一种外包空间数据库中反最远邻居验证方法技术

本发明专利技术公开一种适用于外包空间数据库中反最远邻居验证方法，基于位置服务和时空数据管理领域，保证客户端接受反最远邻居结果集的正确性，整体处理分为第三方服务器处理和客户端验证两个部分。基于MR‑Tree索引结构，提出缩减验证对象的优化算法来降低通信和客户端验证等代价。服务器响应请求的步骤：判断请求是否有效；针对有效查询利用半平面修剪技术生成Influenced Zone；采用范围查询验证思想，形成结果集和其VO；发送结果集、VO和Influenced Zone给客户端。客户端验证步骤：利用VO判断数据是否可靠；通过Influenced Zone筛选数据后与结果集比较；若一致，则验证成功，客户端接受该结果集。本发明专利技术的算法应用于海量数据中基于位置服务的RkFN查询验证，效率较高，应用范围广泛。

【技术实现步骤摘要】
一种外包空间数据库中反最远邻居验证方法
本专利技术属于时空数据管理和基于位置服务的结合领域，是一种适合在外包空间数据库中客户端基于位置服务进行查询与验证的算法。
技术介绍
现如今，人类对于基于位置服务(LBS)的需求越来越强烈，如地图导航，寻找离自己最近的k个咖啡店等(即：最近邻查询kNN)；司机发出一条寻找最近的k个加油站的请求，而加油站利用监测系统，反向筛选出k个最近邻的司机，若该司机能成为k个之一，该加油站将提前准备为其提供更优质服务(即：反最近邻查询RkNN)；在军事演习或者实战中，军事部署往往会忽略最远的敌人最易攻击的特点，由于距离远，士兵警戒防线低，红方和蓝方总指挥根据敌我双方的整体位置进行调兵遣将，假设红方选派一名士兵攻击蓝方最远的k个敌人，那么该红方士兵需要成为蓝方攻击的最远k个目标之一才能进行有效伏击(即：该红方士兵是蓝方的RkFN)，反之，则按兵不动，听从指示，利用这种RkFN策略在一定程度上能起到出奇制胜的作战效果。其中RkFN查询验证不仅在军事演习或者实战中，在大型场景游戏等方面也有重要应用。这在劳民伤财的任务中，能起到预防和保护作用，倘若在军事战争中，因为错误信息，指挥长发出了错误的决断，而导致战争的失败，这是一笔惨痛的代价；倘若在大型场景游戏中，战友获取错误信息，导致对决的惨败，将要承担被队友指责或者损失金钱等后果，所以这种安全且正确的验证机制在一些应用环境中是不可缺少的。因为人们的需求不同，所以有不同的查询请求(kNN、RkNN、skyline、RFN、RkFN等)，验证机制保障了用户获取正确结果的权益，让用户有最终的决定权。其中，范围查询验证技术和kNN查询验证技术相对成熟，RkNN查询验证、skyline查询验证技术也相继提出，但是RkFN查询验证技术至今空白，本专利技术的目的就是弥补在外包空间数据库中基于位置服务的RkFN查询验证的空缺，并提出了一种可行的验证方法，使得用户能快速地获取到正确结果，为此，我们需要考虑到下面三大问题：第一，如何选取适合RkFN查询请求的索引结构众所周知，随着信息时代的快速发展，数据量爆发式地增长，利用传统的处理方式来检索出有价值的信息，是耗时且成本高昂的，因此，我们针对RkFN查询请求方式，应采用哪种索引结构来加快请求的处理，是我们首要考虑的问题。第二，针对RkFN查询请求，客户端采用何种验证方法来避免用户获取错误结果用户获取错误信息的来源主要有传输过程中数据丢失、黑客攻击服务器并篡改其数据等，用户被动的接受信息，可能致使用户在错误信息的引导下偏离目标，或者提供的并非最佳抵达目的地的方案，针对这种情况，客户端应如何设计验证方法来达到验证结果的目的，这是我们需要考虑的必要问题。第三，如何减少传输代价、客户端验证和计算等代价来降低成本花销根据kNN查询验证的思想，服务器端生成的验证对象(VO)供客户端来验证结果的可靠性，然后通过kNN方法对VO中的所有对象进行计算，最后客户端判断服务器提供的结果和客户端对VO的计算结果是否完全一致，如果一致则接受结果，否则，拒绝接受。RkFN查询验证总体思想与kNN查询验证的思想基本一致，在这个过程中，我们要考虑到客户端存储能力是有限的这一硬性指标，可能成为接受VO的瓶颈，而且当客户端通过VO来验证结果时，验证的代价和计算代价等又直接受VO大小影响，所以我们将主导传输和验证等代价的VO尽量缩减，设计出一种优化VO的方法，使得用户尽可能少的消耗流量，这是我们需要考虑的重要问题。在现代社会，人们对基于位置服务的需求不断加大，高效地处理海量数据成为研究者们的热门课题，由于RkFN查询验证技术具有很大的商业和军事价值，所以我们设计算法要兼顾到上面的三大方面，进而设计出一个适用于外包数据库反最远邻居算法就显得尤为重要。
技术实现思路
为了填补外包空间数据库中反最远邻居验证技术的空白，本专利技术提供一种基于MR-Tree验证索引结构和最新发布的反最远邻居查询方法的验证技术。本专利技术采用的技术方案：一种适合外包空间数据库中反最远邻居验证方法，其特征在于，外包数据过程工，使得第三方服务器和客户端之间不存在安全信任关系，客户端通过MR-tree索引机制对数据来源的可靠性进行正确地检验，整个处理流程分为第三方服务器端处理和客户端验证两个部分，包括以下步骤：第三方服务器端处理：步骤1：预处理高维空间数据，建立MR-Tree索引机制；步骤2：离线构建k-depthcontour并为处于k-depthcontour内部的无效数据对象生成fVO；步骤3：判断用户请求与k-depthcontour的所属关系；步骤4：利用InfluencedZone筛选出结果集，生成验证结果集的fVO；步骤5：第三方服务器发送其计算的结果集、uVO、fVO、uRoot、fRoot、InfluencedZone；客户端验证：步骤6：uVO、fVO、uRoot、fRoot逆向生成验证数据来源的正确性；步骤7：利用fVO验证InfluencedZone的正确性；步骤8：利用四象限测试法验证InfluencedZone为空；步骤9：验证结果集的正确性。步骤2：第一次对fVO做压缩处理，其具体操包括如下：预处理k-depthcontour及计算出k-depthcontour内部无效查询的验证对象；1)利用已有MR-Tree技术和k-depthcontour生成算法，计算出外包空间数据的验证框架和基于所有数据的k-depthcontour，将空间中所有数据对象按照k-depthcontour划分；2)对于处在k-depthcontour上或者外部的数据对象，将其所在最小边界矩形内的所有对象有序地加载到fVO中，而处在k-depthcontour内部的最大矩形以实体形式有序地加载到fVO中；3)初步计算出k-depthcontour内部的无效查询的验证对象fVO。客户端验证结果集的核心依据，是InfluencedZone的形成，该InfluencedZone是对fVO进行了第二次压缩，该InfluencedZone构建思想将直接影响通信和验证等代价；所述步骤3中判断用户请求与k-depthcontour的所属关系如下；步骤3-1：采用ShenluWang提出“EfficientlyComputingReversekFurthestNeighbors”的反最远邻居查询方法，当服务器接受到用户请求，首先判断该请求是否存在于k-depthcontour内部，若存在，则将相应k取值的无效查询fVO直接发送给客户端，客户端利用四象限测试法进行验证处理；若该请求不存在于k-depthcontour内部，则进行步骤3-2处理；步骤3-2：在MR-Tree中检索出k-depthcontour上和外部的数据对象，将这些对象与请求对象进行半平面修剪，该技术保证了被修剪掉的区域经过至少k次修剪，形成最终的InfluencedZone；所述步骤4：以userSet为数据集构建的MR-Tree索引树中，进行InfluencedZone区域查询验证，若数据对象存在于InfluencedZone中，则将该数据对象加载到结果集中，同时将其所在的最小边界矩形中的所有数据对象有序地加载到uVO，将不存在于I本文档来自技高网...

【技术保护点】
一种适合外包空间数据库中反最远邻居验证方法，其特征在于，外包数据过程中，使得第三方服务器和客户端之间不存在安全信任关系，客户端通过MR‑Tree索引机制对数据来源的可靠性进行正确地检验，整个处理流程分为第三方服务器端处理和客户端验证两个部分，包括以下步骤：第三方服务器端处理：步骤1：基于MR‑Tree索引机制，预处理高维空间数据；步骤2：离线构建k‑depth contour并为处于k‑depth contour内部的无效数据对象生成fVO；步骤3：判断用户请求与k‑depth contour的所属关系；步骤4：利用Influenced Zone筛选出结果集，生成验证结果集的fVO；步骤5：第三方服务器发送其计算的结果集、uVO、fVO、uRoot、fRoot、Influenced Zone；客户端验证：步骤6：uVO、fVO、uRoot、fRoot逆向生成验证数据来源的正确性；步骤7：利用fVO验证Influenced Zone的正确性；步骤8：利用四象限测试法验证Influenced Zone为空；步骤9：验证结果集的正确性。

【技术特征摘要】
1.一种适合外包空间数据库中反最远邻居验证方法，其特征在于，外包数据过程中，使得第三方服务器和客户端之间不存在安全信任关系，客户端通过MR-Tree索引机制对数据来源的可靠性进行正确地检验，整个处理流程分为第三方服务器端处理和客户端验证两个部分，包括以下步骤：第三方服务器端处理：步骤1：基于MR-Tree索引机制，预处理高维空间数据；步骤2：离线构建k-depthcontour并为处于k-depthcontour内部的无效数据对象生成fVO；步骤3：判断用户请求与k-depthcontour的所属关系；步骤4：利用InfluencedZone筛选出结果集，生成验证结果集的fVO；步骤5：第三方服务器发送其计算的结果集、uVO、fVO、uRoot、fRoot、InfluencedZone；客户端验证：步骤6：uVO、fVO、uRoot、fRoot逆向生成验证数据来源的正确性；步骤7：利用fVO验证InfluencedZone的正确性；步骤8：利用四象限测试法验证InfluencedZone为空；步骤9：验证结果集的正确性。2.根据权利要求1所述的适合外包空间数据库中反最远邻居验证方法，其特征在于：步骤2：第一次对fVO做压缩处理，其具体操包括如下：预处理k-depthcontour及计算出k-depthcontour内部无效查询的验证对象；1)利用已有MR-Tree技术和k-depthcontour生成算法，计算出外包空间数据的验证框架和基于所有数据的k-depthcontour，将空间中所有数据对象按照k-depthcontour划分；2)对于处在k-depthcontour上或者外部的数据对象，将其所在最小边界矩形内的所有对象有序地加载到fVO中，而处在k-depthcontour内部的最大矩形以实体形式有序地加载到fVO中；3)初步计算出k-depthcontour内部的无效查询的验证对象fVO。3.根据权利要求1所述的适合外包空间数据库中反最远邻居验证方法，其特征在于：客户端验证结果集的核心依据，是InfluencedZone的形成，该InfluencedZone是对fVO进行了第二次压缩，该InfluencedZone构建思想将直接影响通信和验证等代价；所述步骤3中判断用户请求与k-depthcontour的所属关系如下；步骤3-1：采用ShenluWang提出“EfficientlyComputingReversekFurthestNeighbors”的反最远邻居查询方法，当服务器接受到用户请求，首先判断该请求是否存在于k-depthcontour内部，若存在，则将相应k取值的无效查询fVO直接发送给客户端，客户端利用四象限测试法进行验证处理；若该请求不存在于k-depthcontour内部，则进行步骤3-2处理；步骤3-2：在MR-Tree中检索出k-depthcontour上和外部的数据对象，将这些对象与请求对象进行半平面修剪，该技术保证了被修剪掉的区域经过至少k次修剪，形成最终的InfluencedZone；所述步骤4：以userSet为数据集构建的MR-Tree索引树中，进行InfluencedZone区域查询验证，若数据对象存在于InfluencedZone中，则将该数据对象加载到结果集中，同时将其所在的最小边界矩形中的所有数据对象有序地加载到uVO，将不存在于InfluencedZone内的最大矩形以实体的形式有序地加载到uVO中；所述步骤5：第三方服务器将最终计算出的结果集、uVO和fVO、uRoot和fRoot、InfluencedZone发送给客户端；所述步骤6：客户端接受到服务器端发送来的信息，首先对uVO和fVO进行逆向操作，分别生成其对应的MR-Tree的根的hash值，判断计算出的hash值和服务器端发送来的uRoot和fRoot是否一致，如果完全一致，则进行后...

【专利技术属性】
技术研发人员：谷峪，王海霞，李芳芳，于戈，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁,21