数据库安全理论与技术解析.ppt

5.6 数据库加密技术 ——目前的解决方法3 安全多维范围查询方法 对于查询： Select ? From R Where salary ∈ [25k, 35k] ∧ age∈ [30, 36] 将转换成： “Select ? From RA Where bucket =B1∨ B2 不仅查询真实的结果集，而且查询误称的结果 5.6 数据库加密技术 ——目前的解决方法3 安全多维范围查询方法 性能代价估算：对于查询来说，如果误称的结果越小，性能越好。 直观地：桶的数量越多，查询代价越低，相反，从安全的角度，最好的情况是将所有数据放在一个桶里。这种方案不会泄露任何信息，但是对于大数据集，显然性能难以接受。 下面的讨论假设桶的数量是一个指定的值M，对于给定的一组查询，优化划分方案是最小化总的误称数量 5.6 数据库加密技术 ——目前的解决方法3 多维范围查询代价估算 考虑二维欧式空间，桶是二维的矩形，查询的属性是整数值。 令Q(k1, k2)表示一个矩形的查询范围(k1, k2), k1，k2表示矩形的长宽。 考虑2-维桶B,边长是(b1, b2). 则Q(k1, k2)产生的不同的与B相交的查询是(b1+k1)(b2+k2). B中每个不同的数据值p(多维点)覆盖k1*k2个查询，其余查询均为误称 5.6 数据库加密技术 ——目前的解决方法3 多维范围查询代价估算 对于每个桶内的点，设fp是点p在数据集中出现的频率，它会对Q(k1, k2)中的 [b1b2+b1k2+b2k1]个查询引起fp个误称 查询会检索B1和B2中所有的点（红色的和蓝色的） 5.6 数据库加密技术 ——目前的解决方法3 多维范围查询代价估算 所有的覆盖桶B的查询中，每个点p的频率是fp的总误称数是： 总误称数是估计查询负载的好的近似方法，此时假设所有的范围查询都是随机（等概率）出现的，假设ki取值为1,…, N， 展开上式： 5.6 数据库加密技术 ——目前的解决方法3 多维范围查询代价估算 False(p)表示点 的总误称，因此B桶的总误称： 5.6 数据库加密技术 ——目前的解决方法3 多维范围查询代价估算 令FB表示B中点的总数（含重复的点），由于对于一个域来说N是一个常数，TFP(B)正比于： FB[b1b2+C(b1+b2)]其中C=（N+1）/2，是个常数。 再来看三维的情形，假定有一个桶B=(b1, b2, b3)以及定长边(k1, k2, k3)的查询，对于这一类查询k1*k2*k3个查询覆盖任意的点p.对于其他的与桶B相交的查询，p为误称。类似于2-维情形，计算误称False(p)，点p的所有可能的查询，ki在范围[1, N]之间变化。 5.6 数据库加密技术 ——目前的解决方法3 多维范围查询代价估算 5.6 数据库加密技术 ——目前的解决方法3 多维范围查询代价估算 对于整个桶（FB个点), 所有与B相交的所有查询的总误称为： 容易推导d-维的情形。桶B在d-维情形下的总误称： 5.6 数据库加密技术 ——目前的解决方法3 多维范围查询代价估算 我们的目标是最小化： 多数情形下Nbi。 从前面的一般式子，主要起作用的项是最后一项，因此用下面的式子作为代价评估的标准： 表示 桶B的边长 5.6 数据库加密技术 ——目前的解决方法3 划分多维数据的算法 假设M小于数据集中点的个数，一个好的桶划分算法最小化桶的权重(数据点的数量)与其周长的积的和。 思路： 1. 初始时，所有的点都在一个桶里，此时代价最高； 2. 考虑所有的数据点对使得一个新的、由两个点对定义的矩形可以最大限度地降低总代价，即降低当数据划分到两个矩形中去后的总代价最小，一个矩形由新矩形组成，另一个由老矩形(或者修改的老矩形) 3.迭代过程中，由于总代价不断减少，算法迭代直到M个不同的桶构造完毕 5.6 数据库加密技术 ——目前的解决方法3 划分多维数据的算法 5.6 数据库加密技术 ——目前的解决方法3 划分多维数据的算法 步骤10的细化： 对于数据集中的每一个点pi，完成下面的操作： 1. 对于每个其他的j-1个矩形作如下迭代：将p