云存储数据机密性公开审计模型与方法

Cloud storage is today an important application of cloud computing technology, while it brings people a lot of convenience for life and work, its data confidentiality issue also provides an opportunity for criminals and even cloud service providers, which seriously hinder the development and promotion of cloud storage service. Therefore, data confidentiality auditing in the cloud has become an urgent requirement for protecting information security of individuals, enterprises and nations, which is the very purpose of this project. At present, there are many challenges for cloud data confidentiality auditing, such as, heavy computing load of auditing terminal, difficult acquisition and poor reliability of auditing evidence, low efficiency of auditing analysis methods, and scalability lack of auditing system. Aiming to these issues, we plan to carry out: 1) the third-party public auditing model, in order to solve the problem of high complexity in cloud data confidentiality auditing; 2) the multiple evidence generation methods, in order to solve the problem of high complexity in cloud data confidentiality auditing; 3) the auditing analysis strategy under different models, in order to solve the problem of low function and accuracy in cloud data confidentiality auditing; 4) the auditing mechanism innovation with experimental verification, to realize the extensibility and normalization of system application in cloud data confidentiality auditing.

云存储作为云计算技术的一个重要应用，让人们在生活和工作中享受便利的同时，其数据的机密性问题为非法分子甚至云服务供应商提供了可乘之机，严重阻碍了云存储服务的发展与推广。因此，对云环境下的数据机密性审计成为了保障个人、企业以及国家信息安全的一项急切要求。本项目正是围绕这一关键需求，重点针对当前审计用户终端负载大，审计证据获取难且可靠性差，审计分析方法效能低，审计系统可扩展性缺失等问题，首先通过研究第三方机密性公开审计模型，解决云存储数据机密性审计可行性的问题；接着通过研究多种审计证据生成方法，解决云存储数据机密性审计过程复杂度高的问题；然后通过研究不同模型下审计分析策略，解决云存储数据机密性审计功能单一且准确度低的问题；最后通过审计机制创新并结合实验验证，期望能为云存储数据机密性审计系统的扩展性与规范化进行应用研究。

云存储作为云计算技术的一个重要应用，让人们生活和工作中享受便利的同时，其数据的机密性问题为非法分子甚至云服务供应商提供了可乘之机，严重阻碍了云存储服务的发展与推广。因此，对云环境下的数据机密性审计成为了保障个人、企业以及国家信息安全的一项急切要求。在这样的背景下，本课题主要针对数据机密性和公开审计模型两部分内容进行研究。在研究过程中，课题组结合了强化学习、物理层安全以及雾计算等技术，提出了支持计算外包和属性撤销的属性基加密方法、可撤销和外包的多授权中心属性基加密方法、面向云存储的支持范围密文搜索的属性基加密方案、基于强化学习的伪装攻击检测算法、基于强化学习的中继节点选择方法、无线通信中密钥生成方法的功率分配策略、面向用户的智能攻击防御方法、基于DQL算法的雾计算网络智能审计方案、异构网络的切换管理审计方法、针对云计算多副本存储数据方案的高效审计方法等，解决了诸多技术难题。在实验过程中，课题组得到了得到了一些重要结果。例如，在研究模拟攻击检测方法时，课题组应用的方法在误报率（FAR）和平均错误率（AER）上都超出对比实验方法。在研究密钥生成方法的功率分配策略时，课题组不仅研究了功率分配参数对密钥生成率（SKGR）的影响，还细化了研究，对功率传输的多个影响因素进行了实验研究，得出了更为确切的实验结果。在研究针对云计算存储方式的高效审计方法时，课题组提出的方法，在面对59个数据块时，验证率就达到了95%，在面对90个数据块时，验证率更是达到了99%。课题组以论文的形式将所有突出的研究成果发表在多个国际会议和期刊上，得到了同行的认可，并获得了多个优秀论文奖。同时，课题组还开发了两款用于隐私数据加密与保护的Android应用软件。这两款软件分别支持信息的加密传输和内容回溯等功能。