CN110674524A - 一种混合密文索引方法及*** - Google Patents
一种混合密文索引方法及*** Download PDFInfo
- Publication number
- CN110674524A CN110674524A CN201910940962.8A CN201910940962A CN110674524A CN 110674524 A CN110674524 A CN 110674524A CN 201910940962 A CN201910940962 A CN 201910940962A CN 110674524 A CN110674524 A CN 110674524A
- Authority
- CN
- China
- Prior art keywords
- data
- ciphertext
- barrel
- interval
- division
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/602—Providing cryptographic facilities or services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
- G06F16/2246—Trees, e.g. B+trees
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/242—Query formulation
- G06F16/2425—Iterative querying; Query formulation based on the results of a preceding query
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Bioethics (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开一种混合密文索引方法及***。该方法包括:获取存储在数据库中的密文数据;对同一属性的密文数据进行桶划分,得到桶划分数据;对桶划分数据建立B+树,将数据指针存储到叶节点中。本发明的混合密文索引方法及***,能够提高索引速度。
Description
技术领域
本发明涉及索引领域,特别是涉及一种混合密文索引方法及***。
背景技术
数据库加密技术是保障数据库安全的最后一道防线,解决了明文数据直接存储在数据库中所带来的不安全性。同时,数据库加密也带来了新的问题——加密使得数据查询效率明显下降。现有的桶划分密文索引方法返回给客户端的初步查询结果会包含一些不满足查询条件的记录。而之前服务器端返回给客户端的桶内数据为线性结构,且数据已被加密失去了原有的偏序关系,所以客户端只能做顺序查找。顺序查找的缺点就是查找效率低,特别是在数据量大的情况下。
发明内容
本发明的目的是提供一种混合密文索引方法及***,提高索引速度。
为实现上述目的,本发明提供了如下方案:
一种混合密文索引方法,包括:
获取存储在数据库中的密文数据;
对同一属性的所述密文数据进行桶划分,得到桶划分数据;
对所述桶划分数据建立B+树,将数据指针存储到叶节点中。
可选的,所述对同一属性的所述密文数据进行桶划分,得到桶划分数据,具体包括:
以错检元总数最小为目标函数对同一属性的所述密文数据确定划分点;所述错检元总数为所有桶区间所对应的错检元数之和;所述错检元数为在索引时得到的桶区间内的除目标数据之外的数据的数量;
按照所述划分点对对应属性的所述密文数据进行桶划分。
可选的,所述以错检元总数最小为目标函数对同一属性的所述密文数据确定划分点,具体包括:
计算待划分的密文数据的最大值和最小值,确定密文数据所处区间;
向所述密文数据所处区间中增加一个待***划分点;
计算所述待***划分点在不同位置时所划分的桶区间的错检元总数;
确定所述错检元总数最小时所述待***划分点的位置,得到所述待***划分点的***位置;
判断在所述待***划分点***后划分的桶区间的数量是否大于或等于最大预设阈值,得到判断结果;
若所述判断结果表示是,则***位置确定完成,记录所有***位置;
若所述判断结果表示否,则返回步骤“向所述密文数据所处区间中增加一个待***划分点”。
可选的,任意一个桶区间所对应的错检元数的计算公式为:
其中,BC(α,β)表示以属性值vα和属性值vβ为边界点的桶区间内的错检元数;ft为某个属性值vt在以vα和vβ为边界点的桶区间内出现的频率,α、t和β分别为属性值vα、属性值vt和属性值vβ的编号。
一种混合密文索引***,包括:
获取模块,用于获取存储在数据库中的密文数据;
桶划分模块,用于对同一属性的所述密文数据进行桶划分,得到桶划分数据;
树结构建立模块,用于对所述桶划分数据建立B+树,将数据指针存储到叶节点中。
可选的,所述桶划分模块包括:
划分点确定子模块,用于以错检元总数最小为目标函数对同一属性的所述密文数据确定划分点;所述错检元总数为所有桶区间所对应的错检元数之和;所述错检元数为在索引时得到的桶区间内的除目标数据之外的数据的数量;;
划分子模块,用于按照所述划分点对对应属性的所述密文数据进行桶划分。
可选的,所述划分点确定子模块具体包括:
密文区间确定单元,用于计算待划分的密文数据的最大值和最小值,确定密文数据所处区间;
划分点增加单元,用于向所述密文数据所处区间中增加一个待***划分点;
错检元总数计算单元,用于计算所述待***划分点在不同位置时所划分的桶区间的错检元总数;
***位置确定单元,用于确定所述错检元总数最小时所述待***划分点的位置,得到所述待***划分点的***位置;
判断单元,用于判断在所述待***划分点***后划分的桶区间的数量是否大于或等于最大预设阈值,得到判断结果;
***位置确定完成单元,用于若所述判断结果表示是,则***位置确定完成,记录所有***位置;
返回单元,用于若所述判断结果表示否,则返回步骤“向所述密文数据所处区间中增加一个待***划分点”。
可选的,任意一个桶区间所对应的错检元数的计算公式为:
其中,BC(α,β)表示以属性值vα和属性值vβ为边界点的桶区间内的错检元数;ft为某个属性值vt在以vα和vβ为边界点的桶区间内出现的频率,α、t和β分别为属性值vα、属性值vt和属性值vβ的编号。
根据本发明提供的具体实施例,本发明公开了以下技术效果:本发明提供的混合密文索引方法及***,在桶划分的基础上利用B+树建立索引,代替了现有技术采用顺序查找的方式进行索引。在桶划分的基础上利用B+树建立索引能够实现快速索引,提高了索引速度。同时,本发明以错检元总数最小作为目标确定桶划分的划分点,从而对桶划分的过程进行优化,有效降低了索引时的错检元总数,从而获得最优的查询命中率,减少查询代价,从而平衡了密文索引的安全性和查询效率的问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例1混合密文索引方法的方法流程图;
图2为N=4时的桶划分示意图。
图3为对表2中的姓名建立的B+树结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例1:
图1为本发明实施例1混合密文索引方法的方法流程图。
参见图1,该混合密文索引方法,包括:
步骤101:获取存储在数据库中的密文数据。
步骤102:对同一属性的所述密文数据进行桶划分,得到桶划分数据。
桶划分的作用是在密文数据的基础上进行一次粗略查询,可过滤掉一些无关记录。在数据进行存储时,为涉密数据增加一个桶号,表示其明文数据值落在某段区间内。查询时,服务器端首先由桶号检索出要查询的数据所在的密文数据分区,然后再进行下一步查询,缩小了查询范围,从而提高查询效率。
在实际的应用中,一个明文关系R(A1,A2,…,Am)通常包含多个敏感属性,因此在与其对应的密文关系Rs(etuple,A1 s,A2 s,…,Am s)中也会含有多个密文索引列。其中etuple是对明文元组加密后的密文串,A1 s为关系R中属性A1的索引列。
表1为学生信息表,以该表为例,建立密文索引数据库的存储模型。
表1学生信息表
其中,id、name、score分别代表学生的学号、姓名、成绩。对该表进行加密处理,并利用桶划分技术进行索引,索引表的格式如表2所示。
表2桶索引表
索引表中的属性String代表相应元组被加密后的字符串。Index-id,Index-same,Index-score分别代表相应属性的索引列。表中数字代表相应数据被分配到的桶号。其中桶号的分配可以采用无冲突的随机数分配。
对于不同的属性,根据不同的情况可以采用不同的划分策略,在划分桶的数目在安全需求被限定的情况下,密文索引的查询效率与桶划分函数有关。将桶划分建立在非负整数型属性域上,并且假定所有查询发生的概率都是相等的。
现有的桶划分技术基本上本着对某个属性的密文数据按密文数据所涉及的区间进行均匀划分。即每个桶具有相同的区间大小。本发明为了提高桶划分的查询命中率,减少查询代价,对桶划分算法进行优化。优化的目标在于减少错检元数。因此了解错检元数究竟和桶划分策略中的哪些参数有关。设一个桶区间B中包含了N个属性值V={v1,v2,…,vN},各属性出现频率的集合为F={f1,f2,…,fN},其中ft(1≤t≤N)表示属性值vt在桶区间内出现的频率。Qk表示查询范围大小为k的所有查询的集合,q[l,p]为查询集合Qk中的一个随机查询且满足p-l+1=k;则与桶区间相关且规模大小为k的查询个数为N+k-1。如图2所示,当k=2且N=4时,与桶区间相关且大小为2的范围查询的个数为N+k-1=5,分别为q1、q2、q3、q4、q5。
当桶区间中的某一些元素值(并不是全部元素值)满足某一范围查询的查询条件时,由于同一桶区间索引号一致,凡是符合该索引号的属性值都将被检索出来,那么查询结果中将含有错检元组,对于属性值vi的错检将导致秘密查询结果集中fi个错检属性值的出现。以q2为例,当需要查询q2时,由于q2所在的桶区间内除了q2边缘的v1和v2,还包括有v3和v4。当k=2且N=4时错检元数可按以下方法计算,如表3所示。
表3错检元数表
当查询范围大小k=2且桶区间所含属性值数目N=4时,错检元总数公式如下
同理可得当N=5时错检元总数公式如下
由归纳证明方法可推知当桶区间包含了N个属性值时,错检元总数如公式(3)所示:
因此,错检元总数只与桶区间所含属性值的数目N和属性值出现的频率之和F有关,而与范围查询的规模大小k无关。在桶划分子区间数目被限定的情况下,寻求一种桶划分方法令错检元组总数N*F最小,查询命中率最高,即可得出最佳桶划分策略。优化算法的目标是最小化其中M为划分桶(划分子区间)的上限数目,为在第j个桶区间Bj中错检属性值的总数。设属性值集合V={v1,v2,…,vn}(v1<…<vn),其中属性值vt(1≤t≤n)至少在表中出现一次。
由上述内容,可得优化后的桶划分过程。则上述步骤102具体包括:
以错检元总数最小为目标函数对同一属性的所述密文数据确定划分点;所述错检元总数为所有桶区间所对应的错检元数之和;所述错检元数为在索引时得到的桶区间内的除目标数据之外的数据的数量;按照所述划分点对对应属性的所述密文数据进行桶划分。
上述步骤中,以错检元总数最小为目标函数对同一属性的所述密文数据确定划分点的具体过程包括:
A、计算待划分的密文数据的最大值和最小值,确定密文数据所处区间。
B、向所述密文数据所处区间中增加一个待***划分点。
C、计算所述待***划分点在不同位置时所划分的桶区间的错检元总数。已有***点的位置不再增加新的***点,以避免两个及以上数量的***点***同一个位置。
任意一个桶区间所对应的错检元数的计算公式为:
其中,BC(α,β)表示以属性值vα和属性值vβ为边界点的桶区间内的错检元数;ft为某个属性值vt在以vα和vβ为边界点的桶区间内出现的频率,α、t和β分别为属性值vα、属性值vt和属性值vβ的编号。Fαβ为以属性值vα和属性值vβ为边界点的桶区间内各属性值出现的频率之和。
D、确定所述错检元总数最小时所述待***划分点的位置,得到所述待***划分点的***位置。在得到***位置后,将***位置存放到***位置集合中。
错检元总数最小值的计算方法可以以当前待***划分点的某个假定***位置为分界点计算错检元总数。计算公式为:MOB(1,n,M)=min[MOB(1,i,j)+MOB(i+1,n,M-j)]。
其中n为属性值数目,M为当前待***划分点***后所形成的桶区间的总数,i为当前待***划分点的某个假定***位置处的属性值,j为属性值1~i所构成的桶区间的数目,M-j为后n-i个属性值所构成的桶区间的数目。MOB(1,n,M)为属性值1~n被划分为M个桶区间后得到的错检元总数最小值。MOB(1,i,j)为属性值1~i被划分为j个桶区间后得到的错检元数,MOB(i,n,M-j)为属性值i~n被划分M-j个桶区间后得到的错检元数。
E、判断在所述待***划分点***后划分的桶区间的数量是否大于或等于最大预设阈值,得到判断结果。
F、若所述判断结果表示是,则***位置确定完成,记录所有***位置。
G、若所述判断结果表示否,则返回步骤B。
在按照划分点对对应属性的所述密文数据进行桶划分之后,记录各个桶区间的端点和编号。
步骤103:对所述桶划分数据建立B+树,将数据指针存储到叶节点中。
原有的基于桶划分的密文检索方法中,服务器将返回某一桶内的所有数据,因此多条密文记录都将返回给客户端再进行过滤查询,实际应用中数据量会非常大,这样的处理过程加重了客户端的负载,减慢了客户端的响应时间。
因此在服务器端对桶内数据检索查询,直至查询出符合条件的记录再返回给客户端,从而减少客户端处理数据量。为了提高了桶内数据索引速度,在分桶加密后,在密文的基础上建立B+树。
B+树是动态多级索引结构,数据指针只存储在树的叶节点中;因此,叶节点的结构与内部节点结构不同。如果查找字段是键字段,那么对于查找字段的每个值,叶节点中都有一个条目和一个指向该记录的指针(或者指向包含该记录的块)。对于非键查找字段,指针指向一个块,其中包含指向数据文件记录的指针,这样就创建了一个附加的间接层。
B+树的叶节点通常都链接在一起,以提供对记录的基于查找字段的有序访问。这些叶节点类似于第一级(基)索引。B+树的内部节点对应于多级索引的其他级。叶节点的某些查找字段值重复出现在B+树的内部节点中,以便指导查找。
图3为对表2中的姓名建立的B+树结构图。
参加图3,当当前数据小于或等于当前节点的左侧数据时,则向当前节点的左下方索引,当当前数据大于或等于当前节点的右侧数据时,则向当前节点的右下方索引,直到索引到叶节点。
由图3可知,将基于桶划分和B+树混合生成的索引用于对密文数据库中的数据进行查询、***等操作,提高了服务器端对密文数据查询的命中率。服务器端查询的准确率越高,服务器和客户端的网络带宽负载越小,客户端的解密查询处理所花费的代价越小,从而加快客户端的响应时间。
实施例2:
实施例提供一种混合密文索引***,包括:
获取模块,用于获取存储在数据库中的密文数据;
桶划分模块,用于对同一属性的所述密文数据进行桶划分,得到桶划分数据;
树结构建立模块,用于对所述桶划分数据建立B+树,将数据指针存储到叶节点中。
可选的,所述桶划分模块包括:
划分点确定子模块,用于以错检元总数最小为目标函数对同一属性的所述密文数据确定划分点;所述错检元总数为所有桶区间所对应的错检元数之和;所述错检元数为在索引时得到的桶区间内的除目标数据之外的数据的数量;;
划分子模块,用于按照所述划分点对对应属性的所述密文数据进行桶划分。
可选的,所述划分点确定子模块具体包括:
密文区间确定单元,用于计算待划分的密文数据的最大值和最小值,确定密文数据所处区间;
划分点增加单元,用于向所述密文数据所处区间中增加一个待***划分点;
错检元总数计算单元,用于计算所述待***划分点在不同位置时所划分的桶区间的错检元总数;
***位置确定单元,用于确定所述错检元总数最小时所述待***划分点的位置,得到所述待***划分点的***位置;
判断单元,用于判断在所述待***划分点***后划分的桶区间的数量是否大于或等于最大预设阈值,得到判断结果;
***位置确定完成单元,用于若所述判断结果表示是,则***位置确定完成,记录所有***位置;
返回单元,用于若所述判断结果表示否,则返回步骤“向所述密文数据所处区间中增加一个待***划分点”。
可选的,任意一个桶区间所对应的错检元数的计算公式为:
其中,BC(α,β)表示以属性值vα和属性值vβ为边界点的桶区间内的错检元数;ft为某个属性值vt在以vα和vβ为边界点的桶区间内出现的频率,α、t和β分别为属性值vα、属性值vt和属性值vβ的编号。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
1、利用桶划分技术建立密文索引时,划分桶的数目越少,查询的命中率越低;划分桶的数目越多,查询的命中率越高,但信息泄露程度也随之变大,在被建立索引的属性值明文空间相对较小的情况下,数据安全性会大大降低。因此利用桶划分技术建立密文索引时的核心在于桶划分函数的确定,在给定桶的数目的情况下,本发明提出一种最佳桶划分策略,利用该桶划分算法建立密文索引可获得最优的查询命中率,减少查询代价,从而平衡了密文索引的安全性和查询效率的问题。
2、原有的桶划分密文索引方法中:服务器端返回给客户端的桶内数据为线性结构,且数据已被加密失去了原有的偏序关系,所以客户端只能做顺序查找。顺序查找的缺点就是查找效率低,特别是在数据量大的情况下,而引入桶内B+树结构能够实现快速索引,提高了桶内数据索引速度。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的***而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种混合密文索引方法,其特征在于,包括:
获取存储在数据库中的密文数据;
对同一属性的所述密文数据进行桶划分,得到桶划分数据;
对所述桶划分数据建立B+树,将数据指针存储到叶节点中。
2.根据权利要求1所述的混合密文索引方法,其特征在于,所述对同一属性的所述密文数据进行桶划分,得到桶划分数据,具体包括:
以错检元总数最小为目标函数对同一属性的所述密文数据确定划分点;所述错检元总数为所有桶区间所对应的错检元数之和;所述错检元数为在索引时得到的桶区间内的除目标数据之外的数据的数量;
按照所述划分点对对应属性的所述密文数据进行桶划分。
3.根据权利要求2所述的混合密文索引方法,其特征在于,所述以错检元总数最小为目标函数对同一属性的所述密文数据确定划分点,具体包括:
计算待划分的密文数据的最大值和最小值,确定密文数据所处区间;
向所述密文数据所处区间中增加一个待***划分点;
计算所述待***划分点在不同位置时所划分的桶区间的错检元总数;
确定所述错检元总数最小时所述待***划分点的位置,得到所述待***划分点的***位置;
判断在所述待***划分点***后划分的桶区间的数量是否大于或等于最大预设阈值,得到判断结果;
若所述判断结果表示是,则***位置确定完成,记录所有***位置;
若所述判断结果表示否,则返回步骤“向所述密文数据所处区间中增加一个待***划分点”。
5.一种混合密文索引***,其特征在于,包括:
获取模块,用于获取存储在数据库中的密文数据;
桶划分模块,用于对同一属性的所述密文数据进行桶划分,得到桶划分数据;
树结构建立模块,用于对所述桶划分数据建立B+树,将数据指针存储到叶节点中。
6.根据权利要求5所述的混合密文索引***,其特征在于,所述桶划分模块包括:
划分点确定子模块,用于以错检元总数最小为目标函数对同一属性的所述密文数据确定划分点;所述错检元总数为所有桶区间所对应的错检元数之和;所述错检元数为在索引时得到的桶区间内的除目标数据之外的数据的数量;;
划分子模块,用于按照所述划分点对对应属性的所述密文数据进行桶划分。
7.根据权利要求6所述的混合密文索引***,其特征在于,所述划分点确定子模块具体包括:
密文区间确定单元,用于计算待划分的密文数据的最大值和最小值,确定密文数据所处区间;
划分点增加单元,用于向所述密文数据所处区间中增加一个待***划分点;
错检元总数计算单元,用于计算所述待***划分点在不同位置时所划分的桶区间的错检元总数;
***位置确定单元,用于确定所述错检元总数最小时所述待***划分点的位置,得到所述待***划分点的***位置;
判断单元,用于判断在所述待***划分点***后划分的桶区间的数量是否大于或等于最大预设阈值,得到判断结果;
***位置确定完成单元,用于若所述判断结果表示是,则***位置确定完成,记录所有***位置;
返回单元,用于若所述判断结果表示否,则返回步骤“向所述密文数据所处区间中增加一个待***划分点”。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910940962.8A CN110674524A (zh) | 2019-09-30 | 2019-09-30 | 一种混合密文索引方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910940962.8A CN110674524A (zh) | 2019-09-30 | 2019-09-30 | 一种混合密文索引方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110674524A true CN110674524A (zh) | 2020-01-10 |
Family
ID=69078777
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910940962.8A Pending CN110674524A (zh) | 2019-09-30 | 2019-09-30 | 一种混合密文索引方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110674524A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111680062A (zh) * | 2020-05-15 | 2020-09-18 | 江西师范大学 | 一种安全多目标数据对象查询方法及存储介质 |
-
2019
- 2019-09-30 CN CN201910940962.8A patent/CN110674524A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111680062A (zh) * | 2020-05-15 | 2020-09-18 | 江西师范大学 | 一种安全多目标数据对象查询方法及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mouratidis et al. | Partially materialized digest scheme: an efficient verification method for outsourced databases | |
Beckmann et al. | A revised R*-tree in comparison with related index structures | |
US8880511B2 (en) | Database query optimization and cost estimation | |
US8316417B2 (en) | Method for dynamic secure management of an authenticated relational table in a database | |
KR20090065130A (ko) | 시그니처 파일을 이용한 고차원 데이터 색인 및 검색방법과 그 시스템 | |
CN110069500B (zh) | 一种非关系型数据库动态混合索引方法 | |
CN114841374A (zh) | 一种基于随机贪心算法的横向联邦梯度提升树优化方法 | |
CN105447030A (zh) | 一种索引处理方法与设备 | |
CN106484815B (zh) | 一种基于海量数据类sql检索场景的自动识别优化方法 | |
Chen et al. | A hierarchical clustering method for big data oriented ciphertext search | |
CN108763536A (zh) | 数据库访问方法及装置 | |
WO2022127418A1 (zh) | 数据检索方法、装置、电子设备及存储介质 | |
CN110674524A (zh) | 一种混合密文索引方法及*** | |
US20080126297A1 (en) | Automatic index based query optimization | |
US20090063479A1 (en) | Search templates | |
CN113076319B (zh) | 基于离群值检测技术和位图索引的动态数据库填充方法 | |
CN117194418A (zh) | 可验证的多模态时空数据索引结构和时空范围查询验证方法 | |
Tzouramanis et al. | Secure reverse k-nearest neighbours search over encrypted multi-dimensional databases | |
Dai et al. | A Multibranch Search Tree‐Based Multi‐Keyword Ranked Search Scheme over Encrypted Cloud Data | |
CN112199396A (zh) | 一种面向mes的工业互联网标识查询方法及*** | |
Ganti et al. | MP-trie: Fast spatial queries on moving objects | |
Munir et al. | An instance based schema matching between opaque database schemas | |
CN115543993A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN107239517B (zh) | 基于Hbase数据库的多条件搜索方法及装置 | |
CN110874348A (zh) | 一种混合云环境下隐私的差异化数据检索方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200110 |