被問懵了，加密后的數(shù)據(jù)如何進(jìn)行模糊查詢？

我們知道加密后的數(shù)據(jù)對(duì)模糊查詢不是很友好，本篇就針對(duì)加密數(shù)據(jù)模糊查詢這個(gè)問題來展開講一講實(shí)現(xiàn)的思路，希望對(duì)大家有所啟發(fā)。

為了數(shù)據(jù)安全我們?cè)陂_發(fā)過程中經(jīng)常會(huì)對(duì)重要的數(shù)據(jù)進(jìn)行加密存儲(chǔ)，常見的有：密碼、手機(jī)號(hào)、電話號(hào)碼、詳細(xì)地址、銀行卡號(hào)、信用卡驗(yàn)證碼等信息，這些信息對(duì)加解密的要求也不一樣，比如說密碼我們需要加密存儲(chǔ)，一般使用的都是不可逆的慢hash算法，慢hash算法可以避免暴力破解（典型的用時(shí)間換安全性）。

在檢索時(shí)我們既不需要解密也不需要模糊查找，直接使用密文完全匹配，但是手機(jī)號(hào)就不能這樣做，因?yàn)槭謾C(jī)號(hào)我們要查看原信息，并且對(duì)手機(jī)號(hào)還需要支持模糊查找，因此我們今天就針對(duì)可逆加解密的數(shù)據(jù)支持模糊查詢來看看有哪些實(shí)現(xiàn)方式。

在網(wǎng)上隨便搜索了一下，關(guān)于《加密后的模糊查詢》 的帖子很多，順便整理了一下實(shí)現(xiàn)的方法，不得不說很多都是不靠譜的做法，甚至有一些沙雕做法，接下來我們就對(duì)這些做法來講講實(shí)現(xiàn)思路和優(yōu)劣性。

如何對(duì)加密后的數(shù)據(jù)進(jìn)行模糊查詢

我整理了一下對(duì)加密的數(shù)據(jù)模糊查詢大致分為三類做法，如下所示：

• 沙雕做法（不動(dòng)腦思考直男的思路，只管實(shí)現(xiàn)功能從不深入思考問題）
• 常規(guī)做法（思考了查詢性能問題，也會(huì)使用一些存儲(chǔ)空間換性能等做法）
• 超神做法（比較高端的做法從算法層面上思考）

我們就對(duì)這三種實(shí)現(xiàn)方法一一來講講實(shí)現(xiàn)思路和優(yōu)劣性，首先我們先看沙雕做法。

沙雕做法

• 將所有數(shù)據(jù)加載到內(nèi)存中進(jìn)行解密，解密后通過程序算法來模糊匹配
• 將密文數(shù)據(jù)映射一份明文映射表，俗稱tag表，然后模糊查詢tag來關(guān)聯(lián)密文數(shù)據(jù)

沙雕一

我們先來看看第一個(gè)做法，將所有數(shù)據(jù)加載到內(nèi)存中進(jìn)行解密，這個(gè)如果數(shù)據(jù)量小的話可以使用這個(gè)方式來做，這樣做既簡單又實(shí)惠，如果數(shù)據(jù)量大的話那就是災(zāi)難，我們來大致算一下。

一個(gè)英文字母(不分大小寫)占一個(gè)字節(jié)的空間，一個(gè)中文漢字占兩個(gè)字節(jié)的空間，用DES來舉例，13800138000加密后的串HE9T75xNx6c5yLmS5l4r6Q==占24個(gè)字節(jié)。

輕則上百兆，重則上千兆，這樣分分鐘給應(yīng)用程序整成Out of memory，這樣做如果數(shù)據(jù)少只有幾百、幾千、幾萬條時(shí)是完全可以這樣做的，但是數(shù)據(jù)量大就強(qiáng)烈不建議了。

沙雕二

我們?cè)賮砜吹诙€(gè)做法，將密文數(shù)據(jù)映射一份明文映射表，然后模糊查詢映射表來關(guān)聯(lián)密文數(shù)據(jù)，what？？？！！！那我們?yōu)槭裁匆獙?duì)數(shù)據(jù)加密呢，直接不加密不是更好么！

我們既然對(duì)數(shù)據(jù)加密肯定是有安全訴求才會(huì)這樣做，增加一個(gè)明文的映射表就違背了安全訴求，這樣做既不安全也不方便完全是脫褲子放x，多此一舉，強(qiáng)且不推薦。

常規(guī)做法

我們接下來看看常規(guī)的做法，也是最廣泛使用的方法，此類方法及滿足的數(shù)據(jù)安全性，又對(duì)查詢友好。

• 在數(shù)據(jù)庫實(shí)現(xiàn)加密算法函數(shù)，在模糊查詢的時(shí)候使用decode(key) like '%partial%
• 對(duì)密文數(shù)據(jù)進(jìn)行分詞組合，將分詞組合的結(jié)果集分別進(jìn)行加密，然后存儲(chǔ)到擴(kuò)展列，查詢時(shí)通過key like '%partial%'

常規(guī)一

在數(shù)據(jù)庫中實(shí)現(xiàn)與程序一致的加解密算法，修改模糊查詢條件，使用數(shù)據(jù)庫加解密函數(shù)先解密再模糊查找，這樣做的優(yōu)點(diǎn)是實(shí)現(xiàn)成本低，開發(fā)使用成本低，只需要將以往的模糊查找稍微修改一下就可以實(shí)現(xiàn)，但是缺點(diǎn)也很明顯，這樣做無法利用數(shù)據(jù)庫的索引來優(yōu)化查詢，甚至有一些數(shù)據(jù)庫可能無法保證與程序?qū)崿F(xiàn)一致的加解密算法，但是對(duì)于常規(guī)的加解密算法都可以保證與應(yīng)用程序一致。

如果對(duì)查詢性能要求不是特別高、對(duì)數(shù)據(jù)安全性要求一般，可以使用常見的加解密算法比如說AES、DES之類的也是一個(gè)不錯(cuò)的選擇。

如果公司有自己的算法實(shí)現(xiàn)，并且沒有提供多端的算法實(shí)現(xiàn)，要么找個(gè)算法好的人去研究吃透補(bǔ)全多端實(shí)現(xiàn)，要么放棄使用這個(gè)辦法。

常規(guī)二

對(duì)密文數(shù)據(jù)進(jìn)行分詞組合，將分詞組合的結(jié)果集分別進(jìn)行加密，然后存儲(chǔ)到擴(kuò)展列，查詢時(shí)通過key like '%partial%'，這是一個(gè)比較劃算的實(shí)現(xiàn)方法，我們先來分析一下它的實(shí)現(xiàn)思路。

先對(duì)字符進(jìn)行固定長度的分組，將一個(gè)字段拆分為多個(gè)，比如說根據(jù)4位英文字符（半角），2個(gè)中文字符（全角）為一個(gè)檢索條件，舉個(gè)例子：

ningyu1使用4個(gè)字符為一組的加密方式，第一組ning ，第二組ingy ，第三組ngyu ，第四組gyu1 … 依次類推。

如果需要檢索所有包含檢索條件4個(gè)字符的數(shù)據(jù)比如：ingy ，加密字符后通過 key like “%partial%” 查庫。

我們都知道加密后長度會(huì)增長，增長的這部分長度存儲(chǔ)就是我們要花費(fèi)的額外成本，典型的使用成本來換取速度，密文增長的幅度隨著算法不同而不同以DES舉例，13800138000加密前占11個(gè)字節(jié)，加密后的串HE9T75xNx6c5yLmS5l4r6Q==占24個(gè)字節(jié)，增長是2.18倍，所以一個(gè)優(yōu)秀的算法是多么的重要，能為公司節(jié)省不少成本，但是話又說回來算法工程師的工資也不低，所以我也不知道是節(jié)省成本還是增加成本，哈哈哈…你們自己算吧。

回到主題，這個(gè)方法雖然可以實(shí)現(xiàn)加密數(shù)據(jù)的模糊查詢，但是對(duì)模糊查詢的字符長度是有要求的，以我上面舉的例子模糊查詢字符原文長度必須大于等于4個(gè)英文/數(shù)字，或者2個(gè)漢字，再短的長度不建議支持，因?yàn)榉衷~組合會(huì)增多從而導(dǎo)致存儲(chǔ)的成本增加，反而安全性降低。

大家是否都對(duì)接過 淘寶、拼多多、JD他們的api，他們對(duì)平臺(tái)訂單數(shù)據(jù)中的用戶敏感數(shù)據(jù)就是加密的同時(shí)支持模糊查詢，使用就是這個(gè)方法，下面我整理了幾家電商平臺(tái)的密文字段檢索方案的說明，感興趣的可以查看下面鏈接。

• 淘寶密文字段檢索方案：https://open.taobao.com/docV3.htm?docId=106213&docType=1

• 阿里巴巴文字段檢索方案：https://jaq-doc.alibaba.com/docs/doc.htm?treeId=1&articleId=106213&docType=1

• 拼多多密文字段檢索方案：https://open.pinduoduo.com/application/document/browse?idStr=3407B605226E77F2

• 京東密文字段檢索方案：https://jos.jd.com/commondoc?listId=345

ps. 基本上都是一樣的，果然都是互相抄襲，連加密后的數(shù)據(jù)格式都一致。

這個(gè)方法優(yōu)點(diǎn)就是實(shí)現(xiàn)起來不算復(fù)雜，使用起來也較為簡單，算是一個(gè)折中的做法，因?yàn)闀?huì)有擴(kuò)展字段存儲(chǔ)成本會(huì)有升高，但是可利用數(shù)據(jù)庫索引優(yōu)化查詢速度，推薦使用這個(gè)方法。

超神做法

我們接下來看看優(yōu)秀的做法，此類做法難度較高，都是從算法層面來考慮，有些甚至?xí)O(shè)計(jì)一個(gè)新算法，雖然已有一些現(xiàn)成的算法參考，但是大多都是半成品無法拿來直接使用，所以還是要有人去深入研究和整合到自己的應(yīng)用中去。

從算法層面思考，甚至?xí)O(shè)計(jì)一個(gè)新算法來支持模糊查找

這個(gè)層面大多是專業(yè)算法工程師的研究領(lǐng)域，想要設(shè)計(jì)一個(gè)有序的、非不可逆的、密文長度不能增長過快的算法不是一件簡單的事情，大致的思路是這樣的，使用譯碼的方式進(jìn)行加解密，保留密文和原文一樣的順序，從而支持密文模糊匹配，說的比較籠統(tǒng)因?yàn)槲乙膊皇沁@方面的專家沒有更深一步的研究過，所以我從網(wǎng)上找了一些資料可以參考一下。

• 數(shù)據(jù)庫中字符數(shù)據(jù)的模糊匹配加密方法：https://www.jiamisoft.com/blog/6542-zifushujumohupipeijiamifangfa.html

這里提到的Hill密碼處理和模糊匹配加密方法FMES可以重點(diǎn)看看.

• 一種基于BloomFilter的改進(jìn)型加密文本模糊搜索機(jī)制研究：http://kzyjc.cnjournals.com/html/2019/1/20190112.htm

• 支持快速查詢的數(shù)據(jù)庫如何加密：https://www.jiamisoft.com/blog/5961-kuaisuchaxunshujukujiami.html

• 基于Lucene的云端搜索與密文基礎(chǔ)上的模糊查詢：https://www.cnblogs.com/arthurqin/p/6307153.html

基于Lucene的思路就跟我們上面介紹的常規(guī)做法二類似，對(duì)字符進(jìn)行等長度分詞，將分詞后的結(jié)果集加密后存儲(chǔ)，只不過存儲(chǔ)的db不一樣，一個(gè)是關(guān)系型數(shù)據(jù)庫，一個(gè)是es搜索引擎。

• 云存儲(chǔ)中一種支持可驗(yàn)證的模糊查詢加密方案：http://jeit.ie.ac.cn/fileDZYXXXB/journal/article/dzyxxxb/2017/7/PDF/160971.pdf

總結(jié)

我們到這里對(duì)加密數(shù)據(jù)的檢索方案全部介紹完了，我們首先提到的是網(wǎng)上搜索隨處可見的沙雕做法，在這里也講了不推薦使用這些沙雕做法，盡量使用常規(guī)做法，如果公司有專業(yè)算法方向人才的話不妨可以考慮基于算法層面的超神做法。

總的來說從投入、產(chǎn)出比、及實(shí)現(xiàn)、使用成本來算的話常規(guī)做法二是非常推薦的。

來源：ningyu1.github.io/20201230/encrypted

-data-fuzzy-query.html