Cookies y Privacidad
Usamos cookies propias y de terceros para mejorar la experiencia de nuestros usuarios, analizar el tráfico del sitio y personalizar contenido. Si continúas navegando, asumimos que aceptas su uso. Para más información, consulta nuestra Política de Cookies
Auditoría dinámica de integridad de datos basada en árbol jerárquico de hash de Merkle en almacenamiento en la nube
En el modo de almacenamiento en la nube, los usuarios pierden el control físico sobre sus datos. Para mejorar la seguridad de los datos externalizados, es vital auditar la integridad de los datos de los propietarios de los datos. Sin embargo, la mayoría de los protocolos de auditoría actuales tienen un único escenario de aplicación y no pueden adaptarse a las necesidades reales de individuos y empresas. En esta investigación, se propone un esquema de auditoría seguro y eficiente basado en un árbol jerárquico de Merkle. Por un lado, utilizamos una estructura de datos de autenticación jerárquica y una técnica de agregación de firmas locales para reducir la escala del árbol de Merkle. Además, se introducen nodos autoritativos para reducir la longitud del camino de autenticación y mejorar la eficiencia de actualización. Por otro lado, introducimos un mecanismo de monitoreo basado en el modelo original de auditoría de integridad de datos para analizar los datos en la nube, lo que mejora la transparencia y la credibilidad de los proveedores de servicios en la nube. Además, logramos la recuperación de datos incompleta a través del análisis de registros, lo que reduce significativamente el número de réplicas de archivos bajo la premisa de auditoría de múltiples copias, reduce la carga de trabajo de los proveedores de servicios en la nube y mejora la equidad de los protocolos de auditoría. El análisis teórico y la comparación experimental demuestran que el método es seguro y eficiente. Puede reducir efectivamente la sobrecarga computacional y la sobrecarga de almacenamiento en la auditoría de integridad.
Autores: Liu, Zhenpeng; Wang, Shuo; Duan, Sichen; Ren, Lele; Wei, Jianhang
Idioma: Inglés
Editor: MDPI
Año: 2023
Disponible con Suscripción Virtualpro
Categoría
Licencia
Consultas: 9
Citaciones: Sin citaciones