，并將其包含在樹的更高層的邊界框中。R 樹中的每個(gè)葉子節(jié)點(diǎn)都表示一個(gè)數(shù)據(jù)點(diǎn)，每個(gè)非葉子節(jié)點(diǎn)都表示一個(gè)矩形（包含數(shù)據(jù)點(diǎn)或者下一層矩形）。無需線性掃描所有數(shù)據(jù)記錄，就可以在R樹上高效地進(jìn)行各種搜索和查詢。具體而言，不同的查詢和搜索對應(yīng)不同的算法[63]。以范圍查詢（查詢形狀為矩形）為例，首先從根節(jié)點(diǎn)開始遍歷，查找和查詢范圍相交的最深的非葉子節(jié)點(diǎn)。然后，將這些非葉子節(jié)點(diǎn)的葉子節(jié)點(diǎn)都作為中間查詢結(jié)果。最后，對中間結(jié)果進(jìn)行篩查，看其是否落在查詢范圍內(nèi)。此處的矩形也可以是高緯的超矩形。

?Bloom過濾器[53]是一種存儲開銷較小的概率數(shù)據(jù)結(jié)構(gòu)，主要用于測試元素是否為集合的成員或者判斷兩個(gè)集合的交集是否為空。具體地說，它能夠快速確定某個(gè)元素肯定不在集合中或可能（大概率）在集合中。換句話說，當(dāng)判定元素存在性時(shí)有一定的概率會誤報(bào)。Bloom過濾器實(shí)質(zhì)上是具有個(gè)元素的比特向量。令=(1,…,),={0,1}(1≤≤)為一個(gè)長度為的Bloom過濾器。如圖2-2所示，初始化時(shí)令其所有元素為0，即=(0,…,0)。下面我們分別介紹如何往Bloom過濾器中插入元素，如何測試某個(gè)元素是否在集合中，以及測試兩個(gè)集合是否相交。圖2-2Bloom過濾器示例元素插入：選取個(gè)哈希函數(shù){1,…,}。假設(shè)被插入元素為,則令[()modm]=1(1≤≤)。即對做次哈希運(yùn)算，并將其分別模上Bloom過濾器的長度。然后將過濾器中所對應(yīng)的設(shè)置為1。如圖2-2所示，當(dāng)哈希函數(shù)的個(gè)數(shù)為3時(shí)，各執(zhí)行3次哈希運(yùn)算便完成元素,,的插入。元素檢測：假設(shè)被檢測的元素為，如圖2-2所示，首先對做次哈希運(yùn)算，然后再摸。如果所對應(yīng)的個(gè)Bloom過濾器的位置中的數(shù)字都為1，則判定屬于該集合。如果有任何一個(gè)數(shù)為0，則判定不屬于該集合。即[(X)modm]=1(1≤≤)，則屬于集合，否則判定為不屬于。集合檢測：任給兩個(gè)代表不同集合的Bloom過濾器{1,2}；假設(shè)，所使用的哈希函數(shù)個(gè)數(shù)為；如果12≥，則判定兩個(gè)集合交集不為空。


本文編號：3343442