Home > Uncategorized > Symmetric Searchable Encryption für exakte Mustersuche

Symmetric Searchable Encryption für exakte Mustersuche

In dieser Arbeit wird die neue kryptographische Problemstellung Symmetric Searchable Enryption for Exact Pattern Matching (XPMSSE) aufgeworfen. Ziel ist es, ein Verfahren zu erarbeiten, das die Möglichkeit bietet, eine auf einem Server gespeicherte Zeichenkette, nach beliebigen Mustern zu durchsuchen ohne dass der Server etwas über die Zeichenkette oder das Suchmuster erfährt.

pdfSymmetric Searchable Encryption für exakte Mustersuche

Es werden zu diesem Problem zwei Sicherheitsbegriffe in verschiedenen Angreifermodellen formuliert: Im ersten Modell erhält der Angreifer lediglich Zugriff auf die verschlüsselten Daten; im zweiten Modell stehen dem Angreifer außerdem Transkripte zu den Suchanfragen zur Verfügung, sodass auch die Geheimhaltung der Suchmuster berücksichtigt werden kann.

Es wird eine effiziente XPMSSE -Konstruktion entwickelt, welche die Sicherheitsbegriffe im anfragelosen Angreifermodell erfüllt. Für eine Suchanfrage nach Muster m müssen lediglich |m| Dateneinheiten konstanter Größe vom Server geladen werden. Der Speicherbedarf auf dem Server ist dabei linear in der Klartextlänge. Unter der Voraussetzung, dass für das Abrufen der Dateneinheiten ein PIR -Verfahren eingesetzt wird, erfüllt diese Konstruktion auch den Sicherheitsbegriff im zweiten Angreifermodell.

Mit dieser Konstruktion wird gezeigt, dass das Finden eines XPMSSE -Verfahrens und eines PIR -Verfahrens im Sinne der Turingreduktion äquivalente Probleme sind.

Die XPMSSE -Konstruktion beruht auf einer geeigneten Repräsentation einer Suffix-Baum-ähnlichen Datenstruktur. Ihre Sicherheitseigenschaften erhält sie durch den Einsatz von Random Access Encryption (RAE ), einem vielseitig einsetzbaren Verschlüsselungsverfahren, das Datenverabeitungsaufgaben auf verschlüsselt ausgelagerten Daten ermöglicht. Es werden dazu Heuristiken zur Parameterwahl dieses Verfahrens entwickelt, die Effizienz- und Sicherheitseigenschaften verbessern.

Creative Commons License This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 3.0 Germany License.
  1. Bisher keine Kommentare
  1. Bisher keine Trackbacks