公开可验证的数据外包统计计算研究

Getting statistics on big data for significant information with more depth and accuracy is an important requirement of current society. Outsourcing techniques such as cloud computing provide a potential solution to the statistics computations over big data. As the outsourcing service is provided by a third party, how to ensure the correctness of the computation result is of great significance. To address this problem, our proposal aims for publicly verifiable statistic computations over outsourced data. . Homomorphic linear signatures are only suitable for the verification of linear functions on individual outsourced data, while full homomorphic signatures that support the verification of the outsourced quadratic polynomial functions can be used for quadratic statistical functions. However, the computation overhead of a verifier is proportional to the number of involved data. In the background of big data, the efficiency of publicly verifying the result of statistic computations over individual outsourced data and how to publicly verify the result of statistic computations over group’s outsourced data are two open problems. The research contents of this proposal include: 1) the formal security model of the publicly verifiable statistic computations; 2) publicly verifiable statistic computations over outsourced data of an individual user; 3) publicly verifiable statistic computations over outsourced data of static groups and dynamic groups. This proposal aims at proposing practical and public verification schemes for statistic computations over outsourced data, and filling the research vacancy of verifying the statistic computations over outsourced data of groups in domestic and abroad.

对大数据进行统计分析获取更有深度和精度的信息，是当前社会的重要需求。云计算等外包技术为大数据统计分析提供了潜在的解决方案。但外包服务是由第三方提供，确保计算结果的正确性成为外包用户的首要关注问题。本课题旨在研究公开可验证的数据外包统计计算问题。. 线性同态签名仅适用于单用户数据外包线性计算验证，全同态签名支持二次函数外包计算验证，适用于单用户数据外包统计计算。但验证开销与函数涉及的数据数目成线性关系。在大数据下，可实用性公开可验证的单用户数据外包统计计算以及群用户数据外包统计计算公开验证是国际上未解决的公开问题。本课题的研究包括：1）公开可验证的统计计算安全模型；2）高效的公开可验证单用户数据外包统计计算；3）公开可验证的静态群与动态群数据外包统计计算。本课题的研究目的是提出具有实用价值的数据外包统计计算公开验证方案，以及填补国内外在群用户数据外包统计计算验证研究的空白。

本研究中，我们分别对单用户数据外包计算完整性检验、多用户数据外包完整性检验做了深入分析以及构造对应的方案，同时扩展支持云环境中密文检索结果正确性验证方案，以及考虑其它密码底层技术和应用密码协议。具体内容包括：1）针对外包数据存储场景，设计具有同态性质的多用户数字签名方案，适用于单用户数据完整性检验支持完整性标签聚合。所设计的方案在随机预言机模型是可证明安全的，并通过实验仿真证明方案的有效性；2）针对数据外包场景中，用户将数据加密存储在云服务器中。为了确保用户数据的有效检索以及检索结果的可验证性，设计支持单用户数据密文检索可验证的方案，所设计的方案在UC模型是可证明安全的，并通过实验仿真证明方案的有效性；3）设计具有同态性质的数字签名方案，支持多用户数据流外包内积计算完整性检验，并且可以扩展支持矩阵计算。所设计的方案在随机预言机模型是可证明安全的，并通过实验仿真证明方案的有效性；4）考虑目前云中数据75%是冗余的这一现状，为了确保用户的数据完整无误地存储在云端，设计基于消息锁定的同态签名方案，结合代理重签名技术，支持用户机密数据完整性检验同时满足标签去冗余。所设计的方案在随机预言机模型是可证明安全的，并通过实验仿真证明方案的有效性。实验结果表明，当云中数据千分之三是冗余的时候，所设计的方案将优越于现有方案包括云端完整性标签存储开销、用户完整性标签计算开销，并且随着冗余率的增加所设计的方案优势则更为明显。已发表和录用国际高水平期刊、会议论文 10篇，包括计算机学会推荐A类会议IEEE INFOCOM 2篇、中科院分区二区CCF推荐B类期刊IEEE TSC 1篇，其它SCI检索期刊5篇，国内核心期刊EI检索软件学报2篇，发明专利授权 2 项。