云存储中数据完整性自适应审计方法

作为云存储安全的重要问题,数据完整性验证技术受到学术界和工业界的广泛关注.为了验证云端数据完整性,研究者提出了多个数据完整性公开审计模型.然而,现有的数据完整性审计模型采用固定参数审计所有文件,浪费了大量计算资源,导致系统审计效率不高.为了提高系统的审计效率,提出了一种自适应数据持有性证明方法(self-adaptive provable data possession,SA-PDP),该方法基于文件属性和用户需求动态调整文件的审计方案,使得文件的审计需求和审计方案的执行强度高度匹配.为了增强审计方案更新的灵活性,依据不同的审计需求发起者,设计了2种审计方案动态更新算法.主动更新算法保证了审计系统的覆盖率,而被动更新算法能够及时满足文件的审计需求.实验结果表明:相较于传统方法,SA-PDP的审计总执行时间至少减少了50%,有效增加了系统审计文件的数量.此外,SAPDP方法生成的审计方案的达标率比传统审计方法提高了30%.

云存储中数字图像自适应审计

数字图像审计是用户验证云端图像完整性的重要方法,但目前不成熟的实时图像审计方案只能重复验证一张图像。为满足云存储中数字图像审计的及时性和实时性,提出数字图像自适应审计(Self-Adaptive Audit of Digital Images,SAADI)模型。首先,SAADI模型将多个图像文件合并为一个文件组,第三方审计者(the Third Party Audit,TPA)批量验证多个文件组中的图像文件,并利用可逆的数字图像水印作为验证图像完整性的证据,提高审计效率。其次,针对第一阶段异常操作不易被及时发现的问题,SAADI模型引入敏感值的概念在初始阶段制定文件组的审计周期和识别率,审计周期和识别率组成的审计强度能够满足实际审计需求。最后,依据挑战信息的发起者将审计请求分为主动请求和被动请求。在保证周期审计正常执行的同时,实现用户实时验证待访问的图像,允许用户随时访问云端图像。理论分析和实验结果表明,SAADI模型在性能和安全性上具有明显优势。