随着计算机互联网的飞速发展,数据呈现指数级增长,越来越多的用户选择将数据存储在云服务器。云存储减轻了用户的存储管理负担,为用户提供灵活的云计算服务,但是作为一个第三方平台,云服务商可以轻松获取用户的数据,造成隐私数据泄露等安全问题。因此,为了防止非授权访问、保护用户隐私和数据安全,用户一般先将数据加密,再上传至云服务器。由于加密后的数据失去了明文特征,用户无法高效地检索数据,如何同时保证数据的机密性和数据的可用性成为云存储中密文检索技术发展的关键点。本文提出了一种支持索引动态更新的多关键词密文排序检索方案,具体研究内容如下:(1)SMRI密文索引的构建通过研究密文检索领域常用的索引结构,针对高维向量索引占用空间大,构建复杂的问题,本文基于Simhash算法降维的思想,提出了一种基于Simhash的安全多关键字排序检索索引(Secure Simhash-based Multi-keyword Ranked Search Index,SMRI)。首先,基于TF-IDF规则将每篇文档处理成特征向量。然后,基于单向密钥哈希函数HMAC-MD5,利用Simhash算法将每篇文档处理成低维的特征指纹,将指纹分段预建分组索引。最后,用分段指纹和特征向量二元组构建B+树,并用Sk NN算法加密,得到安全密文索引。当数据发生变动时,只需要更新二元组中的数据,提交更新信息至云服务器,利用B+树自身的特征,即可完成索引的动态更新。(2)基于SMRI的多关键词检索与排序根据用户提交的查询关键词生成安全陷门,利用基于TF-IDF的向量空间模型和带密钥的Simhash算法将查询关键词处理成向量和指纹,并用Sk NN算法加密向量,构成查询陷门提交至云端。针对检索过程中相关分计算复杂度高以及排序精度低的问题,本文设计了一种基于“过滤-精化”策略的检索排序方案。首先云服务器根据陷门中的查询指纹在SMRI索引中匹配所有汉明距离小于设定阈值的指纹集合,过滤大量与查询关键词相关性较低的文档,得到候选结果集。然后按照TF-IDF规则计算向量内积,对候选结果集进行排序,得到与查询关键词相关分最高的top-k结果集。整个过程在云服务器端完成,减少与客户端的计算量与通信量。(3)安全性分析与实验设计首先总结了密文检索中常见的攻击模式,确立了威胁模型,定义了安全目标,然后分析了本方案在数据文档、关键词、相关分以及查询隐私保护方面的安全性。最后以RFC为实验数据集,分析不同方案在索引构建、陷门生成、索引检索、索引更新以及检索精度等方面的效率,实验结果表明SMRI的检索效率高、计算量小,节约时间和空间成本,适用于海量数据的快速检索。