本發(fā)明涉及云計算領(lǐng)域，特別是一種云計算中保護(hù)數(shù)據(jù)隱私的快速多關(guān)鍵詞語義排序搜索方法。

背景技術(shù)：

隨著云計算技術(shù)的飛速發(fā)展，敏感數(shù)據(jù)越來越多的存儲到云中，如電子郵件、個人健康記錄、私人視頻和照片、公司財務(wù)數(shù)據(jù)和政府文件等。云服務(wù)器提供了高質(zhì)量的數(shù)據(jù)存儲服務(wù)，將數(shù)據(jù)存儲到云中，可以減少用戶的數(shù)據(jù)存儲和維護(hù)開銷。但是數(shù)據(jù)擁有者和云服務(wù)器不在同一個信任域中會使外包數(shù)據(jù)處于危險之中，為了保護(hù)用戶的隱私安全，將數(shù)據(jù)加密后再存儲到云服務(wù)器是一種常見的解決方法。然而數(shù)據(jù)經(jīng)過加密后不再具有原有的特性，當(dāng)用戶需要某些數(shù)據(jù)時，無法直接在密文中分辨出所需要的數(shù)據(jù)，在數(shù)據(jù)量很小的情況下，可以將所有的密文數(shù)據(jù)下載至本地，解密后在明文中搜索自己想要的數(shù)據(jù)。然而隨著云端數(shù)據(jù)規(guī)模的急劇增長，這種浪費(fèi)了大量時間開銷與帶寬功耗的做法顯然已經(jīng)不能滿足用戶的實際需求，因此，如何在大量密文中搜索到需要的文檔成為了一個難題。

在song等提出通過密鑰流加密數(shù)據(jù)并實現(xiàn)可搜索加密方案后，wang等提出了單關(guān)鍵詞排序搜索方案，通過保序加密對文檔的tf-idf(詞頻-逆文檔頻率)進(jìn)行加密，實現(xiàn)對搜索結(jié)果的精確排序。cao等提出了多關(guān)鍵詞排序可搜索加密方案，引入了向量空間模型和安全knn(securek-nearestneighbor)方法，通過矩陣對索引向量進(jìn)行加密，并對索引向量和搜索向量計算內(nèi)積相似度來實現(xiàn)了多關(guān)鍵詞的排序搜索。li等提出了支持布爾查詢的可搜索加密方案，將執(zhí)行“或”、“與”、“非”查詢詞的權(quán)重設(shè)置為三組正數(shù)遞增序列ai,bj,ck，并且序列間滿足超遞增，即∑ai＜b1,∑ai+∑bj＜c1，接著將執(zhí)行“非”查詢詞的權(quán)重ck置換成對應(yīng)的相反數(shù)-ck，則相關(guān)度分?jǐn)?shù)大于0的文檔即為滿足布爾查詢的相關(guān)文檔。但是上述方案沒有考慮到文檔向量的高度稀疏性，一篇文檔中往往只會出現(xiàn)少量的關(guān)鍵詞，因此文檔向量中會出現(xiàn)大量的0，在檢索時，云服務(wù)器無法知道哪些是相關(guān)文檔，因而要對所有的文檔進(jìn)行相似度分?jǐn)?shù)的計算和排序，浪費(fèi)了大量的時間，降低了方案的查詢效率。

用戶輸入的搜索請求經(jīng)常會出現(xiàn)拼寫錯誤或格式不匹配的情況，以上方案并不能滿足用戶的實際需求。因此，li等實現(xiàn)了關(guān)鍵詞的模糊搜索方案，用通配符的方法構(gòu)造關(guān)鍵詞模糊集合，并以編輯距離作為相似度度量標(biāo)準(zhǔn)。liu等提出了節(jié)省存儲空間的模糊搜索方案，通過字典來構(gòu)造模糊集，但是搜索的精確度有所降低。chai等人首次提出了“半誠實且好奇”的云服務(wù)器模型，服務(wù)器提供商為了節(jié)省計算量和帶寬資源，可能僅僅執(zhí)行了部分搜索操作并返回部分搜索結(jié)果，因此，文章提出了基于查找樹索引結(jié)構(gòu)的可驗證的可搜索加密方案。wang等利用通配符和索引樹，實現(xiàn)了高效的模糊搜索方案。chuah等為了提高搜索效率，實現(xiàn)了基于bedtree的多關(guān)鍵詞模糊搜索方案。wang等將局部敏感哈希和安全knn方法(securek-nearestneighbor)結(jié)合，實現(xiàn)了一種新的多關(guān)鍵詞模糊搜索方案。wang等人在關(guān)鍵詞模糊搜索的基礎(chǔ)上，通過構(gòu)造符號索引樹，提出了可驗證的關(guān)鍵詞模糊搜索方案。但是以上的模糊搜索方案僅僅考慮了關(guān)鍵詞字符上的相似，并沒有考慮到關(guān)鍵詞語義上的相似。因此，fu等對文檔關(guān)鍵詞進(jìn)行同義詞拓展，通過計算內(nèi)積的方式，實現(xiàn)了支持同義詞查詢的多關(guān)鍵詞排序搜索方案。xia等為文檔集創(chuàng)建倒排索引，利用語義庫擴(kuò)展查詢關(guān)鍵詞，并且通過一對多保序加密函數(shù)對相關(guān)度分?jǐn)?shù)進(jìn)行加密，實現(xiàn)了多關(guān)鍵詞語義排序搜索方案。然而，這些語義模糊搜索方案沒有將語義相似度參與到文檔的評分中，并且忽略了不同域中的關(guān)鍵詞的權(quán)重差異。

針對目前的密文關(guān)鍵詞搜索方案中，查詢效率低、索引創(chuàng)建時間長、排序結(jié)果不精確等問題，本發(fā)明提出了一種可以提高查詢效率、降低索引創(chuàng)建時間，并實現(xiàn)語義的密文關(guān)鍵詞搜索方案。

技術(shù)實現(xiàn)要素：

有鑒于此，本發(fā)明的目的是提出一種云計算中保護(hù)數(shù)據(jù)隱私的快速多關(guān)鍵詞語義排序搜索方法，可以提高查詢效率、降低索引創(chuàng)建時間，并實現(xiàn)語義的密文關(guān)鍵詞搜索。

本發(fā)明采用以下方案實現(xiàn)：一種云計算中保護(hù)數(shù)據(jù)隱私的快速多關(guān)鍵詞語義排序搜索方法，包括數(shù)據(jù)擁有者、授權(quán)用戶、私有云服務(wù)器以及公有云服務(wù)器，具體包括以下步驟：

步驟s1：數(shù)據(jù)擁有者從明文文檔集合f＝(f1,f2,…,fm)中抽取關(guān)鍵詞，得到關(guān)鍵詞集合w＝(w1,w2,…,wn)；

步驟s2：數(shù)據(jù)擁有者隨機(jī)產(chǎn)生一個(n+2)比特的向量s和兩個(n+2)×(n+2)維的可逆矩陣{m1,m2}，密鑰sk由四元組{s,m1,m2,u}組成，u是一個正整數(shù)并且u|n；接著，數(shù)據(jù)擁有者生成一個加密文檔的密鑰sk，將密鑰sk、sk發(fā)送給授權(quán)用戶；

步驟s3：創(chuàng)建索引：數(shù)據(jù)擁有者為每篇文檔fi生成文檔向量若文檔fi中包含關(guān)鍵詞wj，則令否則令接著將文檔向量分u塊，得到文檔標(biāo)記向量bi＝(bb1,bb2,…,bbu)與ei＝(bi,sidi)，然后計算關(guān)鍵詞wj在文檔fi中的詞頻權(quán)重wft,f、逆文檔頻率idft和域加權(quán)得分zij后，將中1的值置為zij·(wft,f×idft)；接著對進(jìn)行維度擴(kuò)展，其中第(n+1)位設(shè)置成一個隨機(jī)數(shù)ε，第(n+2)位設(shè)置成1，那么表示為

采用安全knn算法加密文檔向量得到ii＝(sidi,vi)；其中，為向量的分裂向量；最后，數(shù)據(jù)擁有者將e＝(e1,e2,···,em)發(fā)送給私有云服務(wù)器，將索引集合上傳給公有云服務(wù)器；

步驟s4：數(shù)據(jù)擁有者使用對稱加密算法對文檔集合f＝(f1,f2,…,fm)進(jìn)行加密，得到密文集合c＝(c1,c2,…,cm)并上傳給公有云服務(wù)器；

步驟s5：構(gòu)建陷門：當(dāng)授權(quán)用戶搜索時，首先輸入η個搜索關(guān)鍵詞γ＝(q1,q2,…,qs,…,qη)，接著進(jìn)行語義擴(kuò)展，計算原單詞qs和拓展詞之間的語義相似度并排序，選取最相關(guān)的前σ個拓展詞作為最終拓展詞，得到語義拓展集合q＝(q1,q2,…,qη,δ1,…,δσ)及其對應(yīng)的語義相似度分?jǐn)?shù)sc＝(sc1,sc2,…,scη,scη+1,…,scη+σ)；根據(jù)語義擴(kuò)展集q創(chuàng)建查詢向量若wj∈q，則令否則將分為u塊，得到查詢標(biāo)記向量接著將查詢向量中的1置為對應(yīng)的語義相似度分?jǐn)?shù)scj，然后將擴(kuò)展成(n+1)維且第(n+1)位設(shè)置為1，用大于0的隨機(jī)數(shù)r對縮放，并擴(kuò)展成(n+2)維，第(n+2)位設(shè)置成η+σ，因此表示為

采用安全knn算法加密查詢向量得到陷門最后，授權(quán)用戶將查詢標(biāo)記向量發(fā)給私有云服務(wù)器，將陷門tq上傳到公有云服務(wù)器；

步驟s6：私有云服務(wù)器接收到授權(quán)用戶發(fā)送的查詢標(biāo)記向量后，將其和文檔標(biāo)記向量bi＝(bb1,bb2,…,bbu)進(jìn)行匹配，得到可能包含搜索關(guān)鍵詞的候選索引標(biāo)識符集合sid∈＝(···,sidi,···,sidj,···,sidz,···)；

私有云服務(wù)器將sid∈上傳給公有云服務(wù)器，公有云服務(wù)器根據(jù)索引的標(biāo)識符sidi找到對應(yīng)的安全索引ii，將對應(yīng)的vi和陷門tq計算文檔的相似度分?jǐn)?shù)，將所有分?jǐn)?shù)排序后，返回前k篇文檔給用戶；

步驟s7：授權(quán)用戶使用數(shù)據(jù)擁有者分發(fā)的密鑰sk，對返回的top-k篇密文進(jìn)行解密，獲得所需的明文文檔集。

進(jìn)一步地，還包括分別對文檔向量和查詢向量進(jìn)行分塊，生成維數(shù)較小的文檔標(biāo)記向量和查詢標(biāo)記向量，通過文檔標(biāo)記向量和查詢標(biāo)記向量的匹配，快速過濾掉大量無關(guān)文檔。

進(jìn)一步地，對文檔向量進(jìn)行分塊具體包括以下步驟：

步驟s11：文檔向量分為u塊，若某個塊全為0，則標(biāo)記值bbs＝0，否則bbs＝1，得到文檔標(biāo)記向量bi＝(bb1,bb2,…,bbu)；

步驟s12：遍歷所有文檔，得到文檔標(biāo)記向量集合b＝(b1,b2,...,bm)。

進(jìn)一步地，通過文檔標(biāo)記向量和查詢標(biāo)記向量的匹配具體包括以下步驟：

步驟s21：私有云服務(wù)器接收到授權(quán)用戶發(fā)送的查詢標(biāo)記向量后，依次用中每一位1去匹配ei中對應(yīng)的塊，即塊的標(biāo)記值bbs是否為0；

步驟s22：塊的標(biāo)記值bbs若為0，則說明該文檔對應(yīng)的塊沒有搜索的關(guān)鍵詞，如果為1則將對應(yīng)的索引標(biāo)識符sidi記錄下來，得到可能包含搜索關(guān)鍵詞的候選索引標(biāo)識符集合sid∈＝(···,sidi,···,sidj,···,sidz,···)；

步驟s23：私有云服務(wù)器將sid∈上傳給公有云服務(wù)器，公有云服務(wù)器根據(jù)索引的標(biāo)識符sidi找到對應(yīng)的安全索引ii，將對應(yīng)的vi和陷門tq計算文檔的相似度分?jǐn)?shù)，將所有分?jǐn)?shù)排序后，返回前k篇文檔給用戶。

進(jìn)一步地，還包括將文檔向量分段，將每一段分別與維度減小的矩陣相乘，具體包括以下步驟：

步驟s31：數(shù)據(jù)擁有者隨機(jī)產(chǎn)生一個(n+2)比特的向量s和兩個(n+2)×(n+2)維的可逆矩陣{m1,m2}，密鑰sk由四元組{s,m1,m2,u}組成，u是一個正整數(shù)并且u|n；

步驟s32：數(shù)據(jù)擁有者在構(gòu)建索引時，根據(jù)安全knn算法將文檔向量分裂成和后，將和分別分成h段，得到然后使用密鑰sk進(jìn)行加密，得到和對應(yīng)的索引ii＝(sidi,vi)；最后，數(shù)據(jù)擁有者將e＝(e1,e2,···,em)發(fā)送給私有云服務(wù)器，將索引集合上傳給公有云服務(wù)器；

步驟s33：授權(quán)用戶在生成陷門時也采用步驟s32中構(gòu)建索引時類似的操作，得到陷門最后，授權(quán)用戶將查詢標(biāo)記向量發(fā)給私有云服務(wù)器，將陷門tq上傳到公有云服務(wù)器；

步驟s34：公有云服務(wù)器在計算相關(guān)度分?jǐn)?shù)時，采用的公式如下：

進(jìn)一步地，所述排序采用三因子排序方法，對處于文檔不同域中的關(guān)鍵詞賦予不同的權(quán)重，將語義相似度、域加權(quán)評分和相關(guān)度分?jǐn)?shù)三者結(jié)合，具體包括以下步驟：

步驟s41：計算語義相似度：采用基于信息內(nèi)容的resnik算法；

步驟s42：計算域加權(quán)評分：給定一系列文檔，假定每篇文檔有l(wèi)個域，其對應(yīng)的權(quán)重系數(shù)分別是g1,…gl∈[0,1]，他們滿足：

令si為查詢和文檔的第i個域的匹配得分，其中1和0分別表示是否匹配，于是，域加權(quán)評分定義為：

步驟s43：計算相關(guān)度分?jǐn)?shù):基于tf-idf權(quán)值計算方法以及tf的亞線性尺度變換方法計算相關(guān)度分?jǐn)?shù)。

與現(xiàn)有技術(shù)相比，本發(fā)明有以下有益效果：

1、本發(fā)明能夠?qū)崿F(xiàn)高效的查詢效率：本發(fā)明針對可搜索加密方案效率不高的缺陷，設(shè)計了一種向量分塊標(biāo)記匹配算法，分別對文檔向量和查詢向量進(jìn)行分塊，生成維數(shù)較小的文檔標(biāo)記向量和查詢標(biāo)記向量。通過文檔標(biāo)記向量和查詢標(biāo)記向量的匹配，快速過濾掉大量無關(guān)文檔，減少了計算文檔相似度分?jǐn)?shù)和排序的時間，提高了檢索的效率。

2、本發(fā)明能夠減少索引創(chuàng)建時間：可搜索加密方案創(chuàng)建的文檔向量的維度通常很大，所以方案構(gòu)建索引的時間主要花費(fèi)在文檔向量和矩陣的相乘上。本發(fā)明設(shè)計了一種向量分段加密算法，將文檔向量分段，將每一段分別與維度大大減小的矩陣相乘，這使得此方案的索引構(gòu)建時間大大減少。

3、本發(fā)明能夠精確返回排序結(jié)果：本發(fā)明首次將域加權(quán)評分的概念引入文檔的評分當(dāng)中，對處于文檔不同域中的關(guān)鍵詞賦予不同的權(quán)重，解決了現(xiàn)有方案中未考慮關(guān)鍵詞位置信息的缺陷，同時實現(xiàn)了語義模糊檢索。本發(fā)明將語義相似度、域加權(quán)評分和相關(guān)度分?jǐn)?shù)三者結(jié)合，設(shè)計了一種三因子排序方法，云服務(wù)器能夠?qū)λ阉鹘Y(jié)果進(jìn)行精確的排序并返回給搜索用戶。

附圖說明

圖1為本發(fā)明實施例的系統(tǒng)框架圖。

圖2為本實施例索引的創(chuàng)建過程。

圖3為本發(fā)明實施例中陷門的構(gòu)建過程。

圖4為本發(fā)明實施例中當(dāng)文檔數(shù)量m＝10，關(guān)鍵詞數(shù)n＝100，標(biāo)記向量維度u＝10時，向量分塊標(biāo)記算法的過程。

圖5為本發(fā)明實施例中當(dāng)文檔數(shù)量m＝10時，文檔標(biāo)記向量與查詢標(biāo)記向量匹配算法的過程。

圖6為本發(fā)明實施例中向量分段加密算法的主要過程。

具體實施方式

下面結(jié)合附圖及實施例對本發(fā)明做進(jìn)一步說明。

圖1為本發(fā)明實施例的系統(tǒng)框架，包含四個實體：數(shù)據(jù)擁有者，授權(quán)用戶，私有云服務(wù)器和公有云服務(wù)器。本實施例的索引和陷門加密采用安全knn算法加密(可以參考wongwk,cheungwl,kaob,etal.secureknncomputationonencrypteddatabases//proceedingsoftheacmsigmodinternationalconferenceonmanagementofdata.newyork,usa,2009:139-152.)。本實施例的基本流程如下：

(1)setup：數(shù)據(jù)擁有者從明文文檔集合f＝(f1,f2,…,fm)中抽取關(guān)鍵詞，得到關(guān)鍵詞集合w＝(w1,w2,…,wn)。

(2)keygen(n)：數(shù)據(jù)擁有者隨機(jī)產(chǎn)生一個(n+2)比特的向量s和兩個(n+2)×(n+2)維的可逆矩陣{m1,m2}，密鑰sk由四元組{s,m1,m2,u}組成，u是一個正整數(shù)并且u|n。接著，數(shù)據(jù)擁有者生成一個加密文檔的密鑰sk，將密鑰sk、sk發(fā)送給授權(quán)用戶。

(3)buildindex(f,w,sk)：圖2為本實施例索引的創(chuàng)建過程，基于向量空間模型，數(shù)據(jù)擁有者為每篇文檔fi生成文檔向量若文檔fi中包含關(guān)鍵詞wj，則否則接著將文檔向量分u塊，得到文檔標(biāo)記向量bi＝(bb1,bb2,…,bbu),ei＝(bi,sidi)。然后計算關(guān)鍵詞wj在文檔fi中的詞頻權(quán)重wft,f、逆文檔頻率idft和域加權(quán)得分zij后，將中1的值置為(zij·(wft,f×idft))。接著對進(jìn)行維度擴(kuò)展，其中第(n+1)位設(shè)置成一個隨機(jī)數(shù)ε，第(n+2)位設(shè)置成1，那么表示為

采用安全knn算法加密文檔向量得到ii＝(sidi,vi)。最后，數(shù)據(jù)擁有者將e＝(e1,e2,···,em)發(fā)送給私有云服務(wù)器，將索引集合上傳給公有云服務(wù)器。

(4)encrypt(f,sk)：數(shù)據(jù)擁有者使用對稱加密算法對文檔集合f＝(f1,f2,…,fm)進(jìn)行加密，得到密文集合c＝(c1,c2,…,cm)并上傳給公有云服務(wù)器。

(5)trapdoor(γ,sk)：圖3為本發(fā)明實施例中陷門的構(gòu)建過程，當(dāng)授權(quán)用戶搜索時，首先輸入η個搜索關(guān)鍵詞γ＝(q1,q2,…,qs,…,qη)。接著進(jìn)行語義擴(kuò)展，計算原單詞qs和拓展詞之間的語義相似度并排序，選取最相關(guān)的前σ個拓展詞作為最終拓展詞，得到語義拓展集合q＝(q1,q2,…,qη,δ1,…,δσ)及其對應(yīng)的語義相似度分?jǐn)?shù)sc＝(sc1,sc2,…,scη,scη+1,…,scη+σ)。根據(jù)語義擴(kuò)展集q創(chuàng)建查詢向量若wj∈q，則將否則將分為u塊，得到查詢標(biāo)記向量接著將向量中的1置為對應(yīng)的語義相似度分?jǐn)?shù)scj，然后將擴(kuò)展成(n+1)維且(n+1)位設(shè)置為1，用大于0的隨機(jī)數(shù)r對縮放，并擴(kuò)展成(n+2)維，第(n+2)位設(shè)置成(η+σ)，因此表示為

采用安全knn算法加密查詢向量得到陷門最后，授權(quán)用戶將查詢標(biāo)記向量發(fā)給私有云服務(wù)器，將陷門tq上傳到公有云服務(wù)器。

(6)query私有云服務(wù)器接收到授權(quán)用戶發(fā)送的查詢標(biāo)記向量后，將其和文檔標(biāo)記向量bi＝(bb1,bb2,…,bbu)進(jìn)行匹配，得到可能包含搜索關(guān)鍵詞的候選索引標(biāo)識符集合sid∈＝(···,sidi,···,sidj,···,sidz,···)。

私有云服務(wù)器將sid∈上傳給公有云服務(wù)器，公有云服務(wù)器根據(jù)索引的標(biāo)識符sidi找到對應(yīng)的安全索引ii，將對應(yīng)的vi和陷門tq計算文檔的相似度分?jǐn)?shù)，將所有分?jǐn)?shù)排序后，返回前k篇文檔給用戶。

(7)decrypt(c,sk)：授權(quán)用戶使用數(shù)據(jù)擁有者分發(fā)的密鑰sk，對返回的top-k篇密文進(jìn)行解密，獲得所需的明文文檔集。

較佳的，本實施例還采用了向量分塊標(biāo)記匹配算法，具體如下：

可搜索加密方案創(chuàng)建的字典集一般很大，這使得mrse方案(caon,wangc,lim,etal.privacy-preservingmulti-keywordrankedsearchoverencryptedclouddata.ieeetransactionsonparallelanddistributedsystems,2014,25(1):829-837)中創(chuàng)建的文檔向量的維度通常很大。在檢索時，云服務(wù)器無法知道哪些是相關(guān)文檔，因而要對所有文檔進(jìn)行相似度分?jǐn)?shù)的計算和排序，浪費(fèi)了大量的時間。

本實施例分別對文檔向量和查詢向量進(jìn)行分塊，生成維數(shù)較小的文檔標(biāo)記向量和查詢標(biāo)記向量。通過文檔標(biāo)記向量和查詢標(biāo)記向量的匹配，快速過濾掉大量無關(guān)文檔，減少了計算文檔相似度分?jǐn)?shù)和排序的時間，提高了檢索的效率。

(1)向量分塊標(biāo)記算法：

文檔向量分為u塊，若某個塊全為0，則標(biāo)記值bbs＝0，否則bbs＝1，得到文檔標(biāo)記向量bi＝(bb1,bb2,…,bbu)；

遍歷所有文檔，得到文檔標(biāo)記向量集合b＝(b1,b2,...,bm)。

圖4表示當(dāng)文檔數(shù)量m＝10，關(guān)鍵詞數(shù)n＝100，標(biāo)記向量維度u＝10時，向量分塊標(biāo)記算法的過程。

關(guān)鍵詞數(shù)n＝100，則文檔向量的維數(shù)為100維。將分為u＝10塊，每一塊有10個元素，若10個元素全為0，則將此塊標(biāo)記為bbs＝0，10個元素中只要有一個元素為1，此塊的標(biāo)記就為1，得到文檔標(biāo)記向量b1＝(1,0,0,0,0,1,0,0,1,0)；

將10個文檔依次按此操作得到文檔標(biāo)記向量b1到b10。

(2)查詢標(biāo)記向量和文檔標(biāo)記向量的匹配算法：

私有云服務(wù)器接收到授權(quán)用戶發(fā)送的查詢標(biāo)記向量后，依次用中每一位1去匹配ei中對應(yīng)的塊，即塊的標(biāo)記值bbs是否為0；

塊的標(biāo)記值bbs若為0，則說明該文檔對應(yīng)的塊沒有搜索的關(guān)鍵詞，如果為1則將對應(yīng)的索引標(biāo)識符sidi記錄下來，得到可能包含搜索關(guān)鍵詞的候選索引標(biāo)識符集合sid∈＝(···,sidi,···,sidj,···,sidz,···)；

私有云服務(wù)器將sid∈上傳給公有云服務(wù)器，公有云服務(wù)器根據(jù)索引的標(biāo)識符sidi找到對應(yīng)的安全索引ii，將對應(yīng)的vi和陷門tq計算文檔的相似度分?jǐn)?shù)，將所有分?jǐn)?shù)排序后，返回前k篇文檔給用戶。

圖5表示當(dāng)文檔數(shù)量m＝10時，文檔標(biāo)記向量與查詢標(biāo)記向量匹配算法的過程。

當(dāng)查詢關(guān)鍵詞的標(biāo)記向量為時，將中的第二位1同10篇文檔標(biāo)記向量對應(yīng)位置的值比較，得到b3所對應(yīng)的文檔可能包含查詢的關(guān)鍵詞，記錄其索引的標(biāo)識符sid3；

依次將中的1與10篇文檔的標(biāo)記向量對應(yīng)位置的值比較得到候選的索引標(biāo)識符的集合sid∈＝(sid3,sid8,sid5)；

私有云服務(wù)器將候選索引標(biāo)識符集合sid∈發(fā)送給公有云服務(wù)器，進(jìn)行相似度分?jǐn)?shù)的計算及排序操作。

較佳的，本實施例還采用了向量分段加密算法，具體如下：

mrse方案(caon,wangc,lim,etal.privacy-preservingmulti-keywordrankedsearchoverencryptedclouddata.ieeetransactionsonparallelanddistributedsystems,2014,25(1):829-837)創(chuàng)建的文檔向量的維度通常很大，所以方案構(gòu)建索引的時間主要花費(fèi)在文檔向量和矩陣的相乘上。本實施例將文檔向量分段，將每一段分別與維度大大減小的矩陣相乘，這使得此方案的索引構(gòu)建時間大大減少。

圖6為向量分段加密算法的主要過程，步驟如下：

1)數(shù)據(jù)擁有者隨機(jī)產(chǎn)生一個(n+2)比特的向量s和兩個(n+2)×(n+2)維的可逆矩陣{m1,m2}，密鑰sk由四元組{s,m1,m2,u}組成，u是一個正整數(shù)并且u|n。

2)數(shù)據(jù)擁有者在構(gòu)建索引時，根據(jù)安全knn算法將文檔向量分裂成和后，將和分別分成h段，得到然后使用密鑰sk進(jìn)行加密，得到和對應(yīng)的索引ii＝(sidi,vi)。最后，數(shù)據(jù)擁有者將e＝(e1,e2,···,em)發(fā)送給私有云服務(wù)器，將索引集合上傳給公有云服務(wù)器。

3)授權(quán)用戶在生成陷門時也采用構(gòu)建索引時類似的操作，得到陷門最后，授權(quán)用戶將查詢標(biāo)記向量發(fā)給私有云服務(wù)器，將陷門tq上傳到公有云服務(wù)器。

4)公有云服務(wù)器在計算相關(guān)度分?jǐn)?shù)時，采用的公式如下：

較佳的，本實施例還采用了三因子排序方法。具體如下：

本實施例實現(xiàn)了語義模糊檢索，當(dāng)授權(quán)用戶希望搜索到查詢關(guān)鍵詞語義相關(guān)的文檔，或者由于各種原因無法輸入準(zhǔn)確的關(guān)鍵詞時，也可以匹配到語義相關(guān)的文檔并返回給授權(quán)用戶，滿足用戶的搜索需求。

本實施例首次將域加權(quán)評分的概念引入文檔的評分當(dāng)中，對處于文檔不同域中的關(guān)鍵詞賦予不同的權(quán)重，將語義相似度、域加權(quán)評分和相關(guān)度分?jǐn)?shù)三者結(jié)合，提出了一種三因子排序方法，使得排序結(jié)果更加精確。

(1)語義相似度

本實施例采用基于信息內(nèi)容的resnik算法(可以參考resnikp.usinginformationcontenttoevaluatesemanticsimilarityinataxonomy.//proceedingsofthe14thinternationaljointconferenceonartificialintelligence.montreal,canada,1995:448-453.)計算語義相似度，步驟如下：

1)采用resnik算法計算兩個概念c1和c2相似度，計算公式如下：

sim(c1，c2)＝-logp(lso(c1，c2))＝ic(lso(c1，c2))

其中l(wèi)so(c1,c2)表示概念c1和c2在wordnetis-a樹中最深層的公共父節(jié)點(diǎn)。

p(c)是wordnet語料庫中出現(xiàn)概念c的名詞的概率，其計算方法如下：

其中，n表示wordnet語料庫中名詞的個數(shù)，freq(c)表示語料庫中包含概念c的單詞個數(shù)，其計算公式如下：

其中，words(c)表示包含概念c的單詞集合。

2)resnik算法計算兩個單詞w1和w2相似度，計算公式如下：

其中，s(w1)和s(w2)分別表示單詞w1和w2包含的概念集合，一個單詞可能包含若干個概念。

(2)域加權(quán)評分

本實施例首次將域加權(quán)評分(可以參考manningcd,raghavanp,schützeh.introductiontoinformationretrieval.cambridge:cambridgeuniversitypress,2008.)的概念引入文檔的評分當(dāng)中，給定一系列文檔，假定每篇文檔有l(wèi)個域，其對應(yīng)的權(quán)重系數(shù)分別是g1,…gl∈[0,1]，它們滿足：

令si為查詢和文檔的第i個域的匹配得分(1和0分別表示是否匹配)，于是，域加權(quán)評分方法可以定義為：

(3)相關(guān)度分?jǐn)?shù)

基于tf-idf權(quán)值計算方法，并參考tf的亞線性尺度變換方法(可以參考jinli,chenx.efficientmulti-userkeywordsearchoverencrypteddataincloudcomputing.computing&informatics,2013,32(4):723-738),步驟如下：

1)計算詞頻權(quán)重wft,f：

2)計算逆文檔頻率idft：

本實施例將語義相似度、域加權(quán)評分和相關(guān)度分?jǐn)?shù)三者結(jié)合，設(shè)計一種三因子排序方法，使得排序結(jié)果更加精確。公有云服務(wù)器上文檔得分的計算公式如下:

其中，zij、(wft,f×idft)和scj分別為文檔fi中關(guān)鍵詞wj的域加權(quán)評分、相關(guān)度分?jǐn)?shù)和語義相似度。

以上所述僅為本發(fā)明的較佳實施例，凡依本發(fā)明申請專利范圍所做的均等變化與修飾，皆應(yīng)屬本發(fā)明的涵蓋范圍。