云存储数据完整性盲审计：高效聚合与动态批量提升

本文主要探讨了云存储中数据完整性的聚合盲审计方法，针对当前云环境中数据安全挑战，尤其是数据完整性问题，提出了一种创新的解决方案。该方法的核心在于利用双线性对映射的加密技术，确保在云服务器端，数据证据和标签证据在保持隐私的同时，能够被加密并合并，从而实现审计者在无需了解具体数据内容的情况下进行盲审计。这种设计显著提高了审计过程中的安全性，避免了直接暴露用户数据。 为了进一步提升效率，文章提出了一个高效的索引机制，它能够在数据更新时同步处理，减少了因频繁的数据变更而产生的额外计算和通信成本，使得审计能够实时适应数据的动态变化，实现了动态审计。这不仅提升了审计的响应速度，也降低了运营成本。 对于多所有者、多云服务器和多文件的场景，作者设计了一种策略，可以有效地聚合不同审计请求，实现了批量审计。这种设计的一个关键特点是，即使审计请求数量增加，批量审计的通信开销仍保持不变，极大地提高了审计的规模效益。 通过理论分析和实验验证，研究者证明了该方法在保证数据隐私的同时，其单审计和批量审计的效率分别提升了21.5%和31.8%，相较于现有审计方案具有明显优势。因此，该聚合盲审计方法对于提升云存储环境下的数据完整性保障和审计效率具有重要意义，对于企业和组织维护数据安全具有实际应用价值。