云辅助物联网中内积的灵活阈值多客户端安全聚合

《Computer Standards & Interfaces》:Flexible threshold multi-client secure aggregation for inner product in cloud-assisted IoV

【字体: 大 中 小 】 时间:2026年09月19日 来源:Computer Standards & Interfaces 4.6

编辑推荐:

   •多个客户端可以共存并独立加密其输入,而密钥持有者可以直接在密文上进行计算,只能学习函数值而无法获知任何单独的输入。 •客户端可以在加密阶段灵活选择阈值,而无需重新初始化系统。 •所有密文都与一个标签相关联,从而防止"混合匹配"攻击。 •只要参与客户端的数量满足指定的阈值,就

  

•多个客户端可以共存并独立加密其输入,而密钥持有者可以直接在密文上进行计算,只能学习函数值而无法获知任何单独的输入。
•客户端可以在加密阶段灵活选择阈值,而无需重新初始化系统。
•所有密文都与一个标签相关联,从而防止"混合匹配"攻击。
•只要参与客户端的数量满足指定的阈值,就可以正确地进行解密。
•云服务器可以聚合多个密文,并分别计算密文中嵌入的向量与功能密钥之间的内积。
•所提出的方案支持客户端掉线。

## 引言

随着网络技术的进步,车联网[1]、[2]、[3]已成为智能交通系统中用于高效数据收集和处理的主流范式。车联网系统利用传感器和互联设备为实时应用提供关键信息。通过无缝的数据共享,车联网能够从车载单元和路侧基础设施中收集大规模数据。此外,云辅助车联网可以将计算密集型任务外包给远程云服务器,从而减轻本地计算负担。虽然云计算提供了巨大的便利和效率,但也引入了数据隐私问题[4]、[5]。为了保护敏感信息,数据通常在存储到云服务器之前进行加密。然而,传统加密方案不支持对加密数据的选择性计算。函数加密[6]提供了一个有前景的解决方案,它使授权用户能够直接在密文上进行计算,并仅获得加密数据的具体函数值,而不会暴露底层明文。多客户端函数加密[7]是函数加密的一个扩展变体,允许多个客户端独立加密私有数据。在多客户端函数加密方案中,多个客户端独立地生成其密文,而密钥持有者则聚合密文并计算加密数据的函数值。多客户端函数加密特别适合车联网场景,在这种场景中,车辆独立地收集和加密数据,而云服务器拥有强大的计算能力,支持计算密集型的聚合操作。

内积功能因其广泛的应用,例如评估描述性统计和多项式计算,如计算向量分量的加权平均值,而受到越来越多的关注。内积函数加密方案是函数加密的一个特定实例,它支持对加密数据进行内积计算。为了支持多个数据源的加密,引入了内积的多客户端函数加密方案[8]。然而,该方案存在所有客户端必须保持在线的缺点,这在现实应用中是不切实际的。在实践中,设备可能由于断电或其他故障而离线。一个健壮的车联网系统必须在部分设备发生暂时中断或永久离线时仍能保持正确且不间断的运行。因此,设备离线/掉线问题至关重要,必须予以支持。不幸的是,现有的内积多客户端函数加密方案并未解决这一问题,无法满足实际应用的需求。

在本文中,我们设计了一个灵活阈值的多客户端内积函数加密方案,其中解密者可以在获得足够的功能密钥时计算与其/她的私钥相关的向量与参与客户端生成的密文之间的内积。阈值可以灵活选择而无需重新初始化系统。此外,我们的方案支持客户端掉线,更适合车联网应用。

函数加密首次由Waters提出[6],克服了公钥加密方案"全有或全无"的限制(即解密者要么获得整个明文,要么什么都恢复不了)。假设一个函数加密方案支持函数族?。可信机构TA为给定函数f∈?生成功能密钥SK_f。给定密文CT_x以及功能密钥SK_f,解密者可以学习函数值f(x)而不会获得关于明文x的任何其他信息。函数加密的形式化定义和安全模型由O'Neill[9]和Boneh等人[10]引入。现有的函数加密方案可分为两类:(1)具有灵活和通用函数的函数加密[11]、[12];(2)具有高效和特定函数的函数加密[13]、[14]、[15]。函数加密支持对加密数据的选择性计算,并已被用于各种应用,包括物联网[16]和云计算[17]等,用于在保护数据机密性的同时执行加密数据上的安全计算。

考虑到数据可能来自多个来源,Goldwasser等人[18]首先提出了多输入函数加密方案,该方案允许多方分别生成其密文。Feng等人[19]提出了一种基于代理重加密技术的多输入函数加密方案,允许半可信代理执行安全聚合而不会获知任何中间数据。Guan等人[20]设计了一种基于双解密多输入函数加密方案的新型数据计算机制,可以使用不同的密钥产生不同的结果。然而,多输入函数加密方案容易受到"混合匹配"攻击,因为来自多方的密文可以被聚合以执行解密。例如,假设两个客户端分别加密{x?, x?}和{y?, y?},评估者可以为任何i,j∈{0,1}的组合计算f(x?,y?),这将导致过多的信息泄露。为了解决上述问题,多客户端函数加密被引入[8],其中所有密文都与特定标签绑定。因此,与相同标签相关联的密文可以被组合以恢复明文。Nguyen等人[21]提出了一种支持公开输入的一般多客户端函数加密方案,涵盖了此前提出的许多原语,特别是基于属性的功能原语。然而,在多客户端函数加密方案中,解密者需要收集所有客户端的密文(因此,所有客户端需要在线并正常工作),这不可避免地削弱了系统的健壮性。为了解决这一问题,Li[22]提出了一种健壮的去中心化多客户端函数加密方案,该方案将客户端分为两种类型:正向客户端和负向客户端。正向客户端指能够正常工作并生成密文的参与者,而负向客户端则相反。当正向客户端集合的大小不小于给定阈值时,可以正确地进行解密。类似地,Qian等人[23]设计了一种门限去中心化多客户端函数加密方案。在[23]中,为了支持客户端掉线,每个客户端使用秘密共享技术预先分割其秘密,然后将秘密份额发送给在线客户端。当客户端掉线时,服务器可以收集剩余在线客户端提供的足够份额来恢复秘密。然而,在上述方案中,客户端必须交互式地初始化系统,这导致了较大的通信成本。此外,阈值在设置阶段是固定的,无法在不重新初始化系统的情况下更改,这不适合实际的车联网环境。

现有方案研究了具有特定功能的多客户端函数加密方案,其中内积的多客户端函数加密方案受到了广泛关注。Qian等人[24]提出了一种基于内积多客户端函数加密的隐私保护联邦学习框架,为客户数据提供隐私保护。Xu等人[25]提出了一种门限内积多客户端函数加密方案,其中数据聚合要求聚合器的数量不小于预定义阈值。Yu等人[26]设计了一种轻量级的去中心化内积多客户端函数加密方案,适用于资源受限设备,并支持客户端掉线和动态参与。Chang等人[27]设计了一种双模式去中心化内积多客户端函数加密方案,但未考虑客户端掉线问题。

除多客户端函数加密之外,近期的研究在不同密码原语下研究了多用户加密。Xu等人[28]提出了一种轻量级的多用户可搜索加密方案,使用户能够在加密数据上执行关键词搜索,同时保持数据机密性。Xu等人[29]研究了面向云存储系统的前向安全多用户可搜索加密方案。Jiang等人[30]提出了一种多用户动态可搜索加密方案,支持对已删除加密数据的高效撤销。Xu等人[31]进一步研究了多用户可搜索加密,通过融入所有者认证和分层属性访问控制,支持多用户环境下的安全加密搜索。

方案[19]、[20]、[21]、[22]、[23]、[24]、[25]、[26]、[27]、[28]、[29]、[30]、[31]与我们FTMCFE-IP方案之间的关键区别总结如下:(1)所设计的方案能够抵抗"混合匹配"攻击,而方案[19]、[20]无法解决该问题;(2)我们的方案支持灵活的客户端阈值,而方案[22]、[23]仅支持静态客户端阈值。相比之下,[25]遵循传统的门限公钥加密模型,该模型需要预定义数量的聚合器(即密钥持有者)协作执行解密。而我们的方案支持对参与客户端(即加密者)的灵活阈值。此外,[25]中的解密过程被分解为两个阶段,即ShareDecrypt和CombineDecrypt。我们的方案不依赖于这种两阶段解密机制。而且,方案[19]、[20]、[21]、[24]、[25]、[26]、[27]不支持门限;(3)所提出的方案允许客户端掉线,但方案[19]、[20]、[25]、[27]无法支持;(4)多用户可搜索加密方案[28]、[29]、[30]、[31]旨在实现安全关键词搜索和加密数据检索,但不支持对加密数据的选择性计算,而这正是所提出方案的主要目标。由于可搜索加密不涉及多客户端协作计算,因此客户端掉线不在这些方案的考虑范围之内。我们在表1中展示了FTMCFE-IP方案与现有方案在功能特性上的比较,重点关注原语、阈值设置、非交互式设置阶段以及客户端掉线支持。

## 我们的贡献

我们的FTMCFE-IP方案具有以下特性:(1)多个客户端共存并本地生成其密文;(2)为抵抗"混合匹配"攻击,所有密文都绑定到指定标签,确保防止未授权重组;(3)当在线客户端数量达到指定阈值时,密钥持有者可以计算分别嵌入在其/她的密文和解密密钥中的两个向量之间的内积;(4)阈值可以灵活指定而无需重新初始化系统;(5)设置阶段不需要交互;(6)客户端可以掉线。

我们的贡献概述如下:(1)我们提供了FTMCFE-IP方案的定义,并给出了其安全模型;(2)具体构造基于非对称(三型)配对;(3)安全性证明被形式化归约为已知的复杂性假设;(4)我们实现了FTMCFE-IP方案,并提供了其效率分析。

## 论文组织

本文其余部分结构如下。第3节介绍全文使用的基本预备知识。第4节详细介绍我们的FTMCFE-IP方案。第5节讨论安全性证明。第6节报告实验评估结果。第7节总结全文,并展望未来工作。

## 预备知识

本节介绍我们FTMCFE-IP方案的预备知识,表2总结了本文中使用的所有符号。

## 我们FTMCFE-IP方案的具体构造

本节介绍所提出的FTMCFE-IP方案,该方案由四个算法组成:Setup、PKeyGen、Enc和Dec。详细的构造和伪代码分别如图3、图4、图5、图6和算法1–4所示。

**正确性证明。** ??? = ∏_{i∈[B]} e(C??????,??, ??^y?) = ∏_{i∈[B]} e((g^{H?})^s?·g^{x?}, ??^y?) = e(g, ??)^{Σ_{i∈B} H?·s?·y?} · e(g?, ??)^{?x,y?},

??? = ∏_{i∈[B]} e(C??????,??, ?^{Hy}) = ∏_{i∈[B]} e((g^{H?}·g?^{w?})^t?, ?^{Hy}) = e(g, ?)^{Σ_{i∈B} H?·t?·Hy} · e(g?, ?)^{Σ_{i∈B} w?·t?·Hy},

??? = ∏_{i∈[B]} e(sk????,y, C??????,??) = ∏_{i∈[B]} e(g?^{B(γ)·t?}, ??^{w?}) = e(g?, ??)^{Σ_{i∈B} B(γ)·t?·w?}。

## 安全性分析

本节证明所提出FTMCFE-IP方案的安全性。

**证明概述。** 证明遵循标准的博弈跳转范式。我们逐步修改随机预言机的响应和预言机模拟,直到挑战密文与挑战比特独立。证明分为两个阶段。在第一阶段(博弈???至???)中,我们逐步替换RO?预言机和部分功能密钥生成预言机的模拟,确保功能密钥……

## 实验分析

我们在配备Intel i7-11800H处理器和32GB内存的联想Y9000K笔记本电脑上实现了我们的FTMCFE-IP方案。我们使用JPBC库[37]实现双线性配对。这个开源Java库支持多种椭圆曲线和其他代数曲线。F曲线y2=x3+b是一条素数阶的配对友好椭圆曲线,可以支持三型配对。我们选择F曲线来实现FTMCFE-IP方案的每个算法,并选择SHA-256作为哈希函数H?和H?。

## 结论

在本文中,我们引入了一种FTMCFE-IP方案,该方案实现了灵活的阈值设置和客户端掉线支持。我们的FTMCFE-IP方案允许多个客户端共存并独立生成密文,适用于云辅助车联网框架。所设计的方案支持聚合器聚合客户端密文,并仅获得内积值而不泄露关于原始数据的任何其他信息。此外,我们的FTMCFE-IP方案不要求所有客户端都必须在线。

**CRediT作者贡献声明**

张瑞媛:原创草稿撰写、软件实现、形式化分析。

韩金光:撰写——审阅与编辑,获取资金。陈立群:撰写——审阅与编辑。利益冲突声明:作者声明不存在可能影响本文所报告工作的已知竞争性经济利益或个人关系。致谢:本研究得到了国家自然科学基金(项目编号:62372103)、江苏省应用数学研究中心(项目编号:BK202330020)和江苏省自然科学基金(项目编号:BK20231149)的资助。张如玉|韩金光|陈立群
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号