云计算将计算资源作为服务,提高了海量数据分析和处理效率。MapReduce计算框架随着Hadoop的普及已经成为大数据处理的最基础也是最重要的方法之一。云计算服务中MapReduce程序运行时云计算平台的配置错误、存储或传输中的数据损坏、硬件问题、恶意操作等都会导致计算结果错误。是否实现云服务中的计算可验证成为衡量云计算服务质量的核心指标。本文聚焦云计算服务中基于MapReduce框架的可验证计算,实现基于日志审计的运行时完整性验证系统,达到验证程序执行完整性和结果完备性的目的。具体工作如下:针对云服务中计算可信性如何验证的问题,使用不可信云产生验证信息可信端验证的交互验证方式,提出基于MapReduce的程序运行时完整性验证基本方案。该基本方案中主要设计了程序检查点设置与插入方法和基于日志的数据完整性验证方法,实现数据输入验证和函数执行验证,达到不仅可以检测控制流篡改,还可以检测数据篡改的效果。对该方案安全性方面进行分析,证明了程序在完整性验证结果为通过时程序执行完整,实现了程序执行全生命周期的可信验证。在运行时完整性验证基本方案中,程序全生命周期的可信验证意味着海量日志的传输和分析。为提高检测效率,本文分别对执行验证和输入验证提出高效验证方法。针对执行验证,提出一种基于默克尔树的日志概率验证方法,使用默克尔树保证可信端能根据其需求安全地检索一部分日志,达到在可信端概率验证执行日志的目的。针对输入验证,提出一种基于计数型布隆过滤器CBF的概率输入数据检查方法,提高输入验证效率。并分别对这两种方法的安全性进行理论分析。结果表明,应用这两种高效验证方法的完整性验证方案在输入数据集为1TB,仅使用基本方案中1%的日志的情况下,为了检测出有3条以上记录被修改的污染数据,仅引入1.4%CBF溢出率与16.6%漏检率。基于以上提出的技术与方法,设计实现基于日志审计的运行时完整性验证原型系统。使用多种MapReduce应用测试了其适用性和性能。实验结果表明,运行时完整性验证系统适用于实验中所有MapReduce应用程序的运行时完整性验证。在产生的开销方面,MapReduce的单词计数应用程序中,正确的参数设置仅在可信节点上引入45%的额外执行时间,在公有云上引入28.91%的额外执行时间。时间开销小于基于证明验证的Pantry系统。