論文の概要: A Quantum-based Database Query Scheme for Privacy Preservation in Cloud
Environment
- arxiv url: http://arxiv.org/abs/2002.00192v1
- Date: Sat, 1 Feb 2020 11:14:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-05 00:37:16.516953
- Title: A Quantum-based Database Query Scheme for Privacy Preservation in Cloud
Environment
- Title(参考訳): クラウド環境におけるプライバシー保護のための量子データベースクエリ方式
- Authors: Wenjie Liu, Peipei Gao, Zhihao Liu, Hanwu Chen, Maojun Zhang
- Abstract要約: プライバシ保存データベースクエリにより、ユーザは、クエリされたデータアイテムの情報を公開することなく、クラウドデータベースからデータアイテムを検索できる。
データベースのデータ項目はすべて、サーバのプライバシを保護するために、異なるキーによって暗号化される。
2つのオラクル操作、修正されたGroverイテレーション、特別なオフセット暗号化機構が組み合わされ、クライアントが望ましいデータアイテムを正しくクエリできることが保証される。
- 参考スコア(独自算出の注目度): 7.331387596311974
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cloud computing is a powerful and popular information technology paradigm
that enables data service outsourcing and provides higher-level services with
minimal management effort. However, it is still a key challenge to protect data
privacy when a user accesses the sensitive cloud data. Privacy-preserving
database query allows the user to retrieve a data item from the cloud database
without revealing the information of the queried data item, meanwhile limiting
user's ability to access other ones. In this study, in order to achieve the
privacy preservation and reduce the communication complexity, a quantum-based
database query scheme for privacy preservation in cloud environment is
developed. Specifically, all the data items of the database are firstly
encrypted by different keys for protecting server's privacy, and in order to
guarantee the clients' privacy, the server is required to transmit all these
encrypted data items to the client with the oblivious transfer strategy.
Besides, two oracle operations, a modified Grover iteration, and a special
offset encryption mechanism are combined together to ensure that the client can
correctly query the desirable data item. Finally, performance evaluation is
conducted to validate the correctness, privacy, and efficiency of our proposed
scheme.
- Abstract(参考訳): クラウドコンピューティングは、データサービスのアウトソーシングを可能にし、最小限の管理労力で高レベルのサービスを提供する、強力で人気のある情報技術パラダイムである。
しかし、機密性の高いクラウドデータにアクセスする場合、データプライバシを保護することは依然として重要な課題である。
プライバシ保存データベースクエリは、ユーザがクエリされたデータ項目の情報を公開することなく、クラウドデータベースからデータ項目を取得することができると同時に、他のデータ項目へのアクセスも制限される。
本研究では,プライバシ保護を実現し,通信の複雑さを軽減するために,クラウド環境におけるプライバシ保護のための量子データベースクエリスキームを開発した。
具体的には、データベースのすべてのデータ項目は、サーバのプライバシを保護するために、まず異なるキーで暗号化され、クライアントのプライバシを保証するために、サーバーは、不必要な転送戦略でこれらの暗号化されたデータ項目をクライアントに送信する必要がある。
さらに、2つのオラクル操作、修正されたGroverイテレーション、特別なオフセット暗号化機構を組み合わせることで、クライアントが望ましいデータアイテムを正しくクエリできることを保証する。
最後に,提案手法の正確性,プライバシ,効率性を検証するため,性能評価を行う。
関連論文リスト
- AI-Driven Anonymization: Protecting Personal Data Privacy While
Leveraging Machine Learning [5.015409508372732]
本稿では、個人データのプライバシー保護と匿名化の促進を研究の中心的目的とする。
機械学習の差分プライバシー保護アルゴリズムを使用して、個人データのプライバシ保護と検出を実現する。
また、プライバシと個人データ保護に関連する機械学習の既存の課題に対処し、改善提案を提供し、データセットに影響を与える要因を分析して、タイムリーな個人データプライバシ検出と保護を可能にする。
論文 参考訳(メタデータ) (2024-02-27T04:12:25Z) - A Unified View of Differentially Private Deep Generative Modeling [60.72161965018005]
プライバシー上の懸念のあるデータには、データアクセスとデータ共有を頻繁に禁止する厳格な規制が伴う。
これらの障害を克服することは、プライバシーに敏感なデータを含む多くの現実世界のアプリケーションシナリオにおいて、技術的進歩の鍵となる。
差分的プライベート(DP)データパブリッシングは、データの衛生化された形式のみを公開する、魅力的なソリューションを提供する。
論文 参考訳(メタデータ) (2023-09-27T14:38:16Z) - A Randomized Approach for Tight Privacy Accounting [63.67296945525791]
推定検証リリース(EVR)と呼ばれる新しい差分プライバシーパラダイムを提案する。
EVRパラダイムは、まずメカニズムのプライバシパラメータを推定し、その保証を満たすかどうかを確認し、最後にクエリ出力を解放する。
我々の実証的な評価は、新たに提案されたEVRパラダイムが、プライバシ保護機械学習のユーティリティプライバシトレードオフを改善することを示している。
論文 参考訳(メタデータ) (2023-04-17T00:38:01Z) - Breaking the Communication-Privacy-Accuracy Tradeoff with
$f$-Differential Privacy [51.11280118806893]
サーバが複数のユーザの協調的なデータ分析を,プライバシの懸念と限られた通信能力で調整する,フェデレートされたデータ分析問題を考える。
有限出力空間を有する離散値機構の局所的差分プライバシー保証を$f$-differential privacy (DP) レンズを用いて検討する。
より具体的には、様々な離散的評価機構の厳密な$f$-DP保証を導出することにより、既存の文献を前進させる。
論文 参考訳(メタデータ) (2023-02-19T16:58:53Z) - A Privacy-Preserving Outsourced Data Model in Cloud Environment [8.176020822058586]
データセキュリティとプライバシの問題は、機械学習ツールの使用にとって重要な障害のひとつだ。
機械学習効率を損なうことなくデータのプライバシを保護するプライバシ保存モデルを提案する。
Fogノードは、データ所有者からノイズ付加データを収集し、ストレージ、計算、分類タスクの実行のためにクラウドプラットフォームに移行する。
論文 参考訳(メタデータ) (2022-11-24T11:27:30Z) - Privacy Explanations - A Means to End-User Trust [64.7066037969487]
この問題に対処するために、説明可能性がどのように役立つかを検討しました。
私たちはプライバシーの説明を作成し、エンドユーザの理由と特定のデータが必要な理由を明らかにするのに役立ちました。
我々の発見は、プライバシーの説明がソフトウェアシステムの信頼性を高めるための重要なステップであることを示している。
論文 参考訳(メタデータ) (2022-10-18T09:30:37Z) - Algorithms with More Granular Differential Privacy Guarantees [65.3684804101664]
我々は、属性ごとのプライバシー保証を定量化できる部分微分プライバシー(DP)について検討する。
本研究では,複数の基本データ分析および学習タスクについて検討し,属性ごとのプライバシパラメータが個人全体のプライバシーパラメータよりも小さい設計アルゴリズムについて検討する。
論文 参考訳(メタデータ) (2022-09-08T22:43:50Z) - A Proposed Access Control-Based Privacy Preservation Model to Share
Healthcare Data in Cloud [0.0]
本稿では,ユーザとデータ所有者の相互認証のためのアクセス制御に基づくプライバシ保護モデルを提案する。
提案したモデルは、高いセキュリティ保証と高効率を提供する。
提案手法は,最大データレート0.91で他の手法より優れる。
論文 参考訳(メタデータ) (2020-07-27T20:32:51Z) - Learning With Differential Privacy [3.618133010429131]
異なるプライバシーは、漏洩に対する適切な保護を約束して救助にやってくる。
データの収集時にランダムな応答技術を使用し、より優れたユーティリティで強力なプライバシを保証します。
論文 参考訳(メタデータ) (2020-06-10T02:04:13Z) - Utility-aware Privacy-preserving Data Releasing [7.462336024223669]
本稿では2段階の摂動に基づくプライバシー保護データ公開フレームワークを提案する。
まず、特定の事前定義されたプライバシとユーティリティの問題がパブリックドメインデータから学習される。
そして、学習した知識を活用して、データ所有者のデータを民営化したデータに正確に摂動させます。
論文 参考訳(メタデータ) (2020-05-09T05:32:46Z) - Beyond privacy regulations: an ethical approach to data usage in
transportation [64.86110095869176]
本稿では,フェデレート機械学習を交通分野に適用する方法について述べる。
フェデレートラーニングは、ユーザのプライバシを尊重しつつ、プライバシに敏感なデータを処理可能にする方法だと考えています。
論文 参考訳(メタデータ) (2020-04-01T15:10:12Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。