[論文レビュー] Lightweight Efficient Multi-keyword Ranked Search over Encrypted Cloud Data using Dual Word Embeddings

Ruihui Zhao, Mizuho Iwaihara|arXiv (Cornell University)|May 22, 2017

Cryptography and Data Security参考文献 9被引用数 5

ひとこと要約

本稿では、二重の単語埋め込みを用いた暗号化クラウドデータ向けの軽量で効率的な多キーワードランク付き検索方式であるLRSEを提案する。従来のベクトル空間モデル（VSM）に代えて、事前学習済みのword2vec埋め込みに基づく二重埋め込み空間モデル（DESM）を採用することで、辞書の更新が不要でありながら高精度でプライバシーを保護するトップ-kランク付き検索を実現し、実世界のデータセットにおいて既存の方式を上回る効率性と正確性を達成する。

ABSTRACT

Cloud computing is emerging as a revolutionary computing paradigm which pro-vides a flexible and economic strategy for data management and resource sharing. Security and privacy become major concerns in the cloud scenario, for which Searchable Encryption (SE) technology is proposed to support efficient retrieval of encrypted data. However, the absence of lightweight ranked search is still a typical shortage in existing SE schemes. In this paper, we propose a Lightweight Efficient Multi-keyword Ranked Search over Encrypted Cloud Data using Dual Word Embeddings (LRSE) scheme that supports top-k retrieval in the known background model. For the first time, we formulate the privacy issue and design goals for lightweight ranked search in SE. We employ word embedding trained on the whole English Wikipedia using word2vec to replace the general dictionary, afterwards we make use of Dual Embedding Space Model (DESM) to substitute traditional Vector Space Model (VSM), based on which we achieve the goal of lightweight ranked search with higher precision and solve the challenging prob-lems caused by updating the traditional dictionary in existing SE schemes. In LRSE, we employ an improved secure kNN scheme to guarantee sufficient pri-vacy protection. Our security analysis shows that LRSE satisfies our formulated privacy requirements and extensive experiments performed on real-world datasets demonstrate that LRSE indeed accords with our proposed design goals.

研究の動機と目的

• 暗号化クラウドデータ向けの既存の検索可能暗号化（SE）方式において、軽量でランク付き検索が可能な仕組みが不足しているという問題に取り組む。
• 軽量ランク付き検索におけるSEのための、具体的なプライバシー要件と設計目標を策定する。
• 従来の辞書ベースのベクトル空間モデル（VSM）を、事前学習済みのword2vec埋め込みを用いた二重埋め込み空間モデル（DESM）に置き換えることで、意味的表現を向上させる。
• 頻繁な辞書の更新が不要な効率的で安全なトップ-k検索を実現し、スケーラビリティとパフォーマンスを向上させる。
• プライバシー保護を強化するため、改善された安全なkNN方式を統合する。

提案手法

• 全英語ウィキペディアから得た事前学習済みのword2vec埋め込みを用いて、キーワードとドキュメントを密なベクトル空間に表現することで、意味的理解を向上させる。
• クエリとドキュメントを別々のが整列された埋め込み空間にマッピングする二重埋め込み空間モデル（DESM）を設計する。
• 従来のベクトル空間モデル（VSM）をDESMに置き換えることで、意味的認識に基づく暗号化データのランク付き検索を可能にする。
• 安全なkNNプロトコルを統合し、ユーザーのクエリおよびデータの機密性を保持したまま、プライベートで効率的なトップ-k検索を実現する。
• 動的辞書の更新を回避するため、静的で事前学習済みの埋め込みを利用するハイブリッドインデックス機構を採用する。
• 二重埋め込み空間におけるクエリとドキュメントの埋め込み間のコサイン類似度を用いて、結果をランク付けする。

実験結果

リサーチクエスチョン

• RQ1 コストの高い辞書の更新を回避できる、暗号化クラウドデータ向けの軽量でランク付き検索方式を設計することは可能か？
• RQ2 事前学習済みの単語埋め込みを用いることで、プライバシーを損なわず検索の正確性を向上させることは可能か？
• RQ3 多キーワードクエリにおいて、DESMは従来のVSMに比べて、検索の正確性と効率性の面でどの程度優れているか？
• RQ4 安全なkNNプロトコルを改変することで、暗号化環境下でのプライベートでトップ-kランク付き検索を実現することは可能か？
• RQ5 提案されたLRSE方式は、クラウドにおける検索可能暗号化の形式的プライバシー要件を満たしているか？

主な発見

• LRSEは、単語埋め込みによる意味的類似度を活用することで、従来のVSMベースの方式に比べて著しく高い検索正確性を達成する。
• 事前学習済みのword2vec埋め込みの使用により、動的辞書の更新が不要となり、計算負荷が低減され、スケーラビリティが向上する。
• 提案されたDESMモデルにより、語の意味的関係を捉えることで、複雑な多キーワードクエリに対しても正確なランク付き結果を出力できる。
• 実世界のデータセットを用いた広範な実験により、LRSEが効率性、プライバシー、高精度という設計目標を満たしていることが確認された。
• 改善された安全なkNNプロトコルにより、ユーザーのクエリおよびデータ内容の漏洩を防ぐ強力なプライバシー保証が得られる。
• 類似機能を有する既存のSE方式と比較して、応答時間およびリソース使用量において顕著なパフォーマンス向上が示された。