支持多跳的多策略屬性基全同態(tài)短密文加密方案

荀艷梅，陳燕俐，彭春春

(南京郵電大學計算機學院、軟件學院、網(wǎng)絡空間安全學院，江蘇 南京 210023)

云計算作為一種遠程服務模式，能夠給用戶提供存儲空間和計算能力。為了保證用戶隱私，防止數(shù)據(jù)的泄露，數(shù)據(jù)通常被加密后存儲在云端。傳統(tǒng)的密碼技術雖然能夠確保數(shù)據(jù)在云端的保密存放，但卻無法實現(xiàn)密文之間的運算和處理。全同態(tài)加密（Fully Homomorphic Encryption，F(xiàn)HE）不僅可滿足傳統(tǒng)加密的功能，并可在不知道密鑰的情況下，對密文進行任意計算。自2009年Gentry［1］基于理想格提出第一個真正意義上的全同態(tài)加密方案后，全同態(tài)加密研究引起了學者和專家的極大關注。在安全性假設和效率等方面，產(chǎn)生了很多FHE實現(xiàn)和優(yōu)化方案，例如 BGV12［2］、GSW13［3］、BV14［4］等。

屬 性 基 加 密 （ Attribute?Based Encryption，ABE）［5］作為一種公鑰加密，既可以滿足多用戶需求，又可以設置用戶的訪問權限，有著廣泛的應用場景。ABE可以分為密鑰策略屬性基加密（Key?Policy ABE，KP?ABE） 和密文策略屬性基加密（Ciphertext?Policy ABE，CP?ABE），在 KP?ABE 方案中，密鑰與訪問策略相關，密文與屬性集相關，當且僅當屬性滿足訪問策略時才可解密密文。而CP?ABE正與之相反。2013年，Gentry等［3］結合 FHE和文獻［6］中的KP?ABE方案，首次構造了屬性基全 同 態(tài) 加 密 （ Attribute?Based Fully Homomorphic Encryption，ABFHE）方案，該方案可在實現(xiàn)屬性基加密的同時，對同屬性集密文進行計算。此后圍繞計算效率、訪問策略靈活性、困難性假設等，專家們提出了一系列的ABFHE方案。

然而傳統(tǒng)的FHE方案只能對相同公鑰加密的密文（所有密文屬于同一個用戶）進行同態(tài)運算，這在很大程度上限制了FHE方案的實際應用，在許多的現(xiàn)實多用戶場景中，通常需要對多個用戶上傳到云端的用不同密鑰加密的數(shù)據(jù)進行安全的多方聯(lián)合計算。因此 López?Alt等［7］提出多密鑰全同態(tài)加密（Multi?Key Fully Homomorphic Encryption，MKFHE）的概念，支持對不同用戶（不同密鑰）的密文進行任意的同態(tài)運算，且運算之后的結果必須由參與計算的所有用戶聯(lián)合解密，可以較好地解決多用戶密文進行同態(tài)計算的問題。

2016年，將MKFHE和ABFHE相結合，Brakerski等［8］提出多策略（即多密鑰）全同態(tài)屬性加密方案（Multi?Target Homomorphic ABE，MT?HABE），實現(xiàn)了不同訪問策略下對應的不同屬性集下加密密文的同態(tài)運算。此同態(tài)計算結果需要聯(lián)合所有擁有匹配這些不同屬性集的訪問策略密鑰的用戶才能解密。但Brakerski等的方案是單跳（Single?hop）型的，即需要提前對參與同態(tài)計算用戶的數(shù)量進行設置，并且在運算過程中無法實現(xiàn)新用戶的加入。2017年，Hiromasa等［9］提出了具有多跳性質(zhì)的多策略目標屬性基全同態(tài)加密方案，同態(tài)運算后輸出的密文能夠與新加入?yún)⑴c方的密文重新進行運算，即任何參與方都可以實時、動態(tài)地加入到密文運算的過程中，但該方案密文尺寸較大，密文同態(tài)計算效率較低。

針對上述問題，本文在Peikert等［10］提出的多跳MKFHE的基礎上，結合KP?ABFHE，提出了一種基于LWE（Learning With Error）問題的支持多跳多策略屬性基全同態(tài)短密文加密方案，主要貢獻如下：

（1）方案首先是基于KP?ABE，根據(jù)屬性集合x對消息進行加密，并根據(jù)訪問策略f生成密鑰。只有當f（x）＝0時，密文才能通過密鑰解密，訪問策略是基于布爾電路，可實現(xiàn)對數(shù)據(jù)的細粒度訪問。其次方案可實現(xiàn)滿足不同訪問策略的不同屬性集密文進行全同態(tài)計算的功能，并具有更短的密文和更高的同態(tài)計算效率，密文擴展更容易實現(xiàn)。

（2）方案具有多跳性質(zhì)，即任何參與方都可以實時、動態(tài)地加入到密文運算的過程中，同態(tài)運算后輸出的密文能夠與新加入?yún)⑴c方的密文再次進行同態(tài)運算，即使新加入密文所對應屬性集不滿足已有的訪問策略集。

（3）方案安全性基于LWE問題，證明了選擇屬性下的選擇明文攻擊不可區(qū)分性（INDistinguishability under Chosen Plaintext Attack，IND?CPA）安全性。

1 相關工作

1.1 屬性基全同態(tài)加密

屬性基加密方案可實現(xiàn)加密數(shù)據(jù)的細粒度的訪問控制，但不支持對加密數(shù)據(jù)的計算。2013年，Gentry等［3］采用近似特征向量方法，實現(xiàn)了無需評估密鑰的全同態(tài)加密方案GSW13，并在此基礎上給出第一個屬性基全同態(tài)加密方案的實現(xiàn)思路，方案采用近似特征向量方法，無需評估密鑰，既可以設置訪問權限，又可以對密文進行同態(tài)評估，但同態(tài)性受到一定限制，該方案只能對具有相同屬性集的密文進行同態(tài)計算。2016年，Clear等［11］在標準模型中提出了一個ABFHE方案，該方案可以評估無限深度的電路，但是電路的輸入數(shù)量受到限制。2017年，Tan等［12］為解決云服務提供商外包數(shù)據(jù)計算問題，提出了一種基于環(huán)上誤差學習（Ring?LWE，R?LWE）的密文策略屬性基同態(tài)加密（Ciphertext Policy?Attribute Based Homomorphic Encryption，CP?ABHER?LWE）方案，以支持多用戶場景下具有細粒度訪問控制的外包云數(shù)據(jù)計算。該方案將ABE方案融入同態(tài)加密方案中，以提供加密數(shù)據(jù)的計算和存儲的細粒度訪問控制。該方案大大減少了計算時間和密文大小，提高了企業(yè)和云服務提供商之間的實際效率，但是只能對相同策略的密文進行計算，不能滿足多策略應用環(huán)境。2021年，Liu等［13］基于LWE問題提出了一種屬性基全同態(tài)短密文加密方案，該方案通過對屬性進行分類，并使用小工具矩陣，消除了密文對屬性個數(shù)的依賴，密文不再隨著屬性數(shù)的增加而增加，減少了加解密時間。然而方案只支持相同策略下的密文計算，且訪問策略為與門，不能滿足更靈活的訪問控制要求。

1.2 多密鑰全同態(tài)加密

多密 鑰 全 同 態(tài) 加 密 （Multi?Key Fully Homomorphic Encryption，MKFHE）支持對不同用戶（密鑰）的密文數(shù)據(jù)進行處理，處理后的結果可由所有參與計算的用戶聯(lián)合解密，其相對于傳統(tǒng)的（單密鑰）全同態(tài)加密，更加適用于云環(huán)境下多用戶數(shù)據(jù)的隱私保護和處理，應用范圍更廣，如密文檢索、安全多方計算、隱私保護協(xié)議［14］等。

MKFHE分為3種類型，第一種類型為López?Alt等［7］根據(jù) Hoffstein 等［15］提出的 NTRU 方案首次提出的NTRU型MKFHE方案，以及隨后出現(xiàn)了很多優(yōu)化方案，例如 DHS16［16］、CO17［17］等。 第二種類型是 Chen 等［18］將 Brakerski等［2］于 2012 年提出的BGV12方案擴展到多密鑰設置，提出了第一個BGV型多跳的MKFHE方案CZW17，以及隨后出現(xiàn)了很多優(yōu)化方案［19－20］。 第三種類型為 GSW 型 MKFHE方案。 2015 年，Clear等［21］將 GSW13［3］方案擴展到多密鑰設置，首先將單個用戶密文進行擴展，使其對應所有參與計算的用戶，然后再進行同態(tài)計算，最終通過所有用戶的聯(lián)合密鑰對密文進行解密，提出了基于LWE問題的MKFHE方案CM15，但是擴展過程較復雜。 2016年，Mukherjee等［22］優(yōu)化了 CM15中的擴展算法，提出了新的基于 LWE問題的MKFHE方案MW16，該方案允許對多密鑰密文進行一輪的分布式解密，可進一步構造兩輪多方計算協(xié)議，且具有更低的計算復雜度和更小的密文尺寸。然而CM15和MW16方案是單跳（Single?hop）的，需要提前對參與同態(tài)計算用戶的數(shù)量進行設置，并且在運算過程中無法實現(xiàn)新用戶的加入。2016年，Peikert等［10］提出了多跳（Multi?hop）型 MKFHE 方案，同態(tài)運算后輸出的密文能夠與新加入?yún)⑴c方的密文重新進行運算，即任何參與方都可以實時、動態(tài)地加入到密文運算的過程中，但是參與方的數(shù)量受到一定限制。

1.3 屬性基多策略（密鑰）全同態(tài)加密

為了解決多用戶具有細粒度訪問控制的數(shù)據(jù)計算問題，2016年，Brakerski等［8］提出了兩種類型的訪問策略參與同態(tài)計算的目標屬性基全同態(tài)加密方案（Targeted Homomorphic Attribute?Based Encryption，T?HABE）：單策略 T?HABE（Single Target Homomorphic ABE，ST?HABE） 和 多 策 略 T?HABE （Multi Target Homomorphic ABE，MT?HABE）。 ST?HABE 方案可對屬性滿足某個單一策略的密文進行同態(tài)計算，而在MT?HABE中，一組策略與同態(tài)計算相關，可以在屬性滿足策略集合中某個策略的密文之間進行處理。顯然MT?HABE方案能滿足更多的應用場景，可對不同用戶（密鑰）下加密的密文進行計算，每個用戶根據(jù)訪問策略生成自己的私鑰，即屬于多密鑰全同態(tài)加密方案，但是該方案是單跳的，同態(tài)計算過的密文不能再次與新密文進行同態(tài)計算。2017年，Hiromasa等［9］將 Peikert等［10］提出的多跳 MKFHE 方案中第一個大密文小密鑰方法與ST?HABE方案結合，提出了具有完全動態(tài)同態(tài)計算的MT?HABE，可在同態(tài)計算期間將任意附加密文作為輸入，實現(xiàn)對不同訪問策略對應的不同屬性下的加密密文的同態(tài)計算。然而該方案具有較大的密文，密文計算時比較復雜，需要對密文中每一項進行計算，有較低的計算效率。

2 預備知識

2.1 符號

本文用?表示自然數(shù)集，用?表示整數(shù)集，用?表示實數(shù)集。對于任何正整數(shù)d＞0，［d］表示｛1，2，…，d｝。 設S是一個集合，P是S上的概率分布。a←S表示a∈S從S中隨機均勻采樣，b←P表示b∈S從P中采樣。符號negl（λ）表示λ∈? 的可忽略函數(shù)集。向量由粗體小寫字母書寫，向量x的第i個元素由xi表示?！瑇‖∞表示向量x的l∞范數(shù)（最大范數(shù)）。＜x，y＞表示兩個向量的內(nèi)積。矩陣表示為粗體大寫字母，矩陣X的第i列向量由X［i］表示。對于矩陣的l∞范數(shù)定義為符號XT表示X的轉置。 對于兩個矩陣表示矩陣A和B串聯(lián)生成的矩陣。In表示n×n維單位矩陣，0n×m表示所有項都為0的n×m維矩陣。 對于任何表示第i個維度為n的標準基向量。

2.2 張量積

m1×n1維矩陣A和m2×n2維矩陣B的張量積?是由m2×n2個區(qū)塊組成的m1m2×n1n2維矩陣，其第 （i，j） 個區(qū)塊為ai，jB，其中ai，j是矩陣A的第（i，j） 個元素。

對于任何標量r∈?，有

根據(jù)張量積的混合積屬性，有

對于任何具有兼容維數(shù)的矩陣A，B，C，D，有

2.3 LWE 問題

誤差學習（Learning With Errors，LWE）問題由Regev［23］提出，已經(jīng)被證明為一個難解的多項式復雜程度的非確定性（ Non?Deterministic Polynomial，NP）問題。

定義1判定性 LWE（Decisional LWE，DLWE）問題。 設安全參數(shù)λ，參數(shù)n＝n（λ），q＝q（λ）≥2為整數(shù)模數(shù)，χ＝χ（λ）為?上的高斯分布。D0＝其中其中χ。 DLWE問題就是上述兩個分布：D0，D1不可區(qū)分。

2.4 Gadget矩陣和位分解

對于任意模數(shù)q，l＝「logq?，行向量矩陣

函數(shù)g－1：?q→?l，表示將一個數(shù)分解為二進制數(shù)，對于任意a∈ ?q，列向量x＝g－1（a） 是｛0，1｝向量，并且有＜g，x＞＝a。 符號［a］g－T＝g－1［a］T，輸出一個二進制的行向量，滿足［a］g－T·gT＝［a］。 符號（In?g－1）［A］表示對矩陣A的每個元素進行二進制分解，得到行擴張的矩陣，有（In?g）·（In?g－1）［A］＝A。類似地，［A］（In?g－T） 表示對矩陣A的每個元素進行二進制分解，得到列擴張的矩陣，有［A］（In?g－T）·（In?gT）＝A。

2.5 格陷門和離散高斯分布

定理1生成陷門［24］。存在一個有效的算法TrapGen（1n，q，m），對 于 所 有 的m≥m0，m0＝O（nlogq），輸出一個陷門矩陣對其中A在統(tǒng)計上接近于均勻分布，并且對于給定的τ≥τ0， 給定可以得到

定理 2高斯采樣［24］。m，n，q，N為選取參數(shù)，滿足隨機選取矩陣A∈在統(tǒng)計上接近于均勻分布，對于所有的矩陣可得到分布其中且對于所有的的最后N個坐標的邊緣分布統(tǒng)計接近于｛0，1｝N上的均勻分布。

2.6 同態(tài)操作

定義 2［25］令令B＝［B1，B2，…，Bl］。 假設訪問策略f∈｛0，1｝l→ ｛0，1｝ 的電路深度為d，且只包含與非門電路。將B1，B2，…，Bl接入電路的線路端口，f中每個線路端口w，u，v為其的左右輸入，定義則可以遞歸到矩陣B，算法表示為

推 論 1［8］令則存在一個多項式時間的算法EvRelation，令那么有（Bf－

2.7 T?HABE 方案的形式化定義和安全模型［8］

2016年，Brakerski等［8］提出目標屬性基全同態(tài)加密方案T?HABE，其同態(tài)計算依賴訪問策略，本文提出的方案也是以此為基礎的，因此下面給出T?HABE的形式化定義和安全模型。

定義3T?HABE。 T?HABE 方案由5個算法構成，分別是 Setup，Enc，KeyGen，Eval和 Dec，具體如下：

Setup（1λ） → （pp，psk）。 算法以安全參數(shù)λ（另外還包括訪問策略電路深度等參數(shù)）作為輸入，輸出公共參數(shù)pp和主密鑰msk。

Enc（pp，μ，x） → （ct，x）。 算法以公共參數(shù)pp、明文μ和屬性集x作為輸入，輸出一組原始密文和屬性集 （ct，x）。

KeyGen（msk，f） →skf。 算法以主密鑰msk和訪問策略f作為輸入，并輸出私鑰skf。

Eval（pp，F(xiàn)，ct（1），…，ct（k），g） →ct（F）。 將公共參數(shù)pp、 訪問策略集F、原始密文ct（1），…，ct（k）和同態(tài)運算函數(shù)g作為輸入，輸出g對應的同態(tài)密文ct（F）。

Dec（skF，ct（F）） →μ。 算法以密鑰skF＝｛skf：f∈F｝ 和密文ct（F）作為輸入，輸出明文μ∈ ｛0，1｝。

定義4T?HABE 的正確性。令｛Fλ｝λ∈N為訪問策略類，｛Gλ｝λ∈N為同態(tài)計算類，如果滿足以下條件，那么方案 T?HABE＝ ｛Setup，Enc，KeyGen，Eval，Dec｝是正確的。

令Setup（1λ） → （pp，psk），考慮一系列策略集F?Fλ，對應的私鑰集為個明文和屬性且任意x（i），都存在f∈F，有f（x（i））＝0，密文對于一些g∈G，計 算滿 足

定義5如果對于多項式時間的攻擊者在如下游戲中的優(yōu)勢是可忽略的，那么這個方案在選擇安全模型中是選擇明文攻擊下的不可區(qū)分（IND?CPA）安全的：

目標。攻擊者聲明一個目標屬性x?，且發(fā)送給挑戰(zhàn)者。

初始設置。 挑戰(zhàn)者利用Setup（1λ，1dF，1dG） 生成pp，msk，并且將pp發(fā)送給攻擊者。

查詢1。攻擊者通過向挑戰(zhàn)者發(fā)送fi函數(shù)來進行多項式密鑰查詢。一旦挑戰(zhàn)者收到這些函數(shù)后，挑戰(zhàn)者會利用KeyGen（msk，fi） 生成一個密鑰skfi，且當fi（x?）＝1時，其將發(fā)送skfi返回給攻擊者，否則發(fā)送⊥。

挑戰(zhàn)。攻擊者發(fā)送一對等長的消息μ0，μ1給挑戰(zhàn)者。 挑戰(zhàn)者隨機選擇b∈ ｛0，1｝， 并利用Enc（pp，μb，x?） 算法將消息μb生成挑戰(zhàn)密文ct?，最后挑戰(zhàn)者將ct?發(fā)送給攻擊者。

查詢2。攻擊者進行多項式密鑰查詢，與查詢1階段相同。

猜測。攻擊者輸出關于b的猜測b′∈｛0，1｝。

如果b＝b′，就可以稱攻擊者贏得了游戲。在游戲中，攻擊者的優(yōu)勢定義為Adv（λ）＝如果對于任何多項式時間里的攻擊者，有Adv（λ）＝negl（λ）， 則認為方案 T?HABE是選擇性安全的。

與之前的基于LWE的屬性基加密相同，方案滿足f（x）＝0時才可解密，且所有查詢都必須滿足fi（x?）＝1。

3 多跳多策略屬性基全同態(tài)加密dMTHABE方案

本方案是在Brakerski等［8］提出的單跳多策略目標屬性基全同態(tài)加密方案T?HABE上構建的多跳多策略屬性基全同態(tài)加密方案（簡稱dMTHABE方案），在所提出的方案中，同態(tài)密文可與新加入密文再次進行同態(tài)操作，實現(xiàn)了多跳功能。

應用場景模型如圖1所示。利用ABE的性質(zhì)，設策略集F＝｛fi｝i，屬性授權中心（AA）為每個訪問者（User）根據(jù)該用戶的訪問策略fi分配密鑰skfi。數(shù)據(jù)提供者（Owner）可以用屬性集xj加密共享數(shù)據(jù)μj，將密文 （ctj，xj） 上傳至服務器（Server）。 只有訪問者的訪問策略與密文的屬性集合滿足一定關系，即fi（xj）＝0時，訪問者才可以解密該密文，查看共享數(shù)據(jù)。利用MKFHE的性質(zhì)，服務器可以對不同屬性集合下加密的密文進行同態(tài)操作，得到新的同態(tài)密文ct（F）。 此同態(tài)計算結果需要聯(lián)合所有擁有匹配這些不同屬性集合的訪問策略密鑰｛skfi｝i的用戶才能解密，得到同態(tài)計算明文g（｛μj｝j）。 當有新的數(shù)據(jù)共享者加入時，新加密的密文可以直接與以前的同態(tài)計算密文再進行同態(tài)操作，并能正確解密。

3.1 dMTHABE方案具體構造

Setup系統(tǒng)初始化算法由屬性授權中心（AA）運行，生成公共參數(shù)pp和主密鑰msk。 首先根據(jù)4.1節(jié)選取 DLWE 參數(shù)n，q，χ，有為B有界的錯誤分布。

圖1 應用場景模型

輸出公共參數(shù)pp＝（A，B0，B，Bx，v，H），主密鑰以下算法都默認以pp為輸入。

KeyGen密鑰生成算法由AA運行，根據(jù)主密鑰msk和每個訪問者（User）的訪問策略f生成用戶密鑰skf和公開拓展密鑰ek，具體過程如下：

（1）生成用戶密鑰skf

（2）生成拓展密鑰ek

A′R＋（Im＋N＋1?tf?g）（誤差為mB）。其次，對于每個選 取計算并且設置選取S（1），計算

最終輸出用戶私鑰skf＝rf以及公開的拓展密鑰ek＝（P，D）。

Enc加密算法由數(shù)據(jù)提供者（Owner）運行，根據(jù)明文μ和屬性集x生成原始密文，并將密文上傳到云服務器（Server），具體過程如下：

輸出原始密文ct＝（x，C，Cx）。

Eval同態(tài)計算算法由Server運行，根據(jù)多個Owner上傳的原始密文、訪問策略集F和同態(tài)運算函數(shù)g生成同態(tài)密文ct（F）， 且對于每個i∈［k］， 都存在fj滿足fj（xi）＝0，具體過程如下：

（1） 采用推論 1 中EvRelation（f，x，Bx） 算法得到矩陣H，令并且計算

則對于訪問策略fj對應的私鑰rfj，令滿足

得到fj評估密文

（2）再對這些處理過的評估密文同態(tài)計算g函數(shù)，輸出最終同態(tài)密文ct（F）。 且當同態(tài)密文再次進行同態(tài)運算時，需將同態(tài)密文先進行密文擴展，詳細過程見3.2節(jié)。

Dec解密算法由多個User聯(lián)合解密，對于F＝｛f1，…，fK｝中的每個訪問策略，給定密鑰skf1，…，skfK和同態(tài)密文對于每個j∈ ［K］，有不同的則有私鑰具體過程如下：

3.2 密文擴展

密文C′擴展具體過程如下。

計算

最終生成

3.3 同態(tài)計算

設密文組ct1＝C1，ct2＝C2分別對明文μ1，μ2∈｛0，1｝ 加密，對應的隨機矩陣為R1，R2以及對應的私鑰為

（1）同態(tài)加法

滿足同態(tài)加法性質(zhì)。

（2）同態(tài)乘法

滿足同態(tài)乘法性質(zhì)。

3.4 密文擴展的正確性分析

正確性分析完畢。

4 方案分析

4.1 參數(shù)設置

DLWE參數(shù)n，q，l根據(jù)決定方案的正確性和安全性的條件進行選取。

需要設置n≥λ和q≤ 2n，且設置l，K＝ploy（λ）。 當同態(tài)評估僅由NAND門組成的深度為dG的電路，且在最大深度為dF的K個不同策略下估算最壞情況下的噪聲增長。本文定義Eval和KeyGen算法輸出的密文C和擴展密鑰（P，D）的最大誤差為Bmax，即Bmax＝max（BC，BP，BD）。 從第 3節(jié)可知，對于某些多項式poly（·），當評估一個NAND門生成密文的噪聲最大為

同樣從第3節(jié)可知，對于某些多項式poly′（·），密文擴展算法生成的擴展密文的噪聲最大為

因為評估密文的最大噪聲Bmax最大為

因此在K個不同的策略下同態(tài)計算深度為dG的電路生成的同態(tài)計算密文的噪聲最大為

為了保證方案的正確性和安全性，本文選取參數(shù)使得在0＜ε＜1的情況下，以上數(shù)量的8倍小于2nε。 為 了 保 持 這 點， 本 文 設 置n＝以及選取q和χ，使之滿足其中B是噪聲分布χ的上限。選取這些參數(shù)會導致DLWEn，q，χ問題減少到n維晶格上的一個短向量近似為的因子。

4.2 安全性分析

本文方案的安全性依賴于底層的T?HABE安全模型，通過一系列假設，可以證明本文方案在決策性LWE問題下是IND?CPA安全的，即任何多項式時間的攻擊者打破底層的T?HABE方案的 IND?CPA安全性是可以忽略的。證明如下：

與T?HABE方案中方式相似，通過考慮挑戰(zhàn)密文ct＝（x，C，Cx）中列向量的不可區(qū)分性來證明安全性，設置x?成為挑戰(zhàn)屬性。即考慮給攻擊者以下向量

Game（0）。 此游戲和column游戲相同，所以有

Game（1）。 與Game（0） 相比，不同之處在于公鑰參數(shù)B0，Bx＝［B1，…，Bl］的生成方式，并且有分布均勻的隨機矩陣滿足在這個游戲里，有來代替隨機均勻選取這些矩陣。通過剩余哈希定理，得知的分布和均勻在上選取的是不可區(qū)分的，因 此 有

Game（2）。 與Game（1） 相比，不同之處在于改變了矩陣的分布，即均勻選取矩陣通過定理 1可知，Game（2） 和Game（1） 得到的矩陣是不可區(qū)分的，因此有

Game（3）。 與Game（2） 相比，不同之處在于密鑰生成時，不使用陷門不失一般性情況下，對于挑戰(zhàn)屬性x?，訪問策略f，滿足f（x?）＝1。 采用H（A，f） 算法得到計算得根據(jù)EvRelation算法得到矩陣H，則有因此有

通過定理2，當給定R0，R和H，對于任意τ≥可 從中采樣，其中通過生成通過定理 2，可知的邊緣分布在統(tǒng)計上與 ｛0，1｝N上的均勻分布不可區(qū)分，并且條件下的概率分布是整數(shù)格上適當陪集上的離散高斯分布。由于這個游戲中攻擊者得到的分布在統(tǒng)計上與Game（2）中的無法區(qū)分，所以有

Game（4）。 除了選擇A的方式外，此游戲與Game（3） 相同。 挑戰(zhàn)者從中選擇隨機A，而不是使用TrapGen生成。根據(jù)定理1，TrapGen生成的矩陣A的分布在統(tǒng)計上與上的均勻分布不可區(qū)分，所以有

Game（5）。 與Game（4） 相比，不同之處在于生成P和D的方式不同，挑戰(zhàn)者隨機均勻選取P∈而不是使用

生成，由定理 1可知，Game（4）中P和D與Game（5）中的在統(tǒng)計上的均勻分布不可區(qū)分，所以

Game（6）。 與Game（5） 相比，改變了挑戰(zhàn)密文的生成，令之后挑戰(zhàn)密文可以被重寫成

這與Game（5）中的密文

Game（7）。 與Game（6） 相比，改變uA和uv的分布到均勻分布，通過DLWEn，q，χ假設，這個改變不能 被 攻 擊 者 區(qū) 分，所 以 有通過一系列游戲，有而在這輪游戲中，攻擊者的優(yōu)勢為 0，也就是有因此本文方案dMTHABE是IND?CPA的。

4.3 性能分析

下面首先對本文dMTHABE方案與文獻［8－10］中的多密鑰方案進行性能比較，結果如表1所示。2016年，Peikert等在文獻［10］中提出了兩種動態(tài)多跳的MKFHE方案，任何參與方都可以實時、動態(tài)地加入到密文運算的過程中。其中方案一的特點為密文尺寸較大，而方案二密文相對較短，密文擴展實現(xiàn)較為方便。但該方案是基于公鑰，不是屬性基加密。Brakerski等在文獻［8］中分別提出了單策略和多策略同態(tài)ABE方案，其中多策略方案可對滿足不同策略的密文進行同態(tài)運算，但該方案是單跳的，不具備多跳性質(zhì)，即同態(tài)計算過的密文不能再次與新密文進行同態(tài)計算。 2017 年，Hiromasa 等［9］在文獻［10］的多跳MKFHE方案一的基礎上，提出了具有動態(tài)同態(tài)計算的多策略同態(tài)ABE方案，但該方案和文獻［10］的方案一具有相同的密文尺寸較大，密文計算效率不高的特點。而本文是在文獻［10］的方案二基礎上，提出的具有動態(tài)同態(tài)計算的多策略同態(tài)ABE方案，具有密文短，密文擴展方便以及同態(tài)計算效率高的優(yōu)點。

下面將從私鑰大小、原始密文大小、評估密文以及擴展同態(tài)計算密文大小（注：所有參數(shù)比較的都是位大?。┓矫妫瑢⒈疚姆桨概c文獻［8－10］中的多密鑰方案進行對比。比較結果如表2所示。其中，l為訪問策略的輸入屬性最大數(shù)量，n為LWE問題的維數(shù)，k為同態(tài)計算相關密鑰或策略的數(shù)量，設其上限為K。dG和dF分別代表同態(tài)操作和訪問策略電路的最大深度，

表1 方案性能比較

表2 方案的密鑰和密文大小比較

從對比分析結果可知：與文獻［10］中的多密鑰全同態(tài)方案相比，本文方案將屬性加密與多跳多密鑰同態(tài)加密方案結合，引入了屬性向量和訪問策略，既實現(xiàn)了跨屬性間的密文同態(tài)計算，又滿足密文的細粒度的訪問控制，并且滿足多策略需求，可以滿足大部分實際應用場景。與文獻［8］中的多策略屬性基同態(tài)加密方案相比，本文方案實現(xiàn)了多跳的功能，允許新密文直接參與同態(tài)計算，且密文尺寸較小。與文獻［9］中方案相比，本文方案具有更小的密文，加解密開銷變小，并且同態(tài)計算復雜度降低，密文只與一個部分有關，因此有著更高的計算效率。

5 結束語

本文提出一個基于LWE問題的支持多跳多策略和短密文的屬性基全同態(tài)加密方案，短密文不僅可以減少通信開銷，還可以減少加密、解密和同態(tài)計算的運行時間，有著更高的效率，并且證明了方案在選擇屬性下為IND?CPA安全。與以往方案相比，本文方案可以實現(xiàn)跨屬性密文間的同態(tài)計算，滿足云環(huán)境下多用戶的需求，有著更靈活的訪問控制，但本方案進行密文擴展時需要擴展密鑰，這導致本文只能實現(xiàn)弱屬性同態(tài)。下一步工作中，考慮對其進行優(yōu)化，實現(xiàn)無需擴展密鑰的多策略屬性基全同態(tài)加密。另外本文的訪問策略是布爾電路，下步工作要提出基于更靈活訪問控制策略的多策略屬性基全同態(tài)加密方案，以提高訪問控制的靈活性。