【技术实现步骤摘要】
一种面向边缘计算的多维度查询方法、系统及存储介质
本专利技术属于信息安全技术及物联网
，是一种涉及多维度安全区间查询的方法，可用于带雾设备物联网的安全多维度区间查询。
技术介绍
在互联网蓬勃发展的今天，工业物联网设备的保有量也处于快速增长的阶段。在工业物联网的应用场景中，一个重要的应用就是对物联网设备数据的分析和处理。显而易见，若将这些物联网设备的数据全部统一汇总到控制中心再进行处理，将造成巨大的传输损耗，还会造成较高的时延，使得即时化的物联网间计算需求将无法被满足。为了面对这些挑战，常见的方法有两种，一种是设计更多符合物联网应用场景需求的大数据挖掘和机器学习技术，另一种则是通过充分利用网络边缘侧设备的算力来满足目前日益增长的大数据计算需求。隐私安全是边缘计算一个重要问题。例如，在工业互联网中，查询用户需要对工业物联网中的一组传感器设备进行范围查询，且出于隐私方面考虑，查询用户并不想泄露其查询的范围，同时各物联网传感器设备也不想泄露其实际的观测数据给其他任何一方。已有的对外包计算中支持隐私保护特性的范围查询的研...
【技术保护点】
1.一种面向边缘计算的多维度查询方法，其特征在于，包括以下步骤：/n用户初始化系统公私钥后，将自身每次多维度查询的查询范围映射入矩阵中并向量化，生成查询陷门和加密参数并发送给雾设备，/n雾设备收到查询陷门和加密参数后，将查询陷门下发给各传感器；/n传感器设备收到查询陷门并进行计算，将其计算的结果反馈给雾设备，雾设备接受并聚合传感器的计算结果信息；/n在用户解析阶段，用户接受并解析雾设备发来的计算结果信息以获得查询结果。/n
【技术特征摘要】
1.一种面向边缘计算的多维度查询方法，其特征在于，包括以下步骤：
用户初始化系统公私钥后，将自身每次多维度查询的查询范围映射入矩阵中并向量化，生成查询陷门和加密参数并发送给雾设备，
雾设备收到查询陷门和加密参数后，将查询陷门下发给各传感器；
传感器设备收到查询陷门并进行计算，将其计算的结果反馈给雾设备，雾设备接受并聚合传感器的计算结果信息；
在用户解析阶段，用户接受并解析雾设备发来的计算结果信息以获得查询结果。
2.根据权利要求1所述的一种面向边缘计算的多维度查询方法，其特征在于，所述用户初始化系统公私钥具体包括：
101、初始化算法，给定安全参数合数阶双线性映射参数组由生成器生成，大合数阶双线性参数生成器是一种概率算法，其以安全参数作为输入值，输出一个五元组此处大合数是两个比特的素数,是两个阶的群，是的一个生成元，是一个非退化性的、可以高效计算的双线性映射；
102、公私钥生成，设h＝gq，此时h是的一个随机p阶生成元，那么，公钥私钥sk＝p。
3.根据权利要求2所述的一种面向边缘计算的多维度查询方法，其特征在于，所述用户将自身每次多维度查询的查询范围映射入矩阵中并向量化，具体包括：
103、查询矩阵生成，用户首先对其查询区间进行映射，每次查询时，任一维度设定为第一区间，之后按照规则依次确定每个区间在查询序列中的开始点和结束点以最后一个区间的结束点作为本次查询序列的总长度，则将转为的形式以得到一个完全平方数，并以m为阶数生成一个矩阵，当此值不是完全平方数时，则扩增至下一个完全平方数来生成查询矩阵，之后，构建一个m×m矩阵，对于一个查询下界为Bquery，上界为Tquery的查询区间(Bquery,Tquery)而言,其查询区间内第k个元素uk满足uk＝Bquery+k；
104、元素拆分和映射，每个查询区间的数据偏移β可以由查询区间的开始点来确定，设偏移后该查询区间内第k个元素为vk，则β,vk可以表示为：vk＝uk+β，将vk拆分成矩阵内元素R(i,j)的形式；
105、矩阵向量化，用户以特定规则，由矩阵生成四种向量X,Y,X′,Y′，。此时，所有矩阵内元素均可以向量形式表示，即故通过生成的向量进行运算即可完成矩阵重构，其中，n为总体参与计算的向量个数，ykj为向量Yk的第j位元素，x′ki、x′Ci为向量Xk,XC中的第i位元素。为了便于此后计算，计算用以替代原Yk向量，ykm表示Yk，中的第m位元素。
4.根据权利要求3所述的一种面向边缘计算的多维度查询方法，其特征在于，所述生成查询陷门具体包括步骤：
106、查询陷门生成，对生成的向量进行加密后，在原有的向量中添加两个值,来表达这条向量所查询的维度γ和代表这条向量在运算时所需要的偏移量β，计算处理后的向量的哈希值将其作为查询所用查询陷门α的一部分，此时有E(X′)＝{E(X′1),E(X′2),...,E(X′i)}，H＝{H1,H2,...,Hi}，E(X′)、E(X′C)为加密后的X',X'C向量组成的集合，H为各加密向量的哈希值Hi的集合。
5.根据权利要求4所述的一种面向边缘...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。