.png){kind=icon}
返回
Security-Enhanced Spatial Range Query Over Large-Scale Encrypted Mobile Cloud Datasets
.png){kind=icon}
PRE
AI
DOI：10.1109/TMC.2025.3599519.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
隐私保护的空间范围查询允许用户基于特定的空间属性或地理位置获取有效数据，同时确保隐私。然而，许多现有的隐私保护空间范围查询（PSRQ）方案在处理大规模移动云数据集时，普遍面临查询效率低和安全性不足的问题，并且难以抵抗选择明文攻击下的不可区分性（IND-CPA）。为解决这些挑战，我们首先提出了一种高效且安全的空间范围查询方案（ESSRQ），该方案基于双移动云架构，整合了Geohash算法、循环移位合并零和混淆布隆过滤器（CSC-ZGBF）以及对称同态加密（SHE），实现了常数搜索复杂度。然而，ESSRQ无法保护访问模式，云服务器仍有可能基于索引位置进行推断攻击，甚至获取明文查询。在此基础上，我们进一步提出了扩展方案ESSRQ-PIR，该方案将私有信息检索（PIR）引入基于单移动云的架构中，有效防止了访问模式的泄露，增强了ESSRQ的安全性，并且也能实现在大规模云数据集上的高效查询。形式化安全分析证明，我们提出的方案能够抵抗IND-CPA，广泛的实验表明，与现有方案相比，我们的方案将查询效率提高了近20倍。这些特性使得所提出的方案特别适用于移动云计算环境中的隐私保护空间查询。
Keyword:
Spatial range query
private information retrieval
privacy-preserving
mobile cloud computing
large-scale dataset
期刊
IF:
9.2
论文数:
5.9K
被引数:
1.8W
机构
引用论文
When private set intersection meets big data.png)
Proceedings of the 2013 ACM SIGSAC conference on Computer & communications security - CCS '13
OAAI
Proceedings of the 2013 ACM SIGSAC conference on Computer & communications security - CCS '13IF0
OAAI分享收藏分享收藏Towards Access Pattern Prediction for Big Data Applications2022 13th International Conference on Information and Communication Technology Convergence (ICTC)
2022 13th International Conference on Information and Communication Technology Convergence (ICTC)IF0
PREAI
分享收藏
查看更多内容