طرح جستجوی کلیدواژه فازی بر روی پایگاه داده رمز شده در رایانش ابری مبتنی بر خوشه‌بندی کلمات

برون سپاری پایگاه داده در رایانش ابری یکی از اصلی ترین راهکارها برای حفظ، نگهداری و دسترسی آسان بدون نیاز به سرمایه گذاری کلان، جهت تامین زیرساخت است. معمولاٌ مالکان داده به سرویس دهندگان و تامین کنندگان زیرساخت از نظر صحت نگهداری و دسترس پذیری، اطمینان دارند، ولی نگران حفظ حریم خصوصی و محرمانگی اطلاعات هستند و به همین دلیل ترجیح می دهند داده ها را به صورت رمز شده در سرورهای ابری نگهداری و بازیابی کنند. داده های رمز شده قابلیت جستجو ندارند و نیاز به راهکار، جستجو روی داده های رمز شده در سرور ابری است. یکی از راه حل ها، استفاده از شاخص دهی کلمات کلیدی در کنار پایگاه داده رمز شده است. برای استفاده از این راه حل ها چندین چالش اساسی وجود دارد که می توان به حجم بالای شاخص ها، مواجهه با خطای کاربران و سرعت جستجو اشاره کرد. در این تحقیق برای جبران خطای کاربران، از مجموعه کلیدواژه فازی به‌جای کلمات ثابت در هنگام جستجو استفاده می شود. همچنین برای کاهش فضای ذخیره سازی با استفاده از روش خوشه بندی کلمات کلیدی، مجموعه کلیدواژه فازی مناسب انتخاب شده و فراداده با حجم کمتر تولید و رمزگذاری می گردد. در اینجا با استفاده از روش های خوشه بندی سلسله مراتبی با سنجه های خاص، کلمات کلیدی مشابه در یک خوشه قرار گرفته و برای پیدا کردن کلیدواژه مورد نظر نیاز به جستجوی همه فراداده نیست و این روش باعث کاهش زمان جستجو می گردد. نتایج عملی و ارزیابی نشان می دهد که طرح پیشنهادی عملی، امن و کارآمد است.

Fuzzy Keyword Search Scheme on an Encrypted Database in Cloud Computing Using Word Clustering

Database outsourcing in cloud computing is one of the main solutions to maintain and access a database easily without the need for large infrastructure investment. Although data owners usually trust service     providers and infrastructure providers in terms of maintainability and accessibility, but they are concerned about the privacy and confidentiality of information, and therefore prefer to keep data encrypted on cloud servers. Encrypted data is not searchable, and a solution needs to be provided by the server to search for that data. One solution is to use keyword indexing as metadata alongside the encrypted database. There are several key challenges to using these solutions: high volume of indexes, user error exposure and search speed. In this study, fuzzy keyword sets are used instead of fixed words when searching for users, and in order to reduce storage space using the keyword clustering method, appropriate fuzzy keyword sets are  selected and metadata with less production volume is used and encrypted. Using hierarchical clustering methods with specific metrics, the same keywords are placed in a cluster, and to find the desired keyword, it is not necessary to search all metadata and thus the search time is reduced. Practical results and evaluations show that the proposed method is practical, safe and efficient.