基于关键词抽取的云环境密文检索研究

With the rapid growth of internet usage and decentralized computing, storage and management characteristics of modern information services have start a new trend, with more and more sensitive information being transferred to the cloud. Unfortunately, the mutual distrust between the data owner and the cloud service provider, data usually have to be encrypted prior to out-sourcing for data privacy and to protect data from unsolicited accesses, which presents the enormous challenge of using data effectively to retrieve documents. Since the encrypted document in cloud is incomprehensible, which creates great challenges in cloud retrieval model definition, keyword index building, and searchable encryption scheme design. To remedy these challenges, in this work, after a review of current research literature, we first build a cloud information retrieval framework and formalize its retrieval risk formally. Secondly, since the existing searchable encryption schemes suffered from the inappropriate keywords selection, a new keyword detection measure based on the spatial distribution of a particular word is proposed. Thirdly, we modify the current searchable encryption scheme to support the state-of-art information retrieval methods, such as vector space model, probabilistic modeling, and language modeling, while the current solution only support simple equality queries on encrypted data that provide a slight better result than random selection. Besides, a financial cloud information retrieval system and the corresponding corpus will be built based on the above theoretical research and deployed for practical uses. This project, having promising academic and practical values, will promote the modernization and scientific level of the modern information retrieval technologies.

云计算深刻改变了现代信息服务的计算、存储和管理模式,当前愈来愈多的信息选择存储到远端云服务器中。但用户和云服务提供商之间缺乏互信,用户数据不得不先加密后存储到云中。正是因为文档在云端以加密形式存储,使得传统检索模型都因无法理解文档而失效,云信息检索面临极大的挑战。为了解决这一难题,首先,课题研究基于贝叶斯风险模型的云信息检索风险建模。通过将云检索视为特殊的信息检索问题,在贝叶斯风险模型框架下实现云检索的最小风险建模。在此基础上,研究适用于云计算场景的云文档关键词分析、抽取与索引建立机制。基于词语空间分布和统计特性结合的方法实现极高精度的云文档关键词抽取。再次,研究支持极端短文本检索的可检索加密协议设计。在保证用户隐私和信息安全的基础上,实现支持极端短文本检索的可检索加密协议设计,提高云信息检索性能。最后,课题将构建一个金融云信息检索原型验证系统,并建立可为本类研究提供样本的信息检索语料库。

云计算深刻改变了现代信息服务的计算、存储和管理模式，当前愈来愈多的信息选择存储到远端云服务器中。但用户和云服务提供商之间缺乏互信，用户数据不得不先加密后存储到云中。正是因为文档在云端以加密形式存储，使得传统检索模型都因无法理解文档而失效，云信息检索面临极大的挑战。经过四年的努力，课题组严格按照项目申请计划，顺利完成项目预定研究目标，获得以下成果：1. 课题研究基于贝叶斯风险模型的云信息检索风险建模。通过将云检索视为特殊的信息检索问题，在贝叶斯风险模型框架下实现云检索的最小风险建模。2. 在此基础上，研究适用于云计算场景的云文档关键词分析、抽取与索引建立机制。基于词语空间分布和统计特性结合的方法实现极高精度的云文档关键词抽取。3. 再次，研究支持极端短文本检索的可检索加密协议设计。在保证用户隐私和信息安全的基础上，实现支持极端短文本检索的可检索加密协议设计，提高云信息检索性能。此外，针对典型的云计算场景，即工业互联网场景开展标准化工作。项目负责人作为主编，提出了国际标准《信息技术 安全技术 工业互联网平台安全参考模型》，在2018年国际网络安全标准化工组ISO/IEC JTC1 SC27会议上成功立项为SP研究项目，并在2019年法国会议上成为新工作提案（NP24392），是我国在工业互联网领域立项的第一个国际标准。团队开发出多款信息内容检索系统，包括文本时间摘要系统、微博推荐系统、突发事件分析系统等，参加国际文本检索会议（TREC）获得佳绩，在TREC 2019大会的Incident Streams Track上获得A轮性能单项指标第一的优异成绩。目前项目已在IEEE Transactions on Vehicular Technology、IEEE Transactions on Neural Networks and Learning Systems、电子学报等刊物上发表论文11篇，其中SCI/EI收录10/10篇，被他人引用120余次；主编国际标准（草案）1项，国家标准1项目；申请国家发明专利17项，其中授权4项，登记软件著作权5项；主办IEEE ICIVC’20国际会议；部分研究成果获2017年吴文俊人工智能科学技术奖一等奖。已经培养教授/博导1名，副教授1名，博士后1名；入选长城学者1名；培养研究生19名(其中4名博士生、15名硕士生)。