[发明专利]一种外包空间数据库中反最远邻居验证方法

权利要求书

1.一种适合外包空间数据库中反最远邻居验证方法，其特征在于，外包数据过程中，使得第三方服务器和客户端之间不存在安全信任关系，客户端通过MR-Tree索引机制对数据来源的可靠性进行正确地检验，整个处理流程分为第三方服务器端处理和客户端验证两个部分，包括以下步骤：

第三方服务器端处理：

步骤1：基于MR-Tree索引机制，预处理高维空间数据；

步骤2：离线构建k-depth contour并为处于k-depth contour内部的无效数据对象生成fVO；

步骤3：判断用户请求与k-depth contour的所属关系；

步骤4：利用Influenced Zone筛选出结果集，生成验证结果集的fVO；

步骤5：第三方服务器发送其计算的结果集、uVO、fVO、uRoot、fRoot、Influenced Zone；

客户端验证：

步骤6：uVO、fVO、uRoot、fRoot逆向生成验证数据来源的正确性；

步骤7：利用fVO验证Influenced Zone的正确性；

步骤8：利用四象限测试法验证Influenced Zone为空；

步骤9：验证结果集的正确性；

客户端验证Influenced Zone方式，所述步骤7利用fVO来检验Influenced Zone的边和顶点正确性，所述步骤8利用四象限测试法和fVO来验证Influenced Zone为空的情况，而客户端验证的核心技术就是对Influenced Zone的检验，其验证过程如下：

在Influenced Zone存在的前提下，利用fVO来验证Influenced Zone是否正确；

步骤7-1：验证Influenced Zone的边界点是否正确；

Influenced Zone的边界点由非数据空间边界点组成或者由非数据空间边界点和数据空间边界点共同组成，因此，对于非数据空间边界点的验证用如下公式：

count(¤(v_i,q)∩d_k)>k

count(¤(v_i,q)∩M_k)＝0

而对于数据空间边界点的验证将采用下面的公式：

count(¤(v_j,q)∩d_k)<＝k

count(¤(v_j,q)∩M_k)＝0

这里，count()代表计数函数，q代表用户查询请求，v_i代表非数据空间边界点，v_j代表数据空间边界点，¤表示圆上及外部区域，¤(v_i,q)代表v_i为圆心，v_i到q的距离为半径形成的圆上及外部区域，d_k代表fVO中的数据对象，M_k代表fVO中的实体对象；

如果Influenced Zone的边界点验证失败，则客户端将拒绝接受服务器端发送来的结果集；否则，将进行步骤7-2处理；

步骤7-2：验证Influenced Zone的边是否正确；

Influenced Zone边由查询请求q和fVO中某数据对象的中垂线构成的，或者可能外加部分数据空间边界线构成的；首先检验Influenced Zone边是否是q和fVO中某数据对象形成的中垂线，对于不是中垂线形成的边，进一步检验该边是不是数据空间的边界线，如果都不是，则验证失败，客户端拒收服务器端发送来的结果，否则，将继续验证Influenced Zone边；

验证无数据空间边界顶点组成的边e_i采用如下公式：

count(¤(e_i,q)∩d_k)＝k+1

而有数据空间边界顶点组成的边e_j则采用下面公式进行检验：

count(¤(e_j,q)∩d_k)<k+1

如果Influenced Zone通过了上述验证，则说明该Influenced Zone是正确的，客户端需要进行下一步结果集的检验；

步骤8：Influenced Zone不存在，客户端将判断服务器端发来的信息的可靠性和正确性；

对于Influenced Zone为空的情况有两种：一是查询请求处于在k-depth contour内部，即为无效查询，二是查询请求处于k-depth contour上或者外部，Influenced Zone为空是由于被修剪至空，这两种情况采用的思想一致；

以查询请求q为原点，以查询请求q为原点，根据四象限测试法的原理，划分数据空间为四个象限，统计fVO中数据对象分布在每个象限的数目，如果某个象限的数目超过k个，则对角线的象限被修剪，通过被修剪的象限中数据对象来修剪未被修剪的象限，如果整个数据空间被修剪掉，则说明服务器端发送来的信息是完全正确的，否则，验证失败，重新发送查询请求。