云存储中基于粗细粒度分类的图像自适应审计研究

作     者：蔚国莹 

作者单位：中国矿业大学 

学位级别：硕士

导师姓名：林果园

授予年度：2021年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：卢卡斯定位 批量审计 失效率 失效图像 审计强度 

摘      要：云存储服务是云平台提供的数据管理服务,具有随时随地存取数据、弹性配置存储资源等优点。数据持有性证明机制能够保证用户访问的云端图像是完整的,但仍存在一些问题:批量审计失败后查询少量失效图像,以及定期审计云服务器中的所有图像都不适合容量和计算能力有限的终端设备。因此,从定位失效图像以及定期验证图像的完整性两个方面展开研究,改进卢卡斯查询方法和审计强度的分配策略,主要工作具体如下:（1）提出云存储中基于失效率的卢卡斯定位方案（Lucas Location Scheme Based on Failure Rate in Cloud Storage,LL-FR）。云存储服务器中的图像具有多样性,图像和图像块失效的可能性存在差异,从而导致失效图像块的索引值随机分布。为解决失效图像块的索引值不连续导致卢卡斯查询方法时间开销过大的问题,引入图像价值、被访问方式和被访问的次数计算图像块的失效率,并将图像按照失效率非递减的顺序进行排列,使得失效图像块保持相邻状态且处于挑战集合的末端。然后,基于卢卡斯查找方法优先批量审计失效率较低的图像块,排除大部分有效图像块,从而减少批量审计的次数。最后,通过安全性分析与实验性能分析,证明该方法具有一定优势。（2）提出基于粗细粒度分类的图像自适应审计机制（Image Adaptive Audit Mechanism Based on Coarse and Fine Grained Classification,CFGC）。第三方审计者（the Third Party Auditor,TPA）能够及时检测到云服务器中存在失效图像是定位失效图像的前提是,在定期审计过程中自适应调整审计强度。在审计协议的初始阶段,TPA通过图像粗粒度分类策略将相同审计需求的图像插入到同一审计队列,并分配与之契合审计强度。在后续的审计过程中,图像块热度的变化会影响图像的审计需求,TPA需要在一个审计周期结束后,依据图像细分类策略自适应调整图像的审计强度。除此之外,为进一步优化审计协议,当某一审计周期结束时,TPA提取缓存区的所有审计队列进行一次批量审计,减少随机抽样的挑战数目和审计次数。最后,实验结果表明,自适应调整图像的审计周期和识别率,既可以保证TPA及时检测出失效图像,又可以减少审计开销。