周志彬^1,2，王国军^2,3，刘琴⁴，贾维嘉⁵

¹(湖南师范大学信息科学与工程学院 长沙 410012);²(中南大学信息科学与工程学院 长沙 410083);³(广州大学计算机科学与教育软件学院 广州 510006);⁴(湖南大学信息科学与工程学院 长沙 410082);⁵(上海交通大学计算机科学与工程系 上海 200240) (zzbzm1031@sina.com)

出版日期: 2018-12-01


基金资助:国家自然科学基金项目(61632009,61472451,61402161)

A RFID Anonymous Grouping Proof Protocol Using Dual-Layer Verification

Zhou Zhibin^1,2, Wang Guojun^2,3, Liu Qin⁴, Jia Weijia⁵

¹(College of Information Science and Engineering, Hunan Normal University, Changsha 410012);²(School of Information Science and Engineering, Central South University, Changsha 410083);³(School of Computer Science and Educational Software, Guangzhou University, Guangzhou 510006);⁴(College of Computer Science and Electronic Engineering, Hunan University, Changsha 410082);⁵(Department of Computer Science and Engineering, Shanghai Jiao Tong University, Shanghai 200240)

Online: 2018-12-01

摘要/Abstract

摘要： 随着越来越多的物品被贴上RFID标签，用于证明若干具有一定关系的物品作为一个群组在同一时间、同一地点出现的群证明技术的应用日趋广泛.在RFID群证明技术中，如何在确保标签信息安全与隐私的同时，生成可靠的群证明，并提升协议的执行效率是当前的研究热点.为确保标签信息的安全与隐私，离线群证明协议往往仅由Verifier完成验证，Reader仅负责群证明信息的收集，降低了协议对于非法群证明的响应速度，为提高系统的群证明效率，抵御拒绝服务(deny of proof, DoP)攻击，提出了一种采用双层校验的RFID离线匿名群证明协议AGPDL，使用椭圆曲线加密，通过二次校验的方法，授权Reader在标签匿名的情况下预先进行群证明的有效性验证，然后再由Verifier完成最终的群证明校验，并确认标签身份.通过安全性分析与性能分析可知：AGPDL能够较好地保护标签信息的安全与隐私，抵御冒充攻击与重放攻击，并且防止Reader提交无效群证明带来的系统开销，具有较好的可扩展性.

参考文献

相关文章 15

[1]	张啸剑, 徐雅鑫, 付楠, 孟小峰. 基于直方图的隐私键-值数据收集算法[J]. 计算机研究与发展, 2021, 58(3): 624-637.
[2]	孟小峰, 刘立新. 基于区块链的数据透明化：问题与挑战[J]. 计算机研究与发展, 2021, 58(2): 237-252.
[3]	刘峰, 杨杰, 李志斌, 齐佳音. 一种基于区块链的泛用型数据隐私保护的安全多方计算协议[J]. 计算机研究与发展, 2021, 58(2): 281-290.
[4]	王会勇, 唐士杰, 丁勇, 王玉珏, 李佳慧. 生物特征识别模板保护综述[J]. 计算机研究与发展, 2020, 57(5): 1003-1021.
[5]	黄克振, 连一峰, 冯登国, 张海霞, 刘玉岭, 马向亮. 基于区块链的网络安全威胁情报共享模型[J]. 计算机研究与发展, 2020, 57(4): 836-846.
[6]	张啸剑, 付楠, 孟小峰. 基于本地差分隐私的空间范围查询方法[J]. 计算机研究与发展, 2020, 57(4): 847-858.
[7]	王斌, 张磊, 张国印. 敏感渐进不可区分的位置隐私保护[J]. 计算机研究与发展, 2020, 57(3): 616-630.
[8]	刘俊旭, 孟小峰. 机器学习的隐私保护研究综述[J]. 计算机研究与发展, 2020, 57(2): 346-362.
[9]	黄海平, 张东军, 王凯, 朱毅凯, 王汝传. 带权值的大规模社交网络数据隐私保护方法[J]. 计算机研究与发展, 2020, 57(2): 363-377.
[10]	芦效峰, 廖钰盈, Pietro Lio, Pan Hui. 一种面向边缘计算的高效异步联邦学习机制[J]. 计算机研究与发展, 2020, 57(12): 2571-2582.
[11]	王涛春, 金鑫, 吕成梅, 陈付龙, 赵传信. 移动群智感知中融合数据的隐私保护方法[J]. 计算机研究与发展, 2020, 57(11): 2337-2347.
[12]	周俊, 沈华杰, 林中允, 曹珍富, 董晓蕾. 边缘计算隐私保护研究进展[J]. 计算机研究与发展, 2020, 57(10): 2027-2051.
[13]	林玥, 刘鹏, 王鹤, 王文杰, 张玉清. 网络安全威胁情报共享与交换研究综述[J]. 计算机研究与发展, 2020, 57(10): 2052-2065.
[14]	魏立斐, 陈聪聪, 张蕾, 李梦思, 陈玉娇, 王勤. 机器学习的安全问题及隐私保护[J]. 计算机研究与发展, 2020, 57(10): 2066-2085.
[15]	冯琦, 何德彪, 罗敏, 李莉. 移动互联网环境下轻量级SM2两方协同签名[J]. 计算机研究与发展, 2020, 57(10): 2136-2146.

PDF全文下载地址:

https://crad.ict.ac.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3831