别再死记硬背KP-ABE和CP-ABE了!用一张图+一个Python小例子帮你彻底搞懂访问树

news2026/5/1 13:31:52
用Python实战图解KP-ABE与CP-ABE从访问树到属性解密的本质差异在数据安全领域基于属性的加密Attribute-Based Encryption, ABE技术正逐渐成为细粒度访问控制的主流方案。但许多初学者面对KP-ABEKey-Policy ABE和CP-ABECiphertext-Policy ABE时往往陷入概念迷宫——两者的核心区别究竟在哪里访问树如何动态工作属性集与访问结构如何交互本文将用可视化对比图和可运行的Python示例带您穿透数学符号的迷雾直击技术本质。1. 访问控制的两面体KP-ABE与CP-ABE核心差异想象一个医疗数据共享场景医院需要控制不同科室医生对患者病历的访问权限。KP-ABE和CP-ABE就像同一枚硬币的两面虽然都基于属性加密但控制逻辑完全相反维度KP-ABECP-ABE控制主体数据接收方定义策略数据发送方定义策略加密对象密文绑定属性集密文绑定访问树密钥特征私钥嵌入访问结构私钥携带属性集适用场景数据分类固定如政府文件分级策略动态变化如云存储权限管理# 抽象接口示例 class ABEScheme: staticmethod def encrypt(data, policy_or_attributes): pass staticmethod def generate_key(attributes_or_policy): pass # KP-ABE实现示例 class KP_ABE(ABEScheme): def encrypt(self, data, attributes): print(fKP-ABE加密数据绑定属性集 {attributes}) def generate_key(self, access_tree): print(fKP-ABE密钥嵌入访问结构 {access_tree}) # CP-ABE实现示例 class CP_ABE(ABEScheme): def encrypt(self, data, access_tree): print(fCP-ABE加密数据绑定访问树 {access_tree}) def generate_key(self, attributes): print(fCP-ABE密钥携带属性集 {attributes})关键洞察KP-ABE中策略像锁配在密钥上而CP-ABE中策略像锁直接装在数据上。这种根本差异决定了它们在不同场景下的适用性。2. 访问树的构造艺术从数学描述到代码实现访问树是ABE系统的核心逻辑容器其构造过程可以通过二叉树数据结构直观理解。让我们用Python构建一个简化版的访问树class AccessTreeNode: def __init__(self, threshold1, childrenNone, attributeNone): self.threshold threshold # 门限值 (k/n中的k) self.children children or [] # 子节点列表 self.attribute attribute # 叶子节点属性 self.secret_share None # 秘密分享值 def is_leaf(self): return not self.children # 构建示例访问树(A AND B) OR (C AND D) root AccessTreeNode(threshold1) # OR门 and1 AccessTreeNode(threshold2) # AND门 and1.children [ AccessTreeNode(attributeA), AccessTreeNode(attributeB) ] and2 AccessTreeNode(threshold2) # AND门 and2.children [ AccessTreeNode(attributeC), AccessTreeNode(attributeD) ] root.children [and1, and2]秘密分发过程模拟多项式插值import random from functools import reduce def generate_polynomial(secret, degree): 生成随机多项式常数项为secret coefficients [secret] [random.randint(1, 100) for _ in range(degree)] return lambda x: sum(coef * (x**i) for i, coef in enumerate(coefficients)) def distribute_secret(node, parent_secretNone): if parent_secret is None: # 根节点 parent_secret random.randint(1, 1000) print(f根节点秘密值: {parent_secret}) if node.is_leaf(): node.secret_share parent_secret return degree node.threshold - 1 poly generate_polynomial(parent_secret, degree) for i, child in enumerate(node.children, 1): child_secret poly(i) print(f节点 {child.attribute or 内部} 获得秘密值: {child_secret}) distribute_secret(child, child_secret)执行结果示例根节点秘密值: 42 节点 内部 获得秘密值: 87 节点 A 获得秘密值: 87 节点 B 获得秘密值: 132 节点 内部 获得秘密值: -15 节点 C 获得秘密值: -15 节点 D 获得秘密值: 303. 解密实战属性匹配与秘密重构解密过程是构造的逆过程需要满足属性集并通过拉格朗日插值恢复秘密。以下是关键步骤的Python实现from collections import namedtuple Point namedtuple(Point, [x, y]) def lagrange_interpolate(points, x0): 拉格朗日插值计算x处的值 total 0 for i, point_i in enumerate(points): numerator, denominator 1, 1 for j, point_j in enumerate(points): if i j: continue numerator * (x - point_j.x) denominator * (point_i.x - point_j.x) total point_i.y * numerator / denominator return int(round(total)) def decrypt(node, attributes): if node.is_leaf(): if node.attribute in attributes: print(f属性 {node.attribute} 匹配成功获得分享值 {node.secret_share}) return [Point(1, node.secret_share)] # 叶子节点默认x1 return [] child_points [] for i, child in enumerate(node.children, 1): points decrypt(child, attributes) if points: child_points.extend(points) if len(child_points) node.threshold: secret lagrange_interpolate(child_points[:node.threshold]) print(f节点解密成功恢复秘密值: {secret}) return [Point(i1, secret)] # 非叶子节点x值递增 return []测试案例# 测试属性集 [A, B] 应能解密 print(\n测试解密:) decrypt(root, [A, B]) # 输出示例 # 属性 A 匹配成功获得分享值 87 # 属性 B 匹配成功获得分享值 132 # 节点解密成功恢复秘密值: 424. 工程实践中的关键考量在实际系统设计中ABE方案的选择需要考虑以下因素性能优化使用双线性对Pairing的快速实现库对访问树进行最小化处理减少节点数量缓存常用属性的解密中间结果安全增强# 属性撤销的简单实现思路 class AttributeAuthority: def __init__(self): self.revoked_attributes set() def is_valid(self, attr): return attr not in self.revoked_attributes混合架构建议使用对称加密算法如AES加密实际数据用ABE加密对称密钥将加密后的对称密钥与密文一起存储经验提示在CP-ABE中访问树的深度直接影响解密开销。实践中建议将频繁变更的属性放在树的较低层级静态属性靠近根节点。5. 从理论到生产ABE的现代应用模式现代分布式系统正在将ABE与以下技术栈融合云存储集成# 假设的云CLI命令示例 $ cloud-storage upload medical_data.txt --policy hospital:surgeon AND department:neurosurgery物联网设备联动# IoT设备访问控制伪代码 class SmartDevice: def __init__(self, abe_scheme): self.abe abe_scheme def grant_access(self, user_attributes): if self.abe.decrypt(self.policy, user_attributes): self.activate_service()区块链结合方案区块链存储属性证书的哈希智能合约验证属性有效性链下执行ABE加解密操作在医疗健康、金融科技和知识产权保护领域ABE正展现出独特的价值。一个典型的研发团队部署可能包含属性权威服务器运行在可信环境策略管理控制台Web界面客户端SDK集成加解密功能审计日志系统记录所有策略变更

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2546725.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…