云存储数据完整性校验中数据抽样算法地研究.pdf

云存储数据完整性校验中数据抽样算法的研究 摘 要 云计算 （cloud computing）通过互联网提供动态易扩展的虚拟 化资源服务方式，为大数据存储和管理提供了全新的模式。越来越多 的用户数据被存放到云服务器，使得这些数据所有者在享受这种便利 服务的同时也丧失了对数据的实际控制权。尤其是当数据存放在不可 信的云服务提供者的服务器中时常面临数据遭受丢失或损坏的威胁， 数据完整性校验成为解决这一问题的重要手段。 大数据存储下的数据完整性校验目前以简单随机抽样方法来进 行抽样校验。具体实施时首先将文件划分成一定数量的数据块进行随 机抽取，以应对数据频繁更新时可能出现的潜在数据丢失或损坏。然 而这种抽样方法在处理数据块的连续丢失或损坏时显得有些滞后。为 此，本文以保证数据校验可公开性和安全性的三方校验模型为基础， 提出一种基于随机马尔科夫决策过程的抽样校验方法。通过分析每个 独立数据块的状态和损坏数据块之间的关联性，采用随机马尔科夫决 策过程来制定数据块在校验中的抽取策略，以解决简单随机校验方案 在数据块发生连续丢失或损坏情况时发现时间长的问题。此外，从抽 样数据块数量、校验轮数和校验时间间隔等方面进行了进一步的抽样 校验优化。 万方数据 云存储数据完整性校验中数据抽样算法的研究 最后，通过理论分析和实验分析，在数据完整性校验中采用基于 随机马尔科夫决策过程的数据抽样算法，在计算代价和网络传输开销 相同的条件下，面对连续损坏的数据块，校验同等数量数据坏块时所 需要的校验时间明显减少，在同等校验时间时所检测到的数据坏块数 量明显增多。而在面对非连续损坏的数据块时，所需校验时间和检测 到的数据坏块数量相似，因此，本文提出的数据抽样算法提升了数据 完整性校验的效率。 关键词：云存储；数据完整性校验；抽样方法；马尔科夫决策过程 II 万方数据 云存储数据完整性校验中数据抽样算法的研究 RESEARCH ON SAMPLING ALGORITHMS OF DATA INTEGRITY VERIFICATION IN CLOUD STORAGE ABSTRACT Cloud computing provides dynamic and scalable virtualized resources and services via the Internet, so it provides a new model for large data storage and management. More and more data is stored in the cloud server, so that their ownerscan enjoy this convenient service.However, data owners have to relinquish their effective control over the fate of the data, so that the data stored in the cloud storage service provided by untrusted servers is urgently faced with the challenges of the integrity check problem, especially when data is stored in an untrusted cloud service. Data integrity verification has become an important means to solve this problem. Data integrity verificationunder cloud storage formass datacurrently uses the simple random sampling method for sampling check. The specific implementation is, at first,to divide the file into a certain number of datablocks, and then do select so as to respond to the underlying data ’slost or damagethat may occur while the data isfrequently updated. However, when dealing with data blocks’ lost or damage o