跨信任域的联邦k-支配Sk yline查询算法

摘要：k-支配Skyline查询是一种主流的Skyline查询变种，其在多目标决策与推荐领域有着广泛的应用。随着这些应用规模不断扩大，在由多个参与方组成的数据联邦中进行跨域k-支配Skyline查询的需求日益旺盛。然而，由于数据联邦中的参与方之间彼此不互信，进行跨信任域的查询计算需引入大量安全操作，效率较低。为此提出了一种基于跨域隐私向量聚合的算法，从而实现高效的联邦k-支配Skyline查询，并运用一种密文压缩技术进一步优化查询效率，最后通过充分的实验验证了所提方案的优越性。

关键词：k-支配Skyline查询 ; 数据联邦 ; 安全多方计算 ; 同态加密

0 引言

Skyline查询是大数据管理领域中的一种多维数据检索手段，其可根据每维数据的偏序关系检索出所有在某一维度优于其他数据的元组。这一查询已被广泛用于基于位置的服务、多目标决策、兴趣点推荐等应用之中。

近年来，越来越多的应用需联合多个参与方的私有数据进行联合推荐从而提升服务质量，同时保证各参与方的私有数据不泄露，这种跨信任域的计算模式被称为数据联邦。具体而言，数据联邦是指由多个参与方组成的数据库系统，每个参与方拥有全体数据库的一部分（相同数据对象的多个不相交列），这些参与方共同提供数据分析服务（如Skyline查询），而不向其他参与方透露其敏感数据。

以银行和保险公司的跨域联合推荐为例。银行通常会记录客户的资金状况，包括存款、贷款等情况。而保险公司则持有客户的投保记录。双方可利用Skyline查询对客户的资金状况和投保记录进行联合分析，从而发现那些尚未投保但存款较多的客户，以达到潜在客户挖掘的目的。在这一推荐过程中