本發(fā)明屬于時空數(shù)據(jù)管理和基于位置服務(wù)的結(jié)合領(lǐng)域，是一種適合在外包空間數(shù)據(jù)庫中客戶端基于位置服務(wù)進行查詢與驗證的算法。
背景技術(shù)：
：現(xiàn)如今，人類對于基于位置服務(wù)(lbs)的需求越來越強烈，如地圖導(dǎo)航，尋找離自己最近的k個咖啡店等(即：最近鄰查詢knn)；司機發(fā)出一條尋找最近的k個加油站的請求，而加油站利用監(jiān)測系統(tǒng)，反向篩選出k個最近鄰的司機，若該司機能成為k個之一，該加油站將提前準備為其提供更優(yōu)質(zhì)服務(wù)(即：反最近鄰查詢rknn)；在軍事演習(xí)或者實戰(zhàn)中，軍事部署往往會忽略最遠的敵人最易攻擊的特點，由于距離遠，士兵警戒防線低，紅方和藍方總指揮根據(jù)敵我雙方的整體位置進行調(diào)兵遣將，假設(shè)紅方選派一名士兵攻擊藍方最遠的k個敵人，那么該紅方士兵需要成為藍方攻擊的最遠k個目標之一才能進行有效伏擊(即：該紅方士兵是藍方的rkfn)，反之，則按兵不動，聽從指示，利用這種rkfn策略在一定程度上能起到出奇制勝的作戰(zhàn)效果。其中rkfn查詢驗證不僅在軍事演習(xí)或者實戰(zhàn)中，在大型場景游戲等方面也有重要應(yīng)用。這在勞民傷財?shù)娜蝿?wù)中，能起到預(yù)防和保護作用，倘若在軍事戰(zhàn)爭中，因為錯誤信息，指揮長發(fā)出了錯誤的決斷，而導(dǎo)致戰(zhàn)爭的失敗，這是一筆慘痛的代價；倘若在大型場景游戲中，戰(zhàn)友獲取錯誤信息，導(dǎo)致對決的慘敗，將要承擔(dān)被隊友指責(zé)或者損失金錢等后果，所以這種安全且正確的驗證機制在一些應(yīng)用環(huán)境中是不可缺少的。因為人們的需求不同，所以有不同的查詢請求(knn、rknn、skyline、rfn、rkfn等)，驗證機制保障了用戶獲取正確結(jié)果的權(quán)益，讓用戶有最終的決定權(quán)。其中，范圍查詢驗證技術(shù)和knn查詢驗證技術(shù)相對成熟，rknn查詢驗證、skyline查詢驗證技術(shù)也相繼提出，但是rkfn查詢驗證技術(shù)至今空白，本發(fā)明的目的就是彌補在外包空間數(shù)據(jù)庫中基于位置服務(wù)的rkfn查詢驗證的空缺，并提出了一種可行的驗證方法，使得用戶能快速地獲取到正確結(jié)果，為此，我們需要考慮到下面三大問題：第一，如何選取適合rkfn查詢請求的索引結(jié)構(gòu)眾所周知，隨著信息時代的快速發(fā)展，數(shù)據(jù)量爆發(fā)式地增長，利用傳統(tǒng)的處理方式來檢索出有價值的信息，是耗時且成本高昂的，因此，我們針對rkfn查詢請求方式，應(yīng)采用哪種索引結(jié)構(gòu)來加快請求的處理，是我們首要考慮的問題。第二，針對rkfn查詢請求，客戶端采用何種驗證方法來避免用戶獲取錯誤結(jié)果用戶獲取錯誤信息的來源主要有傳輸過程中數(shù)據(jù)丟失、黑客攻擊服務(wù)器并篡改其數(shù)據(jù)等，用戶被動的接受信息，可能致使用戶在錯誤信息的引導(dǎo)下偏離目標，或者提供的并非最佳抵達目的地的方案，針對這種情況，客戶端應(yīng)如何設(shè)計驗證方法來達到驗證結(jié)果的目的，這是我們需要考慮的必要問題。第三，如何減少傳輸代價、客戶端驗證和計算等代價來降低成本花銷根據(jù)knn查詢驗證的思想，服務(wù)器端生成的驗證對象(vo)供客戶端來驗證結(jié)果的可靠性，然后通過knn方法對vo中的所有對象進行計算，最后客戶端判斷服務(wù)器提供的結(jié)果和客戶端對vo的計算結(jié)果是否完全一致，如果一致則接受結(jié)果，否則，拒絕接受。rkfn查詢驗證總體思想與knn查詢驗證的思想基本一致，在這個過程中，我們要考慮到客戶端存儲能力是有限的這一硬性指標，可能成為接受vo的瓶頸，而且當客戶端通過vo來驗證結(jié)果時，驗證的代價和計算代價等又直接受vo大小影響，所以我們將主導(dǎo)傳輸和驗證等代價的vo盡量縮減，設(shè)計出一種優(yōu)化vo的方法，使得用戶盡可能少的消耗流量，這是我們需要考慮的重要問題。在現(xiàn)代社會，人們對基于位置服務(wù)的需求不斷加大，高效地處理海量數(shù)據(jù)成為研究者們的熱門課題，由于rkfn查詢驗證技術(shù)具有很大的商業(yè)和軍事價值，所以我們設(shè)計算法要兼顧到上面的三大方面，進而設(shè)計出一個適用于外包數(shù)據(jù)庫反最遠鄰居算法就顯得尤為重要。技術(shù)實現(xiàn)要素：為了填補外包空間數(shù)據(jù)庫中反最遠鄰居驗證技術(shù)的空白，本發(fā)明提供一種基于mr-tree驗證索引結(jié)構(gòu)和最新發(fā)布的反最遠鄰居查詢方法的驗證技術(shù)。本發(fā)明采用的技術(shù)方案：一種適合外包空間數(shù)據(jù)庫中反最遠鄰居驗證方法，其特征在于，外包數(shù)據(jù)過程工，使得第三方服務(wù)器和客戶端之間不存在安全信任關(guān)系，客戶端通過mr-tree索引機制對數(shù)據(jù)來源的可靠性進行正確地檢驗，整個處理流程分為第三方服務(wù)器端處理和客戶端驗證兩個部分，包括以下步驟：第三方服務(wù)器端處理：步驟1：預(yù)處理高維空間數(shù)據(jù)，建立mr-tree索引機制；步驟2：離線構(gòu)建k-depthcontour并為處于k-depthcontour內(nèi)部的無效數(shù)據(jù)對象生成fvo；步驟3：判斷用戶請求與k-depthcontour的所屬關(guān)系；步驟4：利用influencedzone篩選出結(jié)果集，生成驗證結(jié)果集的fvo；步驟5：第三方服務(wù)器發(fā)送其計算的結(jié)果集、uvo、fvo、uroot、froot、influencedzone；客戶端驗證：步驟6：uvo、fvo、uroot、froot逆向生成驗證數(shù)據(jù)來源的正確性；步驟7：利用fvo驗證influencedzone的正確性；步驟8：利用四象限測試法驗證influencedzone為空；步驟9：驗證結(jié)果集的正確性。步驟2：第一次對fvo做壓縮處理，其具體操包括如下：預(yù)處理k-depthcontour及計算出k-depthcontour內(nèi)部無效查詢的驗證對象；1)利用已有mr-tree技術(shù)和k-depthcontour生成算法，計算出外包空間數(shù)據(jù)的驗證框架和基于所有數(shù)據(jù)的k-depthcontour，將空間中所有數(shù)據(jù)對象按照k-depthcontour劃分；2)對于處在k-depthcontour上或者外部的數(shù)據(jù)對象，將其所在最小邊界矩形內(nèi)的所有對象有序地加載到fvo中，而處在k-depthcontour內(nèi)部的最大矩形以實體形式有序地加載到fvo中；3)初步計算出k-depthcontour內(nèi)部的無效查詢的驗證對象fvo?？蛻舳蓑炞C結(jié)果集的核心依據(jù)，是influencedzone的形成，該influencedzone是對fvo進行了第二次壓縮，該influencedzone構(gòu)建思想將直接影響通信和驗證等代價；所述步驟3中判斷用戶請求與k-depthcontour的所屬關(guān)系如下；步驟3-1：采用shenluwang提出“efficientlycomputingreversekfurthestneighbors”的反最遠鄰居查詢方法，當服務(wù)器接受到用戶請求，首先判斷該請求是否存在于k-depthcontour內(nèi)部，若存在，則將相應(yīng)k取值的無效查詢fvo直接發(fā)送給客戶端，客戶端利用四象限測試法進行驗證處理；若該請求不存在于k-depthcontour內(nèi)部，則進行步驟3-2處理；步驟3-2：在mr-tree中檢索出k-depthcontour上和外部的數(shù)據(jù)對象，將這些對象與請求對象進行半平面修剪，該技術(shù)保證了被修剪掉的區(qū)域經(jīng)過至少k次修剪，形成最終的influencedzone；所述步驟4：以userset為數(shù)據(jù)集構(gòu)建的mr-tree索引樹中，進行influencedzone區(qū)域查詢驗證，若數(shù)據(jù)對象存在于influencedzone中，則將該數(shù)據(jù)對象加載到結(jié)果集中，同時將其所在的最小邊界矩形中的所有數(shù)據(jù)對象有序地加載到uvo，將不存在于influencedzone內(nèi)的最大矩形以實體的形式有序地加載到uvo中；所述步驟5：第三方服務(wù)器將最終計算出的結(jié)果集、uvo和fvo、uroot和froot、influencedzone發(fā)送給客戶端；所述步驟6：客戶端接受到服務(wù)器端發(fā)送來的信息，首先對uvo和fvo進行逆向操作，分別生成其對應(yīng)的mr-tree的根的hash值，判斷計算出的hash值和服務(wù)器端發(fā)送來的uroot和froot是否一致，如果完全一致，則進行后續(xù)操作，否則驗證失敗，拒絕接受當前服務(wù)器端發(fā)送來的所有數(shù)據(jù)信息?？蛻舳蓑炞Cinfluencedzone方式，所述步驟7利用fvo來檢驗influencedzone的邊和頂點正確性，所述步驟8利用四象限測試法和fvo來驗證influencedzone為空的情況，而客戶端驗證的核心技術(shù)就是對influencedzone的檢驗，其驗證過程如下：在influencedzone存在的前提下，利用fvo來驗證influencedzone是否正確；步驟7-1：驗證influencedzone的邊界點是否正確；influencedzone的邊界點由非數(shù)據(jù)空間邊界點組成或者由非數(shù)據(jù)空間邊界點和數(shù)據(jù)空間邊界點共同組成，因此，對于非數(shù)據(jù)空間邊界點的驗證用如下公式：而對于數(shù)據(jù)空間邊界點的驗證將采用下面的公式：這里，vi代表非數(shù)據(jù)空間邊界點，vj代表數(shù)據(jù)空間邊界點，表示圓上及外部區(qū)域，(vi,q)代表vi為圓心，vi到q的距離為半徑形成的圓上及外部區(qū)域，dk代表fvo中的數(shù)據(jù)對象，mk代表fvo中的實體對象；如果influencedzone的邊界點驗證失敗，則客戶端將拒絕接受服務(wù)器端發(fā)送來的結(jié)果集；否則，將進行步驟7-2處理；步驟7-2：驗證influencedzone的邊是否正確；influencedzone邊由查詢請求q和fvo中某數(shù)據(jù)對象的中垂線構(gòu)成的，或者可能外加部分數(shù)據(jù)空間邊界線構(gòu)成的；首先檢驗influencedzone邊是否是q和fvo中某數(shù)據(jù)對象形成的中垂線，對于不是中垂線形成的邊，進一步檢驗該邊是不是數(shù)據(jù)空間的邊界線，如果都不是，則驗證失敗，客戶端拒收服務(wù)器端發(fā)送來的結(jié)果，否則，將繼續(xù)驗證influencedzone邊；驗證無數(shù)據(jù)空間邊界頂點組成的邊(ei)采用如下公式：而有數(shù)據(jù)空間邊界頂點組成的邊(ej)則采用下面公式進行檢驗：如果influencedzone通過了上述驗證，則說明該influencedzone是正確的，客戶端需要進行下一步結(jié)果集的檢驗；步驟8：influencedzone不存在，客戶端將判斷服務(wù)器端發(fā)來的信息的可靠性和正確性；對于influencedzone為空的情況有兩種：一是查詢請求處于在k-depthcontour內(nèi)部，即為無效查詢，二是查詢請求處于k-depthcontour上或者外部，influencedzone為空是由于被修剪至空，這兩種情況采用的思想一致；以查詢請求q為原點，以查詢請求q為原點，根據(jù)圖13的四象限測試法的原理，劃分數(shù)據(jù)空間為四個象限，統(tǒng)計fvo中數(shù)據(jù)對象分布在每個象限的數(shù)目，如果某個象限的數(shù)目超過k個，則對角線的象限被修剪，通過被修剪的象限中數(shù)據(jù)對象來修剪未被修剪的象限，如果整個數(shù)據(jù)空間被修剪掉，則說明服務(wù)器端發(fā)送來的信息是完全正確的，否則，驗證失敗，重新發(fā)送查詢請求。步驟9結(jié)果集驗證如下：驗證結(jié)果集的正確性；由于結(jié)果集存在，則說明influencedzone一定存在，所以將influencedzone作為范圍查詢的區(qū)域，然后判斷uvo中的數(shù)據(jù)對象是否存在于influencedzone區(qū)域中，存在的數(shù)據(jù)對象將標記下來，不存在于該區(qū)域的數(shù)據(jù)對象不做任何處理，而uvo中的實體對象是不應(yīng)該相交于該區(qū)域的，若出現(xiàn)相交的情況，則驗證失敗，客戶端拒收結(jié)果集，最后將客戶端計算的結(jié)果信息和服務(wù)器端發(fā)來的結(jié)果集進行對比，如果一致，則接受該結(jié)果集信息，否則，拒收該結(jié)果集。本發(fā)明的優(yōu)點是：該發(fā)明的實現(xiàn)涉及到眾多技術(shù)的支持，首先是外包空間數(shù)據(jù)庫承包的處理，該技術(shù)是信息發(fā)展和運行模式產(chǎn)物，特別是在云存儲模型的提出，外包數(shù)據(jù)庫的安全性受到威脅，但該技術(shù)能高效地處理眾多用戶請求；其次是mr-tree驗證索引結(jié)構(gòu)技術(shù)，該技術(shù)既保證了外包空間數(shù)據(jù)庫的正確性，又能使得客戶端對接收的結(jié)果的驗證；然后是利用反最遠鄰居方法檢索出滿足條件的結(jié)果；最后，客戶端利用本發(fā)明特有的方法驗證influencedzone正確與否，在influencedzone正確的前提下，采用范圍查詢驗證技術(shù)來檢驗最終結(jié)果的正確性。附圖說明圖1外包數(shù)據(jù)庫以及第三方服務(wù)器和客戶端交互框架。圖2高維空間數(shù)據(jù)以r-tree進行數(shù)據(jù)分割形式。圖3mr-tree驗證索引結(jié)構(gòu)。圖4mr-tree葉子節(jié)點摘要的存儲形式。圖5mr-tree中間節(jié)點摘要的存儲形式。圖6生成k-depthcontour流程圖。圖72-depthcontour生成實例。圖8基于2-depthcontour半平面修剪技術(shù)實例。圖9-1是外包空間數(shù)據(jù)庫中劃分數(shù)據(jù)r-tree圖。圖9-2針對無效區(qū)域構(gòu)建vo過程以及vo驗證數(shù)據(jù)來源可靠性實例。圖10-1丟失數(shù)據(jù)等因素導(dǎo)致influencedzone出錯情況之一。圖10-2丟失數(shù)據(jù)等因素導(dǎo)致influencedzone出錯情況之二。圖11驗證influencedzone邊界點實例。圖12驗證influencedzone邊的實例。圖13四象限測試法的原理。圖14利用四象限測試influencedzone為空的實例。圖15服務(wù)器處理和客戶端驗證以及兩者間交互的過程。具體實施方式結(jié)合附圖1-15對本發(fā)明做進一步描述。一種適合外包空間數(shù)據(jù)庫中反最遠鄰居驗證方法，第三方服務(wù)器首先利用k-depthcontour和半平面修剪技術(shù)生成influencedzone，該區(qū)域的構(gòu)建可以縮減vo大??；然后采用高級圖形學(xué)中射線法和多邊形頂點排除方法來檢索influencedzone內(nèi)的結(jié)果；最后以influencedzone為基準，有序地加載相應(yīng)對象到vo中，并將結(jié)果、influencedzone和vo發(fā)送到客戶端?？蛻舳私邮艿降谌椒?wù)器傳來的信息，首先是驗證vo的正確性，判斷數(shù)據(jù)集來源是否可靠；然后是借助vo來檢驗influencedzone邊界是否完整；最后將計算的結(jié)果和傳來的結(jié)果進行比對，從而選擇是否接受。外包空間數(shù)據(jù)庫的思想是將數(shù)據(jù)庫承包給第三方服務(wù)器，該服務(wù)器能滿足一類用戶的特定需求，比如用戶出行所用的地圖導(dǎo)航(百度地圖，高德地圖等)，就是根據(jù)人們出行便捷的需求而設(shè)計的，使其具有專一化，特征化的性質(zhì)，并能有效地響應(yīng)用戶請求，但是第三方服務(wù)器卻不能保證用戶獲得的結(jié)果正確性，其缺乏安全性。面臨海量數(shù)據(jù)地沖擊，索引結(jié)構(gòu)能加快查找速度，驗證結(jié)構(gòu)能保證信息的正確性，但是驗證對象的大小會直接導(dǎo)致傳輸代價的增加，所以我們設(shè)計一種縮減vo大小的反最遠鄰居的驗證技術(shù)。為了加快服務(wù)器處理數(shù)據(jù)，我們需要前期的預(yù)處理工作，考慮k-depthcontour的構(gòu)建，可以提前處理，并存儲到硬盤中，以備可以直接讀取并使用，這樣既可以直接判斷出查詢請求的有效性，又可以節(jié)省k-depthcontour構(gòu)建所消耗的時間。請求若存在于k-depthcontour內(nèi)部，即視為無效查詢，可以預(yù)先計算出k-depthcontour的無效區(qū)域的vo，這樣可以減少無效查詢處理的時間，降低查詢和計算的代價。一種適合外包空間數(shù)據(jù)庫中反最遠鄰居驗證方法，首先，對外包空間數(shù)據(jù)庫中的數(shù)據(jù)構(gòu)建mr-tree驗證索引結(jié)構(gòu)，該結(jié)構(gòu)既可以加速檢索請求，又可以為客戶端驗證提供依據(jù)；然后第三方服務(wù)器利用k-depthcontour和半平面修剪技術(shù)生成influencedzone，該區(qū)域可以縮減vo大??；接著采用高級圖形學(xué)中射線法和多邊形頂點排除方法來檢索influencedzone內(nèi)的結(jié)果；最后以influencedzone為基準，將存在于influencedzone中的對象所在最小邊界矩形(mbr)內(nèi)所有對象有序地加載到vo中，不存在于influencedzone中的最大矩形以實體形式有序地加載到vo中，并將結(jié)果、influencedzone和vo發(fā)送到客戶端。客戶端接受到第三方服務(wù)器傳來的信息，首先是按照mr-tree結(jié)構(gòu)的逆向生成樹的思想來驗證vo正確性，判斷數(shù)據(jù)來源是否可靠；然后借助vo來檢驗influencedzone邊界是否完整；最后將計算結(jié)果和傳來結(jié)果進行對比?？紤]傳輸?shù)雀鞣矫婊ㄤN代價，本發(fā)明設(shè)計并實現(xiàn)一種適合海量數(shù)據(jù)中反最遠鄰居驗證的市場需求任務(wù)。外包空間數(shù)據(jù)庫中反最遠鄰居驗證的實現(xiàn)最主要是如何形成優(yōu)良的驗證對象，好的驗證對象在整個驗證過程中起到至關(guān)重要的作用，縮減驗證對象的大小也是本發(fā)明研究的核心問題。本發(fā)明的內(nèi)容是實現(xiàn)反最遠鄰居驗證技術(shù)，最主要的內(nèi)容是計算influencedzone和驗證influencedzone。本發(fā)明分成兩個級別——第三方服務(wù)器級和客戶端級，第三方服務(wù)器需要實現(xiàn)三個方面——預(yù)處理驗證索引樹mr-tree、離線預(yù)處理k-depthcontour、生成influencedzone?？蛻舳蓑炞C的實現(xiàn)需要處理三個方面——驗證vo是否正確、利用vo驗證influencedzone、通過正確的influencedzone驗證結(jié)果集的正確性。其中核心算法是如何用vo來驗證influencedzone的過程。接下來本人將驗證的整體流程和發(fā)明的主要內(nèi)容做如下說明。步驟1：預(yù)處理高維空間數(shù)據(jù)，建立mr-tree索引機制。步驟1-1：針對高維空間數(shù)據(jù)庫中所有數(shù)據(jù)(如：facilityset，該集合的驗證對象用fvo表示)按照r-tree構(gòu)建原則進行數(shù)據(jù)分割，然后對r-tree劃分的數(shù)據(jù)進行hash加密處理，形成mr-tree驗證索引樹，將mr-tree存儲起來，便于后期檢索，mr-tree索引結(jié)構(gòu)參看圖2和圖3，fvo的形式參見圖4和圖5。步驟1-2：預(yù)處理用戶需要獲得的空間數(shù)據(jù)庫中的數(shù)據(jù)集(如：userset)，構(gòu)建mr-tree索引結(jié)構(gòu)，然后把以該結(jié)構(gòu)組織的數(shù)據(jù)進行存儲。步驟2：利用mr-tree中所有數(shù)據(jù)對象構(gòu)建出k-depthcontour，在k-depthcontour上或者外部的數(shù)據(jù)對象，將其所在最小邊界矩形內(nèi)的所有對象加載到fvo中，而在k-depthcontour內(nèi)部的最大矩形以實體形式有序地加載到fvo中，k-depthcontour外部區(qū)域按照范圍查詢驗證思想進行處理，處于k-depthcontour內(nèi)部的請求則生成無效查詢的驗證對象fvo。因為考慮到人們的現(xiàn)實需求，一般k的取值較小，那么在k-depthcontour上或者外圍的數(shù)據(jù)對象相比內(nèi)部的數(shù)據(jù)對象要少很多，這樣利于縮減fvo，從而降低通信代價等。步驟3：判斷用戶請求與k-depthcontour的所屬關(guān)系。步驟3-1：服務(wù)器接受用戶請求，首先判斷該請求是否存在于k-depthcontour內(nèi)部，若存在，則將相應(yīng)k取值的無效查詢fvo直接發(fā)送給客戶端。若該請求不存在于k-depthcontour內(nèi)部，則進行步驟3-2處理。步驟3-2：在mr-tree中檢索出k-depthcontour上和外部的數(shù)據(jù)對象，將這些對象與請求對象進行半平面修剪，該技術(shù)保證了被修剪掉的區(qū)域經(jīng)過至少k次修剪，形成最終的influencedzone。這里用到的半平面修剪技術(shù)參見圖8。步驟4：以userset為數(shù)據(jù)集構(gòu)建的mr-tree索引樹中，進行influencedzone區(qū)域查詢驗證，如果數(shù)據(jù)對象存在于influencedzone，則將該數(shù)據(jù)對象加載到結(jié)果集中，同時將其所在的最小邊界矩形中的所有數(shù)據(jù)對象有序地加載到uvo(區(qū)分facilityset的驗證對象fvo)，將不存在于influencedzone內(nèi)的最大矩形以實體的形式有序地加載到uvo中。步驟5：第三方服務(wù)器將最終計算出的結(jié)果集、uvo和fvo、uroot(uroot：userset的mr-tree樹根root的hash值)和froot(froot：facilityset的mr-tree樹根root的hash值)、influencedzone發(fā)送給客戶端?？蛻舳嗽诮邮艿椒?wù)器端發(fā)送來的結(jié)果集、uvo和fvo、influencedzone之后，將做進一步的驗證處理，從而有權(quán)選擇是否接受當前的結(jié)果信息。具體步驟如下：步驟6：首先對uvo和fvo進行逆向操作，分別生成其對應(yīng)的mr-tree的根的hash值，判斷計算出的hash值和服務(wù)器端發(fā)送來的uroot和froot是否一致，如果完全一致，則進行步驟7操作，否則驗證失敗，拒絕接受當前服務(wù)器端發(fā)送來的所有數(shù)據(jù)信息。步驟7：利用fvo來驗證influencedzone是否正確，若influencedzone不存在，即不存在滿足條件的結(jié)果，將跳過步驟7，直接進入步驟8。步驟7-1：驗證influencedzone的邊界點是否正確。influencedzone的邊界點由非數(shù)據(jù)空間邊界點組成或者由非數(shù)據(jù)空間邊界點和數(shù)據(jù)空間邊界點共同組成，因此，對于非數(shù)據(jù)空間邊界點的驗證用如下公式：而對于數(shù)據(jù)空間邊界點的驗證將采用下面的公式：這里，vi代表非數(shù)據(jù)空間邊界點，vj代表數(shù)據(jù)空間邊界點，表示圓上及外部區(qū)域，(vi,q)代表vi為圓心，vi到q的距離為半徑形成的圓上及外部區(qū)域，dk代表fvo中的數(shù)據(jù)對象，mk代表fvo中的實體對象。如果influencedzone的邊界點驗證失敗，則客戶端將有權(quán)直接拒絕服務(wù)器端發(fā)送來的結(jié)果集；否則，將進行步驟7-2處理。步驟7-2：驗證influencedzone的邊是否正確。influencedzone邊由查詢請求q和fvo中某數(shù)據(jù)對象的中垂線構(gòu)成的，或者可能外加部分數(shù)據(jù)空間邊界線構(gòu)成的。首先檢驗influencedzone邊是否是q和fvo中某數(shù)據(jù)對象形成的中垂線，對于不是中垂線形成的邊，進一步檢驗該邊是不是數(shù)據(jù)空間的邊界線，如果都不是，則驗證失敗，客戶端拒收服務(wù)器端發(fā)送來的結(jié)果，否則，將繼續(xù)驗證influencedzone邊。驗證無數(shù)據(jù)空間邊界頂點組成的邊(ei)采用如下公式：而有數(shù)據(jù)空間邊界頂點組成的邊(ej)則采用下面公式進行檢驗：經(jīng)過上述對influencedzone邊的成功驗證，接下來我們將進行最后一步處理——結(jié)果集的檢驗，如果結(jié)果集驗證成功，則客戶端將會接受該結(jié)果，否則拒絕接受它，其中步驟9說明了如何驗證結(jié)果集。步驟8：influencedzone不存在，客戶端將判斷服務(wù)器端發(fā)來的信息的可靠性和正確性。對于influencedzone為空的情況有兩種：一是查詢請求處于在k-depthcontour內(nèi)部，即為無效查詢，二是查詢請求處于k-depthcontour上或者外部，influencedzone為空是由于被修剪至空，這兩種情況采用的思想一致。根據(jù)圖13的四象限測試法的原理，以查詢請求q為原點，將數(shù)據(jù)空間劃分為四個象限，統(tǒng)計fvo中數(shù)據(jù)對象分布在每個象限的數(shù)目，如果某個象限的數(shù)目超過k個(包括k)，則對角線的象限被修剪，通過被修剪的象限中數(shù)據(jù)對象來修剪未被修剪的象限，如果整個數(shù)據(jù)空間被修剪掉，則說明服務(wù)器端發(fā)送來的信息是可靠而正確的，否則，驗證失敗，重新發(fā)送查詢請求。步驟9：驗證結(jié)果集的正確性。因為有結(jié)果集存在，則說明influencedzone一定存在，所以將influencedzone作為范圍查詢的區(qū)域，然后判斷uvo中的數(shù)據(jù)對象是否存在于influencedzone區(qū)域中，存在的數(shù)據(jù)對象將標記下來，不存在于該區(qū)域的數(shù)據(jù)對象不做處理，而uvo中的實體對象是不應(yīng)該相交于該區(qū)域的，若出現(xiàn)相交的情況，則驗證失敗，客戶端拒收結(jié)果集，最后將客戶端計算的結(jié)果信息和服務(wù)器端發(fā)來的結(jié)果集進行對比，如果一致，則接受該結(jié)果集信息，否則，拒收該結(jié)果集。服務(wù)器和客戶端的處理過程以及彼此交互的過程參見圖15。經(jīng)過上述步驟的處理，客戶端驗證結(jié)果的任務(wù)已全部實現(xiàn)。k-depthcontour的構(gòu)建是第一步縮減fvo關(guān)鍵，influencedzone概念的實現(xiàn)是對fvo做進一步縮小。這樣就使得通信代價，驗證代價以及存儲代價等都得到有效地降低。本發(fā)明的一個示例，采用圖9中mr-tree驗證索引結(jié)構(gòu)的示例進行說明。其中將圖9中的數(shù)據(jù)對象作為一個小的數(shù)據(jù)集進行反最遠鄰居驗證技術(shù)的測試用例。本發(fā)明方法的具體實施步驟如下：步驟1：預(yù)處理高維空間數(shù)據(jù)，建立mr-tree索引機制(已有技術(shù)支撐)。針對facilityset(這里userset和facilityset為同一個數(shù)據(jù)集合)中的所有數(shù)據(jù)對象，按照圖9的mr-tree構(gòu)建原理進行數(shù)據(jù)分割并按照該組織結(jié)構(gòu)存儲數(shù)據(jù)到磁盤中，便于后期可以加快檢索查詢速度，葉子節(jié)點的存儲除了自身的信息外，還有保存其hash值，而中間節(jié)點則保存了其孩子節(jié)點信息和孩子節(jié)點的摘要信息。步驟2：利用mr-tree中所有數(shù)據(jù)對象構(gòu)建出2-depthcontour，其構(gòu)建的具體過程參看圖7。將2-depthcontour上或者外部的數(shù)據(jù)對象所在最小邊界矩形內(nèi)的所有對象加載到fvo中，圖9-1中展示了滿足要求的數(shù)據(jù)對象有f4，f5，f3，f12，f1，f2，而在2-depthcontour內(nèi)部的最大矩形以實體形式有序地加載到fvo中，圖9-2中的2-depthcontour內(nèi)部的最大矩形為n6，其中vo中的對象是有順序的，vo形成過程說明了其順序性。數(shù)據(jù)對象處于2-depthcontour內(nèi)部，即視為無效查詢，因此，我們可以提前生成2-depthcontour無效區(qū)域的驗證對象fvo。步驟3：判斷用戶請求q(這里將f5作為查詢請求q)與2-depthcontour的所屬關(guān)系。步驟3-1：利用高級圖形學(xué)的知識可以判斷出一個點是否存在于多邊形內(nèi)部。如果q屬于2-depthcontour內(nèi)部，則服務(wù)器不做任何處理，直接將預(yù)處理的2-depthcontour無效查詢的驗證對象fvo發(fā)送給客戶端。否則，進行步驟3-2處理。步驟3-2：將2-depthcontour無效查詢的fvo中的所有數(shù)據(jù)對象與請求q進行半平面修剪，該半平面修剪過程參看圖8，圖8中展示了每個區(qū)域塊被修剪的次數(shù)，區(qū)域塊被修剪的次數(shù)不小于k(這里k＝2)，則該區(qū)域塊將被修剪掉，對于未被修剪掉的區(qū)域塊，其共同形成的區(qū)域即為influencedzone，圖8中influencedzone是由那些被修剪次數(shù)不超過2的區(qū)域塊共同組成，即為1或者0的區(qū)域塊構(gòu)成。步驟4：以userset為數(shù)據(jù)集構(gòu)建的mr-tree索引樹中，進行influencedzone區(qū)域查詢驗證，該處理過程與范圍查詢驗證過程一致，從mr-tree的根實體開始查找，判斷該矩形是否完全被包含在influencedzone中，如果被包含在influencedzone，則將該矩形中包含的所有數(shù)據(jù)對象加載到uvo；如果不完全包含，則指向該矩形包含的孩子節(jié)點，將所有孩子節(jié)點再與influencedzone進行相交與否的判斷。以此類推，直到葉子層。根據(jù)圖8和圖9，uvo＝[[n4，[f12，f3]][[f1，f2][f6，f7，f8，f9，f10，f11]]]，結(jié)果集result中包含數(shù)據(jù)對象為{f2，f3，f6，f10，f11}，由于數(shù)據(jù)集過小，體現(xiàn)不出該算法的優(yōu)勢，因為現(xiàn)實中可能使用比較有代表性的兩個數(shù)據(jù)集，即使使用的相同的數(shù)據(jù)集，通過influencedzone可以修剪掉的一半還多的空間區(qū)域，這里通過較小的數(shù)據(jù)集進行算法的可靠性、有效性和完整性的測試。步驟5：第三方服務(wù)器將最終計算出的結(jié)果集{f2，f3，f6，f10，f11}、uvo＝[[n4，[f12，f3]][[f1，f2][f6，f7，f8，f9，f10，f11]]]和fvo＝[[[f4，f5][f3，f12]][n6，[f1，f2]]]、uroot和froot、influencedzone發(fā)送給客戶端?？蛻舳嗽诮邮艿椒?wù)器端發(fā)送來的結(jié)果集、uvo和fvo、influencedzone之后，將做進一步的驗證處理，從而有權(quán)選擇是否接受當前的結(jié)果信息?？蛻舳蓑炞C結(jié)果集正確性的實現(xiàn)步驟如下：步驟6：首先對uvo和fvo進行逆向操作，分別生成其對應(yīng)的mr-tree的根hash值，判斷計算出的hash值和服務(wù)器端發(fā)送來的uroot和froot是否一致，如果完全一致，則進行步驟7操作；否則，驗證失敗，拒絕呈現(xiàn)給用戶。圖9-1展示了vo的逆向生成mr-tree根的hash值過程，計算出的根植為n1的hash值，再與froot比較，判斷是否相等，相等則說明服務(wù)器端傳來的facilityset的fvo中的所有數(shù)據(jù)以及實體都是可靠的。uvo的驗證操作與vo的驗證操作相同。步驟7：利用fvo來驗證influencedzone是否完整，若influencedzone不存在，即不存在滿足條件的結(jié)果，將跳過步驟7，直接進入步驟8。步驟7-1：驗證influencedzone的邊界點是否正確。圖10-1圖中的influencedzone缺失了一部分△pc1c2，圖10-2圖中influencedzone缺失一部分△c4c5c6。通過實驗，先檢驗influencedzone邊界點是否在正確，利用其相關(guān)公式。對于非數(shù)據(jù)空間邊界點的驗證用如下公式：而對于數(shù)據(jù)空間邊界點的驗證將采用下面的公式：這里，vi代表非數(shù)據(jù)空間邊界點，vj代表數(shù)據(jù)空間邊界點，表示圓上及外部區(qū)域，(vi,q)代表vi為圓心，vi到q的距離為半徑形成的圓上及外部區(qū)域，dk代表fvo中的數(shù)據(jù)對象，mk代表fvo中的實體對象。當influencedzone區(qū)域是正確時，我們通過以下表格進行influencedzone的邊界點的驗證說明。圖10顯示出influencedzone中邊界點出現(xiàn)錯誤的情況，邊界點的驗證原理參看圖11，我們依然采用表格的形式進行influencedzone邊界點的驗證說明，表1展現(xiàn)了influencedzone邊界點的驗證過程，這樣既直觀，又可以清楚地展現(xiàn)出客戶端驗證邊界點的操作流程。表1：驗證influencedzone邊界點的形式化表示針對圖10-1圖中influencedzone邊界點出錯的驗證處理，一旦發(fā)現(xiàn)邊界點錯誤，直接退出，驗證失敗，客戶端拒絕接受服務(wù)器端發(fā)送的結(jié)果集。否則，將進行步驟7-2處理。步驟7-2：驗證influencedzone的邊是否正確。influencedzone邊由查詢請求q和fvo中數(shù)據(jù)對象的中垂線構(gòu)成的，或者可能外加部分數(shù)據(jù)空間邊界線構(gòu)成的。首先，以influencedzone邊作為中垂線，計算出q關(guān)于中垂線對稱的點，如果該點是fvo中的數(shù)據(jù)對象，這只能說明通過粗粒度的計算，該計算過程如表2，經(jīng)過表2的計算，姑且認為該邊正確，我們需要進行第二步細粒度的驗證計算，計算過程如表3，確保該邊最終的正確。表2：利用中垂線原理進行粗粒度地驗證influencedzone邊influencedzone邊vo中存在數(shù)據(jù)對象空間邊界線操作c1c2f3nextc2c3f4nextc3c4f2nextc4c5f3nextc5c6f1nextc6c7f2nextc7c8√nextc8c9√nextc9c1√correctinfluencedzone邊在通過中垂線思想的檢驗之后，需要繼續(xù)驗證influencedzone邊的正確性。我們采用向量測試法，在靠近influencedzone邊界點(除了由數(shù)據(jù)空間點)上，沿著經(jīng)過該點的兩個方向上，任取一點，判斷這些點是否有滿足條件的，一旦發(fā)現(xiàn)，立即終止驗證，客戶端將拒接呈現(xiàn)結(jié)果信息給用戶。對influencedzone邊的驗證分為兩個公式進行，同時采用表格的形式展現(xiàn)。驗證無數(shù)據(jù)空間邊界頂點組成的邊(ei)采用如下公式：而有數(shù)據(jù)空間邊界頂點組成的邊(ej)則采用下面公式進行檢驗：針對圖10-2的情況，將會缺少邊c4c5和邊c5c6，增加一條邊c4c6，參照圖12檢驗原理進行驗證處理，具體的處理情況如表3。表3：采用向量測試法驗證influencedzone邊這種向量法的驗證代價看上去很大，但是相比服務(wù)器端用半平面修剪技術(shù)的計算量還是要少很多，因為半平面修剪的要標記每個區(qū)域塊被修剪的次數(shù)，這對客戶端的計算能力和存儲能力來說，都是相當大的考驗，所以，向量法的計算代價是客戶端能夠接受的。經(jīng)過上述對influencedzone邊的成功驗證，接下來我們將進行最后一步處理，即檢驗結(jié)果集的正確性，如果結(jié)果集驗證成功，客戶端會把結(jié)果信息反饋給用戶，否則拒絕該結(jié)果集，結(jié)果集的驗證實現(xiàn)過程參看步驟9。步驟8：influencedzone不存在，客戶端將判斷服務(wù)器端發(fā)來的信息的可靠性和正確性。具體實現(xiàn)的例子參看圖14，在圖14中，以q為查詢點，將數(shù)據(jù)空間劃分為a、b、c、d四個象限，a象限中包含fvo中數(shù)據(jù)對象為1個，b象限中包含fvo中數(shù)據(jù)對象為1個，c象限中包含fvo中數(shù)據(jù)對象為2個，d象限中包含fvo中數(shù)據(jù)對象為2個，則c、d象限中的數(shù)據(jù)對象將a、b象限區(qū)域修剪掉；然后利用a、b象限中的數(shù)據(jù)對象f4、f7修剪掉了象限d；最后利用f4、f7和象限d中的數(shù)據(jù)對象f1共同修剪掉象限c，致使整個數(shù)據(jù)空間被修剪，進而服務(wù)器端發(fā)送來的信息是正確的，否則，驗證失敗，重新發(fā)送查詢請求。步驟9：驗證結(jié)果集的正確性。因為有結(jié)果集存在，則說明influencedzone一定存在，所以將influencedzone作為范圍查詢的區(qū)域，然后判斷uvo＝[[n4，[f12，f3]][[f1，f2][f6，f7，f8，f9，f10，f11]]]中的數(shù)據(jù)對象哪些處于influencedzone區(qū)域中，即驗證f1，f2，f3，f6，f7，f8，f9，f10，f11，f12哪些處于influencedzone內(nèi)部，參看圖8，處于influencedzone中的數(shù)據(jù)對象的集合為result_after{f2，f3，f6，f10，f11}，接著判斷uvo中所有實體對象是否相交于influencedzone，圖8顯示了n4與influencedzone沒有交集，驗證實體對象成功。最后對比結(jié)果集result和result_after中的數(shù)據(jù)是否完全一致，一旦發(fā)現(xiàn)兩個集合不相同，則驗證失敗，這里result和result_after集合完全相同，則驗證成功，客戶端可以將接受的結(jié)果信息反饋給用戶查看，為用戶提供有價值信息。中英文對照說明如下：mr-tree(merkler-tree)：merkleb-tree和r*-tree的結(jié)合形式lbs(location-basedservice)：基于位置服務(wù)vo(verificationobject)：驗證對象fvo(verificationobjectoffacilityset)：生成facilityset的驗證對象froot：針對facilityset構(gòu)建的mr-tree的根節(jié)點信息uvo(verificationobjectofuserset)：生成userset的驗證對象uroot：針對userset構(gòu)建的mr-tree的根節(jié)點信息ads(authenticateddatastructure)：驗證數(shù)據(jù)結(jié)構(gòu)mbr(minimumboundingrectangle)：最小邊界矩形knn(knearestneighbor)：k最近鄰rknn(reverseknearestneighbor)：反向k最近鄰rfn(reversefurthestneighbors)：反向最遠鄰居rkfn(reversekfurthestneighbors)：反向k最遠鄰influencedzone：受影響區(qū)域，該區(qū)域是用來驗證結(jié)果集的正確性。當前第1頁12