社交数据外包服务的隐私保护和可验证机制研究

This project researches privacy-preserving and verifiable mechanisms in social data outsourcing scenario and proposes the related system models and algorithms. In contrast with privacy preserving research in cloud computing, this project focuses on plaintexts while not ciphertexts and combines with the characteristics of social data to research the problems of privacy preserving, verifiable search, utility and efficient; To satisfy the demands for the setting of multi-source, the project exploits privacy preserving schemes based on distributed differential privacy, which not only guarantee the privacy of social users in either local datasets or synthetic dataset, but also without sacrificing the applications; To protect the privacy of unstructured and high-noise social contents, we proposed an scheme based on differential privacy; To solve the attacks issued by social data servers, like modifying/adding/deleting social data, operating part queries, returning fake query results and so on, the project proposes the verifiable mechanism based on the combination of Merkle Hash Tree and Verifiable computing. Furthermore, the project constructs privacy and integrity preserving methods for social data outsourcing. To facilitate the performance comparison, we utilize the real social data issued by Twitter, Facebook to evaluate the proposed algorithms and mechanisms. The research results of this project will improve the security and efficiency of social data outsourcing, and contribute to the applications of social data.

本项目面向社交数据外包服务场景，研究社交数据隐私及完整性保护的外包机制，并提出相关模型和算法。不同于云安全面向密文的隐私保护问题，本项目针对明文社交数据并结合其数据特征，研究社交数据隐私保护、完整性验证、可用性及计算效率等问题。针对多源数据场景，提出基于分布式差分隐私的社交数据隐私保护方案，保护各源数据及合并数据隐私且满足可用性；针对具有无结构、高噪音等特点的社交推文，提出相应的差分隐私保护方案，保护用户推文数据隐私且支持其应用；针对社交数据服务商可能存在的篡改原始社交数据、执行部分查询或返回不真实查询结果等攻击，提出基于Merkle哈希树与可验证计算相结合的完整性验证方法。最后形成支持隐私和完整性保护的外包机制。为便于性能比较，项目将以Twitter、Facebook等实际社交数据对提出的算法和机制进行评价。该课题的研究，对提高社交数据外包服务的安全有效性，推动社交数据应用具有重要意义。

本项目面向社交数据外包服务场景，研究社交数据隐私及完整性保护的外包机制，并提出相关模型和算法。不同于云安全面向密文的隐私保护问题，本项目针对明文社交数据并结合其数据特征，研究社交数据隐私保护、完整性验证、可用性及计算效率等问题。针对多源数据场景，提出基于分布式差分隐私的社交数据隐私保护方案，保护各源数据及合并数据隐私且满足可用性；针对具有无结构、高噪音等特点的社交推文，提出相应的差分隐私保护方案，保护用户推文数据隐私且支持其应用；针对社交数据服务商可能存在的篡改原始社交数据、执行部分查询或返回不真实查询结果等攻击，提出基于Merkle哈希树与可验证计算相结合的完整性验证方法。最后形成支持隐私和完整性保护的外包机制。项目组还对社交网络中多源数据分布式隐私保护、几何范围安全查询、查询结果完整性验证、分散式多权限数据安全存储、轻量级等协议和机制进行了研究，取得较好的成果等协议和机制进行了研究，这些研究工作为项目组研究社交数据外包服务中多源数据的安全查询机制提供了较好的支撑。项目组发表了一批较高质量的学术论文，取得了较好的研究成果。该项目的研究成果对对提高社交数据外包服务的安全有效性，推动社交数据应用具有重要意义。