Page 297 - 《软件学报》2026年第6期

2616 软件学报 2026 年第 37 卷第 6 期

高效但不稳定, 而填充法稳定但低效 [56] .
总体来看, 当前数据存储的机密性保护已形成多层次防御体系, 但仍面临挑战. 首先, 机制碎片化, 不同技术路
线缺乏统一的密态数据管理框架; 其次, 硬件依赖型方案部署成本高、门槛高; 此外, 加密与查询效率的矛盾尚未
解决. 未来应构建统一的管理框架, 降低成本和性能开销.
3.3.2 存储数据篡改防护
数据篡改威胁着存储数据的完整性, 攻击者可通过植入恶意代码或利用硬件漏洞实现. 为此, 完整性保护机制
正从外部校验向内部自证的模式演进 (如表 3 所示).

表 3 存储数据完整性保护模式

保护模式 核心思想 性能 优势 缺陷 适用场景
数据与完整性证明 需可信第三方, 校验和
外部校验 分离, 依赖中心化服 高, 校验过程与数据处 实现简单、与现有系统 数据可被分离, 存在潜 传统IT系统、中心化
理分离, 集中式管理
兼容、便于集中管理
业务场景
务进行校验 在篡改风险
完整性验证嵌入存 检索效率较低、部署运
内部自证 储结构, 内容寻址、 低, 内容寻址与结构化 数据与证明强绑定, 篡 维复杂、缺乏自动修复 分布式存储、多方数
哈希带来额外开销
改可立即检测
据共享与交换场景
结构化哈希自证 能力, 依赖网络

传统的外部校验模式依赖于独立于数据本身的校验机制, 如文件系统的校验 [57] 或数据库的 MAC [58] . 在这种
模式下, 数据与其完整性证明分离, 需要可信的第三方执行和管理校验过程. 而 IPFS 开创了内部自证的新模式, 将
完整性验证内嵌于存储结构本身 [59] . 其核心机制为内容寻址与结构化哈希验证, 即数据在存储前会被哈希, 生成
唯一的内容标识符 (content identifier, CID), 用户通过哈希值定位数据. 数据被拆分为若干块, 组织为默克尔有向无
环图 (directed acyclic graph, DAG), 每个节点的哈希值依赖于其子节点, 最终形成可验证的数据结构. 从而实现数
据内容与标识的强绑定, 任何微小篡改都会引起哈希值变化, 具备天然的篡改检测能力, 适用于多方协同的去中心
化场景. 然而, 该模式也带来了新的挑战. 内容寻址在大规模数据检索时效率较低, 分布式特性也增加了部署与维
护的复杂度, 且系统侧重于篡改检测而非数据恢复. 因此, IPFS 虽在完整性保障上有范式优势, 但仍需在性能、系
统集成和恢复机制上进一步完善, 以支撑更广泛的数据流通需求.
3.3.3 存储可用性保障
数据存储系统的可用性是保障数据持续流通的基础. 一旦遭受攻击或故障, 数据将难以访问或恢复, 影响数据
生命周期. 当前, 主流保障机制主要依靠冗余实现被动容错, 应对存储不可用问题.
董昊文等人 [60] 指出, 现有云原生数据库通过计算存储分离架构、多副本存储与一致性协议以及高效的故障
恢复等技术实现高可用性, 确保即使部分节点失效仍能保证服务连续性, 这也是基于冗余的被动容错这一思想的
典型实现, 其本质是通过创建多个副本确保在部分节点或组件失效后, 系统依然能够通过其他副本提供服务. 在具
体策略优化方面, Liu 等人 [61] 针对故障恢复问题构建了一个非线性整数规划模型以在故障问题下最大化数据可用
性, 从而降低复制产生的成本, 提高数据可用性并减少一致性维护和存储成本.
虽然上述机制提升了存储可用性, 但仍存在挑战. 一方面, 多副本机制虽具备容错能力, 但资源消耗和维护成
本较高; 另一方面, 现有以被动故障响应为主的机制缺乏主动容错能力. 未来可进一步探索高效副本机制和资源调
度模型, 并引入机器学习等技术, 实现故障的主动预测与迁移, 从而提升系统在复杂环境下的可用性.
3.3.4 小 结
本节从机密性、完整性和可用性这 3 个方面梳理了数据存储阶段的主要安全挑战与技术进展. 总体来看, 数
据存储安全在防护深度和技术手段上不断发展, 但也面临现实困境.
当前防护体系正从单一防线向多层次演进, 数据泄露防护覆盖硬件、算法和物理等多个层面. 数据完整性保
护也由外部校验转向内生自证, 标志着分布式可追溯路线的技术思想开始深度影响存储领域, 为多方协同环境下
的数据流通提供了新思路.
然而, 现实中仍存在问题. 一方面, 防护体系碎片化, 技术间缺乏统一协调, 整体防护效率有限; 另一方面, 可用
性保障依赖多副本冗余和被动容错, 虽提升容错能力, 却带来存储资源浪费和一致性维护成本. 同时, 现有方法多