VLDB'22：基于位置的高效安全可验证Skyline查询处理方法

在云服务器上，针对加密数据进行大规模Skyline查询是一项重要挑战。由于密文计算的开销，其查询效率严重影响应用落地。此外，由于云服务器上的各种资源是不可信的甚至是带有恶意性的，所以保证数据安全性和结果可靠性也是亟待解决的主要问题。当前，很少的工作可以同时保证查询效率、数据机密性和结果可靠性。为此，该论文研究了支持隐私保护和可验证的位置服务Skyline查询（Secure and Verifiable Location-based Skyline Queries, SVLSQ）方法。该方法保护了数据集、查询点、结果和访问模式的隐私。同时，它可以验证Skyline结果的正确性和完整性，并有效地降低了验证对象的存储开销。性能评估的实验结果表明，SVLSQ在查询方面比现有方法提升了至少3个数量级，在验证方面也是非常高效的。

该成果“Efficient Secure and Verifiable Location-Based Skyline Queries over Encrypted Data”已被国际顶级会议VLDB 2022录用。VLDB是数据库领域CCF A类国际会议。

• 论文链接：

  https://dl.acm.org/doi/abs/10.14778/3538598.3538605

本文研究了基于静态数据集（如，餐馆、酒店、停车场等）上可验证位置服务Skyline查询（Secure and Verifiable Location-based Skyline Queries, SVLSQ）的问题。如图1所示，是关于如何选择合适酒店的例子，其中P= {P₁, ..., P₆ }表示具有位置和价格的二维数据集，q是一个带有用户位置的查询。如果采用Skyline查询来为具有不同偏好的游客提前过滤酒店，那么q的真实Skyline结果{P₃ , P₄}。然而，由于商业因素，云服务器可能会返回被篡改的结果，如{P₃ , P₂ , P’}，例如，P₂是赞助该云计算平台的酒店，P’是一个伪造的且消费价格昂贵的酒店，以此来衬托并诱导游客选择酒店P₂。很明显，用户无法验证结果的可靠性。因此，SVLSQ提供了一种验证机制，从以下两个方面保证结果的真实性：