云计算中数字图书馆外包数据的完整性检测*

邵志毅，杨 波，梁启凡

0 引言

在数字资源急速膨胀时代，云计算是较好的存储解决方案。云计算是一种商业计算模型，它将计算任务分布在大量计算机构成的资源池上，使各应用系统能根据需要获取计算能力、存储空间和软件服务。全基因关联分析(The Genome- Wide Association Study，GWAS)就是该应用的实例。微软研究院在Windows Azure 云平台上进行了一次27000 核的试验，用72 个小时完成一个8 核系统上需25 年才能完成的任务。云存储是云计算的一个方面，能有效解决大数据和海量数字资源背景下图书馆存储能力不足问题。云存储将大量存储资源整合成资源池，用户可按需申请，不需自行购买存储设备和维护服务，这些事务可交给云服务商，削减运营成本[1]。

然而云计算环境下，仅5.5%的研究人员希望通过数字方式保存研究成果[2]；科研人员中认为数据丢失造成严重影响的有44%，对云存储可信性质疑，并认为问题比较严重的有37%[3]。后两种情况相加比例高达81%，它们都和数据完整性相关，可见数据完整性是阻碍云计算发展的重要问题。且近年云数据泄露和损毁情况迅猛增加[4]，补救措施花费惊人[5]。中国70%的企业不愿将内部数据放在云上，主因是数据安全。在IDC(互联网数据中心)关于“用户认为云计算模式的调整和问题是什么”的调查中，数据安全以74.6%位居榜首。可见安全问题是阻碍云计算走向成功的关键[6]。

但在图书情报领域，对云计算环境下图书馆数字资源的安全问题研究较少，尤其是关于云计算环境中图书馆外包数字资源的完整性检测问题，相关研究几乎空白。本文围绕该问题，在云计算环境中，针对图书馆可公开的外包数据和隐私外包数据，分别提出数据完整性检测方案。

1 云计算安全问题

云计算安全问题主要有[7-8]：数据完整性，即数据审计，这是最重要的安全问题之一；云计算的正确性，即怎样确保云计算平台给用户提供的计算结果正确；数据保密性，包括针对云服务商的保密和针对其他用户的保密；云平台运转是否可靠，是否能长期运营；用户对云资源的操作通过网页和网络进行，网页和网络接口的安全直接影响云端数据的安全；云用户的身份认证和操作权限判定，恶意用户通过身份欺骗获取权限，从而在云平台上非法获取数据。云计算中安全问题多，本文只关注数据完整性检测，具体的研究内容是：在云计算环境下，针对图书馆外包数字资源，研究如何检测这些数据是否被完整地保存在云服务器上。

2 云数据完整性验证

图书馆数字资源可分为两类：一是可公开数字资源，包括电子图书、报刊、可以公开的学位论文、书目信息；二是隐私数字资源，包括古籍善本、保密的学位论文、学生信息等。对于古籍善本，公开数据有利于中华文明的传播[9]，但并非意味可不假思索地任意传播。这种公开可能是有条件的，或者是在一定基础上的公开。故将该类资源归到隐私数据。

不管是公开或是保密数字资源，数据量非常庞大，则在进行完整性检测时，就不能按照传统方式，将数据从云存储下载再去比照。这样做会严重增加网络带宽消耗，而且对于动辄TB 的数据量来讲也不可行。该情况下，进行完整性检测的基本要求是不需下载数据。笔者针对这两类数字资源，分别探讨其完整性检测的方法。

3 公开数字资源完整性检测

对于公开数字资源，如电子图书等，因无需保密，则该类资源可以明文形式保存在云存储上。为了在检测完整性时不用下载数据，我们借助Shacham 等人“可恢复性证明[10](Proof of Retrievability 或PoR)”的思想，构造如下方案：

第一步：对一个名称为name 的数字文件M，图书馆将其分成n 个数据块{m1，…，mn}。

第二步：图书馆对每个数据块m1签名，使用Boneh 等人的BLS 签名算法[11]。假设这n个数据块的签名为｛σ1，...，σm｝，数据块mi的签名具体表示为σi=(μH(mi))α，其中，H 是密码学hash 函数，可将任意长度的0、1 字符串映射为群G 上的元素；μ 是群G 的生成元；α 是图书馆私钥。

第三步：图书馆将数据块和相应签名一起外包给云存储。

第四步：检测文件M 的完整性时，图书馆先生成挑战对(i，vi)，用来对第i 个数据块进行检测，其中vi是为数据块i 选取的随机数。假设群G 的阶为p，即G 中有p 个元素，则vi从G 的支撑Zp中选取。

需选取多少个这样的挑战对，有两种方案：一是对每个数据块生成一个挑战对，优点是检测结果的准确性高，但数据块越多，相应的挑战对数量就越多，运行检测方程时计算量就越大。该方法对完整性要求较高的数字资源，比如学生的资料信息、古籍善本等比较适用。二是概率性的抽取部分数据块进行检测，挑战对的数目和想要达到的检测成果的准确率成正比[12]。该方案效率高，但结果存在误差，适用于对完整性要求不太严格的资源，如电子图书等。应该选哪种方式，是一个折中的考虑。

本文目的在于说明如何进行完整性检测，对于该问题不作展开，因此选择第一种方案以便说明，即针对每个数据块生成一个挑战对，最后组成一个挑战chal= ｛(i， vi) ｝。图书馆将chal 发送给云存储，并等候应答。

第六步：图书馆通过判断方程e(σ，g)=e(μμ，v)是否成立来确定数据的完整性。该方程中e 是密码学的双线性映射，可理解为函数运算；g 是群G 的一个生成元，在生成图书馆公钥v 时用到，即v=gα。公钥v 和私钥α 相对应。如该等式成立，图书馆可确定文件M 完整，反之，若不成立，则文件一定存在丢失或被篡改。

4 隐私数字资源完整性检测

对于隐私性数据，如学生的保密论文以及学生资料信息、未公开的古籍善本等，为防止云服务提供商私自使用数据，或第三方用户盗取数据，图书馆在外包该类资源之前，应先加密。

加密有两种方式，对称加密和非对称加密。所谓对称加密，是指加密操作和解密操作使用同一密钥，该密钥只有加密方和解密方能获得。所谓非对称加密，是指加密和解密的密钥不一样，加密密钥可公开，任何人都可用该公开密钥加密；解密密钥保密，只有可解密实体才能拥有。两种加密方式有一个很大区别，即对称密钥的加密效率要远高于非对称加密。对称加密常用来对文件本身加密，非对称加密常用来对对称加密中的密钥加密。

就图书馆数字资源而言，因数据量大，如使用非对称加密，效率非常低。因此加密时应选对称加密。方案如下：

第一步：图书馆用对称加密算法对数字文件M 加密，得到加密后的文件C。将C 分成n块｛c1，...，cn｝。

第三步：图书馆将密文数据块和相应签名一起保存在云存储上。

第四步：对文件M 检测时，图书馆生成挑战chal= ｛(i， vi)｝，并发送给云存储。

第六步：图书馆通过判断等式e(σ，g)=e(μμi，v)是否成立，来确定数据的完整性。

5 方案分析

5.1 方案正确性

本节证明在第三、四节中提到的检测方程e(σ，g)=e(μμi，v)可用来检测数据完整性，证明过程中将用到双线性映射的重要性质，即e(αm，bn)=e(α，b)mn=e(αn，bm). 证明如下：

由证明知，若图书馆外包数据未发生变化，则云存储返回的应答一定满足检测方程；反之，若数据变化，则应答不满足方程。因为方程中出现的μ 是根据外包数据计算的，只要数据发生变动，μ 必变，则检测方程必不再满足。由此可知外包数据是否发生变动，即完整性是否满足。

5.2 方案可公开验证性

所提方案可实现数据完整性的公开验证，即图书馆可将验证数据完整性的任务委托给任何第三方机构。因为在验证方程e(σ，g)=e(μμ，v)中，双线性映射e 的计算方式、群的生成元g 和μ 以及图书馆的公钥v，都是公开参数；i和vi由检测机构产生；σ 和μ 是云存储返回给检测机构的值。因此任何第三方机构都可通过这些公开参数来验证完整性。

5.3 方案对隐私数据的保密

5.4 协议的可行性

在Matlab 仿真环境中设计实验，如下进行：先建立用户文件，按方案对文件分块、签名，将文件块和签名发送至云存储。分4 种情况：(1)云存储不对文件修改。该情况下，用户通过计算得知云存储的应答满足判定方程，从而确认文件完整；(2)云存储将文件第一段部分内容删除，用户计算判定方程无法满足。(3)云存储对第一段内容修改，判定方程无法满足。(4)云存储给文件添加内容，判定方程无法满足。实验证明当文件完好保存时，判定方程满足；在云存储对用户数据文件进行删除、修改、添加等操作后，判定方程无法满足。以下是实验截图。

图1 原始文件内容

图2 完整文件测试结果

图3 删除文件第一段部分内容

图4 修改第一段内容

图5 在第一段前插入新内容

6 结语

本文将密码学和信息安全中完整性检测的最新技术应用到图书馆中，解决了数字资源在云计算环境中的完整性检测。日后工作将着力研究如何对动态变化的数据进行完整性检测。

[1] 马晓亭，陈臣.云计算环境下数字图书馆的成本效用研究[J].图书馆论坛，2012（3）：37- 40.

[2] 臧国全，安明.数字保存的认知与实践—基于图书情报学科数字资源保存的调查[J].图书馆论坛，2012（5）：78- 112.

[3] 韩翠峰.大数据时代图书馆的服务创新与发展[J].图书馆，2013（1）：121- 122.

[4] Data Breach Investigations Report：Breaches Increased Dramatically While Data Loss Was at All- Time Low[EB/OL]. [2012- 09- 06]. http：//newscenter.verizon.com/press- releases/verizon/2011/verizon- 2011- databreach.html.

[5] StorageNewsletter [EB/OL]. [2012- 09- 06]. http： //www.storagenewsletter.com/news/security/ponemonsymantecdata- Breach.

[6] 巴力立.中国云存储深入调查[EB/OL].[2010- 04-12]. http：//www.cloudcomputingchina.cn/Aritcle/luilan/200910/335.html.

[7] 张海玉.云平台下数字图书馆的安全策略研究[J].图书馆学研究，2013（3）：42- 46.

[8] Lifei Wei，Haojin Zhu，Zhenfu Cao，et al. Security and Privacy for Storage and Computation in Cloud Computing[J].Information Sciences，2014：371- 386.

[9] 黄玮夏.古籍文献数字化与数字图书馆建设[J].情报科学，2010（8）：1267- 1277.

[10] Hovav Shacham， Brent Waters. CompactProofs of Retrievability[J].Journal of Cryptology，2013 （26）：442- 483.

[11] Dan Boneh，Ben Lynn，Hovav Shacham. Short Signatures from the Weil Pairing[J].Journal of Cryptology，2004（4），297- 319.

[12] Giuseppe Ateniese，Randal Burns，Reza Curtmola，et al. Provable Data Possession at Untrusted Stores[C]//In Proceedings of 14th ACM Conference on Computer and Communications Security，2007：598- 609.