一种面向零信任文档库的可验证属性加密检索方法及系统

本发明涉及数据安全与智能信息检索，更具体的涉及一种面向零信任文档库的可验证属性加密检索方法及系统。

背景技术：

1、随着高校、科研机构及企事业单位的文档资源逐步由传统内网环境迁移至私有云平台、统一数据中心或外包基础设施，文档管理系统所面临的安全边界发生了明显变化。传统基于内网可信的部署假设已难以适应多角色协作、多租户共享以及基础设施外包条件下的实际需求。特别是在科研文档库场景中，系统通常存储未公开论文、实验数据、技术报告、合作协议等敏感资料，一旦发生越权访问、结果篡改或数据泄露，将直接影响用户隐私、知识产权及合规要求。

2、为解决敏感文档的安全存储与检索问题，现有技术中已经提出了可搜索加密（searchable encryption，se）、属性加密（attribute-based encryption，abe）以及二者结合的多种方案。可搜索加密技术能够在加密数据上支持关键词查询，属性加密技术能够基于用户属性实现细粒度访问控制，部分方案还可扩展至多关键词检索、布尔检索等场景。

3、虽然上述技术在提升加密数据可用性方面具有一定作用，但仍存在以下缺陷：

4、一方面，现有方案大多侧重于访问控制或基础查询功能，对于不可信服务器环境下的检索结果真实性验证、篡改检测以及结果遗漏感知等问题仍支持不足。尤其是在服务器可能出于好奇或恶意而返回错误结果、伪造结果或选择性省略结果的情况下，传统方案往往缺乏有效的结果可验证机制。

5、另一方面，随着大语言模型和语义表示学习技术的发展，用户越来越倾向于以自然语言方式表达检索需求，并期望系统具备语义理解、查询改写、相关性重排以及内容摘要生成等能力。相比传统基于关键词匹配的加密检索方式，语义增强检索能够提升复杂查询、模糊查询和探索式查询场景下的使用体验。然而，将大语言模型或语义重排模块直接引入加密文档库时，容易导致未授权内容泄漏、提示注入越权访问以及外部推理服务带来的数据出域问题，难以同时兼顾细粒度访问控制与语义增强能力。

技术实现思路

1、针对上述领域中存在的问题，本发明提出了一种面向零信任文档库的可验证属性加密检索方法及系统，在不可信服务器环境下，既保证了检索结果不可被篡改，又确保了敏感文档不被越权访问，同时还在不扩大数据泄露边界的前提下，赋予了系统自然语言语义理解与重排的能力。

2、为解决上述技术问题，本发明公开了一种面向零信任文档库的可验证属性加密检索方法，包括以下步骤：

3、服务器获取待保护文档的文档密文、策略绑定密钥密文，以及对文档标识信息进行属性加密形成的加密索引项；

4、服务器对加密索引项进行确定性排序，并基于排序后的加密索引项构建承诺结构，生成表征当前索引状态的承诺值；

5、客户端将用户输入的自然语言查询在安全环境下改写为结构化检索表达，并基于结构化检索表达生成查询令牌，将所述查询令牌发送至服务器；其中，所述结构化检索表达包括关键词子集、过滤条件以及偏好参数，所述改写过程的中间及最终输出均不包含明文查询内容；

6、服务器根据查询令牌在加密索引中执行检索，确定候选加密索引项及其对应的证明信息，并将所述候选加密索引项以及对应的证明信息返回至客户端；客户端基于承诺值和证明信息，对候选加密索引项进行一致性验证；当验证通过时，利用用户属性私钥对通过一致性验证的候选加密索引项进行解密，获得满足访问控制策略的授权文档标识信息；客户端基于授权文档标识信息，从服务器获取对应的策略绑定密钥密文和文档密文，并解密得到授权明文候选文档集合；

7、客户端基于用户输入的自然语言查询与授权明文候选文档集合中各文档之间的语义相关性，对授权明文候选文档集合进行语义重排序，并基于语义重排序后的授权明文候选文档生成检索结果。

8、优选地，所述服务器对加密索引项进行确定性排序，并基于排序后的加密索引元素序列构建承诺结构，生成表征当前索引状态的承诺值，具体包括：

9、服务器基于预设规则对加密索引项进行确定性排序，得到排序后的加密索引元素序列；

10、其中，所述预设规则包括先按照关键词标签进行字典序排序，再在相同关键词标签内部按照预设的到达顺序或文档标识顺序进行排序；

11、服务器根据排序后的加密索引元素序列，构建merkle树或密码学累加器，生成表征当前索引状态的承诺值；

12、其中，当采用merkle树构建承诺结构时，将merkle树根哈希值作为表征当前索引状态的承诺值。

13、优选地，所述客户端将用户输入的自然语言查询在安全环境下改写为结构化检索表达，并基于结构化检索表达生成查询令牌；其中，所述结构化检索表达包括关键词子集、过滤条件以及偏好参数，所述改写过程的中间及最终输出均不包含明文查询内容，具体包括：

14、客户端结合本地上下文信息在本地或可信执行环境内执行改写；所述本地上下文信息包括用户身份信息、所属课题组信息、历史检索偏好信息或预设术语词表信息中的至少一种，且所述本地上下文信息不向服务器传输；

15、其中，所述过滤条件包括时间范围、项目组标识、文档类型标识和敏感级别约束；所述偏好参数包括返回结果数量上限、排序优先级和候选截断阈值，用于约束后续检索排序及候选筛选过程；

16、当关键词子集中包含多个关键词时，客户端利用系统公共参数和伪随机映射机制分别确定各关键词标签，并基于各关键词标签以匹配索引定位标识，生成各关键词标签对应的查询令牌；

17、所述改写过程全程不输出明文查询内容，其结构化检索表达中的关键词子集以伪随机标签形式表征。

18、优选地，所述客户端基于承诺值和证明信息，对候选加密索引项进行一致性验证，还包括：

19、当客户端基于承诺值和证明信息，对候选加密索引项进行一致性验证失败时，拒绝接收本次服务器返回的候选加密索引项，并终止后续解密与语义重排序过程；

20、其中，当采用merkle树构建承诺结构时，所述证明信息为与候选加密索引项对应的merkle路径证明，所述merkle路径证明用于供客户端根据承诺值验证候选加密索引项是否属于当前索引状态；

21、当采用密码学累加器构建承诺结构时，服务器将排序后的加密索引项映射为累加器输入元素并进行聚合运算得到承诺值；所述证明信息包括服务器生成的、与候选加密索引项对应的累加器见证值，所述累加器见证值用于供客户端验证候选加密索引项是否属于当前索引状态。

22、优选地，所述利用用户属性私钥对通过一致性验证的候选加密索引项进行解密，获得满足访问控制策略的授权文档标识信息，具体包括：

23、客户端利用用户属性私钥对候选加密索引项执行属性解密操作；

24、若解密结果不为空，则表明用户属性集合满足访问控制策略，恢复对应的文档标识信息及辅助信息；

25、若解密失败或输出为空，则表明不满足访问控制策略，剔除不满足访问控制策略的候选加密索引项。

26、优选地，所述客户端基于授权文档标识信息，从服务器获取对应的策略绑定密钥密文和文档密文，并解密得到授权明文候选文档集合，具体包括：

27、客户端基于授权文档标识信息向服务器请求获取对应的文档密文记录，所述文档密文记录包括策略绑定密钥密文和文档密文；

28、客户端利用用户属性私钥对策略绑定密钥密文执行属性解密，恢复文档对称密钥；

29、客户端利用文档对称密钥对文档密文执行对称解密，恢复文档明文，从而得到授权明文候选文档集合。

30、优选地，所述客户端基于用户输入的自然语言查询与授权明文候选文档集合中各文档之间的语义相关性，对授权明文候选文档集合进行语义重排序，具体包括：

31、客户端利用预训练的语义编码模型，对用户输入的自然语言查询进行向量编码，得到查询向量；

32、客户端利用所述预训练的语义编码模型，对授权明文候选文档进行向量编码，得到文档向量；

33、基于查询向量与文档向量，确定语义相关性分数；

34、客户端根据语义相关性分数，采用两阶段语义重排机制，先基于稠密向量相似度从授权明文候选文档集合中筛选预设数量的高相关候选文档；

35、基于交叉编码器联合建模查询与候选文档之间的语义关联关系，对高相关候选文档进行细粒度重排序；

36、并根据排序结果中排名靠前的授权文档生成摘要结果、问答结果或检索结果。

37、优选地，在所述服务器获取待保护文档的文档密文、策略绑定密钥密文，以及对文档标识信息进行属性加密形成的加密索引项之前，由数据拥有方执行以下预处理步骤：

38、获取待保护文档的对称密钥；

39、利用对称密钥对待保护文档进行加密，得到文档密文；

40、基于该待保护文档对应的访问控制策略，采用属性加密方式对对称密钥进行加密，得到策略绑定密钥密文；

41、针对待保护文档的关键词集合，构建至少包括文档标识信息以及辅助信息的索引项，并基于对应访问控制策略采用属性加密方式对文档标识信息及辅助信息进行加密，得到加密索引项；其中，所述辅助信息包括时间戳、版本号、文档类型标识、项目组标识和敏感等级标识；

42、基于伪随机映射机制获取关键词集合中各关键词标签，将关键词标签作为加密索引项的索引定位标识。

43、优选地，当所述客户端调用外部推理服务生成检索结果时，所述方法还包括外部调用边界控制步骤：

44、在客户端向外部推理服务发送上下文前，从授权明文候选文档集合中选取与自然语言查询最相关的若干文档片段，对所述文档片段执行长度截断、冗余移除、字段过滤、内容拼接以及敏感标识去标识化处理，将裁剪后的授权上下文发送至外部推理服务；

45、在客户端接收到外部推理服务返回结果后，对所述返回结果执行一致性校验，以判断所述返回结果中引用的文档或事实来源是否属于所述授权明文候选文档集合；若不属于，则对返回结果进行拒绝、截断或报警处理。

46、优选地，还包括一种面向零信任文档库的可验证属性加密检索系统，客户端设备和服务器设备；

47、所述服务器设备包括：

48、预处理模块，用于获取待保护文档的文档密文、策略绑定密钥密文，以及对文档标识信息进行属性加密形成的加密索引项；

49、承诺生成模块，用于对加密索引项进行确定性排序，并基于排序后的加密索引项构建承诺结构，生成表征当前索引状态的承诺值；

50、检索与证明模块，用于根据查询令牌在加密索引中执行检索，确定候选加密索引项及其对应的证明信息，并将所述候选加密索引项及所述证明信息返回至所述客户端设备；

51、所述客户端设备包括：

52、查询处理模块，用于将用户输入的自然语言查询在安全环境下改写为结构化检索表达，并基于结构化检索表达生成查询令牌；其中，所述结构化检索表达包括关键词子集、过滤条件以及偏好参数，所述改写过程的中间及最终输出均不包含明文查询内容；

53、验证和解密模块，用于基于承诺值和证明信息，对候选加密索引项进行一致性验证；当验证通过时，利用用户属性私钥对通过一致性验证的候选加密索引项进行解密，获得满足访问控制策略的授权文档标识信息；以及基于授权文档标识信息，从所述服务器设备获取对应的策略绑定密钥密文和文档密文，解密得到授权明文候选文档集合；

54、语义增强模块，用于基于用户输入的自然语言查询与授权明文候选文档集合中各文档之间的语义相关性，对授权明文候选文档集合进行语义重排序，并基于语义重排序后的授权明文候选文档生成检索结果。

55、与现有技术相比，本发明具有如下有益效果：

56、本发明提出的面向零信任文档库的可验证属性加密检索方法，通过对加密索引构建承诺结构，将基于承诺值的证明验证前置为解密的必经门槛。这一机制在客户端未暴露任何属性私钥和明文数据之前，即在密码学层面确立了返回结果的真实性与完整性基线，从根本上剥夺了服务器作恶而不被发现的可能，保障了后续处理流程的可信起点。将细粒度访问控制策略内嵌于属性加密机制中，确立了解密即授权的判定逻辑。用户仅能成功解密其属性满足策略的索引项，对于越权数据，解密在数学上不可行从而被自然剔除。这种机制无需额外的显式鉴权交互，既消除了未授权文档标识泄露的隐患，又为后续的明文处理划定了绝对安全的数据边界。将语义处理的输入严格锚定在已通过验证且已成功解密授权的明文候选集合之上。语义重排与结果生成被完全禁锢在已验证、已授权的安全边界内，彻底切断了语义模型接触未授权数据或越权引用的可能。从而在不妥协细粒度访问控制与数据机密性的前提下，赋予了加密文档库自然语言理解与智能交互的能力，解决了安全与智能难以兼顾的行业痛点。