基于数字水印的云数据库安全研究

论文摘要

云数据库是一项具有数据索引和查询等数据库核心功能的网络服务。与传统数据库相比，它不需要前端投入，设计简单，不需要数据库管理员进行维护和管理，由提供服务的第三方维护。这种模式减少了数据模型化、索引维护和性能提升的管理负担，因此越来越受到用户的青睐。但在云数据库中用户不再拥有基础设施资源，业务数据都存储于“云”中。数据的存取、复制与传播变得十分方便而又无法追踪，这给数据的盗版、非法传播提供了便利的条件，直接威胁着数据所有者的合法权益。因此，云数据库的版权保护问题成为了云计算安全研究中一个亟待解决的现实问题，而数字水印技术作为一种常用的信息安全技术，成为云数据库版权保护的潜在解决方案。相比关系数据库水印，云数据库通常用来存储海量的数据，要求算法计算效率高；云数据库中存储的数据类型多样，导致了水印算法通用性下降；云数据库采用的“分散文件”存储方式会造成水印的嵌入与检测不同步，需要更好的同步机制以确保水印的安全。这些对云数据库水印的研究提出了更高的要求。云数据库水印作为一个全新的研究领域，目前还处于探索起步阶段，还有大量工作亟需开展。本文介绍了云数据库和数字水印相关基础与理论，分析了云数据库存在的安全问题；提出了两种针对云数据库安全的数字水印算法：基于极角扩展的云数据库水印算法和基于量子K均值聚类的云数据库水印算法。前者是一个可逆水印算法，算法采用密钥作为伪随机数的种子产生伪随机数，选择水印的嵌入位置，将选择的条目属性序列与极坐标系中的点一一对应，对这些点列的极角进行扩展，嵌入水印。后者将数据库表看成多维空间，在此基础上进行聚类，每一类都代表着特定意义的数据，然后对每一类数据进行多次特定水印比特的嵌入来提高水印的鲁棒性。同时为确保嵌入水印前后数据聚类结果的相同，实现了水印的自适应嵌入。对比实验表明，两种方法对子集更改、子集选择、子集添加等攻击具有较高的鲁棒性，且前者能较真实的恢复出原始数据。

论文目录

• 摘要
• Abstract
• 目录
• 插图索引
• 附表索引
• 第1章 绪论
• 1.1 课题来源
• 1.2 研究背景与意义
• 1.3 国内外研究现状
• 1.4 本文主要工作
• 1.5 本文组织结构
• 1.6 小结
• 第2章 云存储和云数据库
• 2.1 云存储
• 2.1.1 云存储与传统存储的异同
• 2.1.2 云存储通用系统架构
• 2.1.3 云存储的特点
• 2.2 云数据库
• 2.2.1 云数据库与关系数据库的不同之处
• 2.2.2 主流云数据库
• 2.3 小结
• 第3章 数字水印技术与数据库水印
• 3.1 数字水印
• 3.1.1 数字水印的主要特征
• 3.1.2 数字水印的分类
• 3.1.3 数字水印的典型应用领域
• 3.2 数据库水印
• 3.2.1 关系数据库水印的特点
• 3.2.2 云数据库水印与关系数据库水印比较
• 3.3 小结
• 第4章 基于极角扩展的有损可逆云数据库水印算法
• 4.1 极角扩展方案
• 4.1.1 符号约定
• 4.1.2 水印方案
• 4.2 云数据库水印算法
• 4.2.1 水印嵌入算法
• 4.2.2 水印检测算法
• 4.2.3 数据恢复算法
• 4.3 算法分析
• 4.3.1 算法时间复杂度
• 4.3.2 嵌入容量分析
• 4.4 实验结果与分析
• 4.5 小结
• 第5章 基于量子 K 均值聚类的云数据库水印算法
• 5.1 量子聚类的物理学背景
• 5.1.1 量子力学的基础知识
• 5.1.2 基于量子力学的聚类问题解释
• 5.1.3 k 均值聚类算法
• 5.1.4 David 的基本量子聚类算法思想
• 5.2 基于量子机制的 K 均值聚类算法
• 5.3 量子 K 均值聚类的云数据库水印算法
• 5.3.1 算法基本思想
• 5.3.2 自适应因子
• 5.3.3 水印嵌入算法
• 5.3.4 水印检测算法
• 5.4 算法分析
• 5.4.1 算法时间复杂度分析
• 5.4.2 容量分析
• 5.4.3 鲁棒性分析
• 5.5 实验结果与分析
• 5.5.1 聚类算法实验与分析
• 5.5.2 水印算法实验与分析
• 5.6 小结
• 结论
• 参考文献
• 致谢
• 附录A （攻读学位期间发表的学术论文与获得的成果）
• 附录B （攻读学位期间参与项目目录）