46、DF - ORAM:实用的无虚拟数据不经意随机访问内存

DF - ORAM:实用的无虚拟数据不经意随机访问内存

1. 存储树结构

存储树初始为满二叉树,每个节点存储 2s 个数据块(s ≥ 4.2λ)。每个节点的 ABi、TAGi、TCi 和 EBi 初始化为全零。设树的高度表示为 h + 1,则树中存储的数据块总数为 N = 2(2h + 1 − 1)s,且该存储不存储任何虚拟数据块。

每个数据块 di 在导出到服务器之前,使用对称密码(如 AES)进行概率加密为 Di,具体为 Di = E(ri|di),其中 ri 是随机数。然后,这些块被随机分布到树的节点上。

随着数据块的查询和逐出操作,树可能变得不平衡。具体来说,如果一个节点不包含任何数据块,则该节点被删除;如果一个叶子节点包含超过 3s 个块,则该节点将扩展为以自身为根的两层二叉子树。

2. 客户端存储

客户端在其本地存储中维护一个索引表,外包的 N 个数据块中的每个块在该表中都有一个条目。ID 为 i 的块的条目是一个 ⟨node(i), offset(i), tag(i)⟩ 元组,表明该数据块存储在节点 node(i) 中,偏移量为 offset(i),并且该块带有标签 tag(i)。

客户端还分配了一个永久存储区,用于存储最近查询的最多 s 个数据块,以及一个临时缓存区,以方便数据查询和洗牌。

3. 数据查询

当客户端想要查询数据块 Dt 时,操作步骤如下:
1. 检查 Dt 是否在其本地存储区中。如果是,则访问该块并将其保留在原始位置;否则,客户端查找其本地索引表,以获取 node(t)、offset(t) 和 tag(t)。
2. 客户端

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值