論文の概要: A Proposed Access Control-Based Privacy Preservation Model to Share
Healthcare Data in Cloud
- arxiv url: http://arxiv.org/abs/2007.13850v1
- Date: Mon, 27 Jul 2020 20:32:51 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-08 02:29:42.211108
- Title: A Proposed Access Control-Based Privacy Preservation Model to Share
Healthcare Data in Cloud
- Title（参考訳）: クラウド上で医療データを共有するためのアクセス制御に基づくプライバシー保護モデルの提案
- Authors: Pankaj Khatiwada, Hari Bhusal, Ayan Chatterjee, Martin W. Gerdess
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Healthcare data in cloud computing facilitates the treatment of patients
efficiently by sharing information about personal health data between the
healthcare providers for medical consultation. Furthermore, retaining the
confidentiality of data and patients' identity is a another challenging task.
This paper presents the concept of an access control-based (AC) privacy
preservation model for the mutual authentication of users and data owners in
the proposed digital system. The proposed model offers a high-security
guarantee and high efficiency. The proposed digital system consists of four
different entities, user, data owner, cloud server, and key generation center
(KGC). This approach makes the system more robust and highly secure, which has
been verified with multiple scenarios. Besides, the proposed model consisted of
the setup phase, key generation phase, encryption phase, validation phase,
access control phase, and data sharing phase. The setup phases are run by the
data owner, which takes input as a security parameter and generates the system
master key and security parameter. Then, in the key generation phase, the
private key is generated by KGC and is stored in the cloud server. After that,
the generated private key is encrypted. Then, the session key is generated by
KGC and granted to the user and cloud server for storing, and then, the results
are verified in the validation phase using validation messages. Finally, the
data is shared with the user and decrypted at the user-end. The proposed model
outperforms other methods with a maximal genuine data rate of 0.91.
- Abstract（参考訳）: クラウドコンピューティングにおける医療データは、医療相談のための医療提供者間で個人的健康データに関する情報を共有することにより、患者の治療を効率化する。
さらに、データの機密性と患者のアイデンティティを保持することも難しい課題である。
本稿では,提案するデジタルシステムにおける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ー保護モデルについて述べる。
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。
提案するデジタルシステムは,ユーザ,データオーナ,クラウドサーバ,キー生成センタ(kgc)の4つの異なるエンティティで構成される。
このアプローチによってシステムはより堅牢でセキュアになり、複数のシナリオで検証されている。
また,提案モデルでは,設定フェーズ,鍵生成フェーズ,暗号化フェーズ,検証フェーズ,アクセス制御フェーズ,データ共有フェーズで構成されている。
設定フェーズはデータ所有者によって実行され、入力をセキュリティパラメータとして取り、システムマスタキーとセキュリティパラメータを生成する。
そして、鍵生成フェーズにおいて、プライベートキーはKGCによって生成され、クラウドサーバに格納される。
その後、生成された秘密鍵が暗号化される。
そして、セッションキーをKGCにより生成し、ユーザおよびクラウドサーバに格納して、検証メッセージを使用して検証フェーズで検証する。
最後に、データはユーザと共有され、エンドユーザで復号化される。
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。
関連論文リスト
- Self-Sovereign Identity for Consented and Content-Based Access to Medical Records using Blockchain [1.118478900782898]
本稿では,自己主権のIDウォレットと分散識別子をベースとした,さまざまなパーティ間でのEHRのセキュアな交換を可能にするブロックチェーンベースのソリューションを提案する。
われわれは、ユーザーに医療データの完全なコントロールを許可し、セキュアな通信チャネルよりも完全な機密性でそれを安全に共有できるようにします。
論文 参考訳（メタデータ） (2024-07-31T12:27:31Z) - Mind the Privacy Unit! User-Level Differential Privacy for Language Model Fine-Tuning [62.224804688233]
差分プライバシ(DP)は、モデルが特定のプライバシユニットで「ほとんど区別できない」ことを保証することで、有望なソリューションを提供する。
ユーザ間でのプライバシー保護の確保に必要なアプリケーションによって動機づけられたユーザレベルのDPについて検討する。
論文 参考訳（メタデータ） (2024-06-20T13:54:32Z) - Enc2DB: A Hybrid and Adaptive Encrypted Query Processing Framework [47.11111145443189]
本稿では,新しいセキュアデータベースシステムであるEnc2DBを紹介する。
本稿では,マイクロベンチマークテストと自己適応型モードスイッチ戦略を提案し,与えられたクエリに応答する最適な実行パス(暗号やTEE)を選択する。
また、クエリ処理を高速化するために、ネイティブコストモデルやクエリと互換性のある暗号文インデックスを設計、実装する。
論文 参考訳（メタデータ） (2024-04-10T08:11:12Z) - Diff-Privacy: Diffusion-based Face Privacy Protection [58.1021066224765]
本稿では,Diff-Privacyと呼ばれる拡散モデルに基づく顔のプライバシー保護手法を提案する。
具体的には、提案したマルチスケール画像インバージョンモジュール(MSI)をトレーニングし、元の画像のSDMフォーマット条件付き埋め込みのセットを得る。
本研究は,条件付き埋め込みに基づいて,組込みスケジューリング戦略を設計し,デノナイズプロセス中に異なるエネルギー関数を構築し,匿名化と視覚的アイデンティティ情報隠蔽を実現する。
論文 参考訳（メタデータ） (2023-09-11T09:26:07Z) - Blockchain-enabled Data Governance for Privacy-Preserved Sharing of Confidential Data [1.6006586061577806]
本稿では,プライバシの漏洩やクレデンシャル誤用を防止するために属性ベースの暗号化を利用するブロックチェーンベースのデータガバナンスシステムを提案する。
まず、私たちのABE暗号化システムは、個人情報のプライバシー保護とアクセスポリシーの隠蔽を両立させながら、多目的のユースケースを処理できる。
第二に、データ暗号化にAdvanced Encryption Standard (AES)を適用することで、システム全体を効率よく、現実の条件に応答させることができる。
論文 参考訳（メタデータ） (2023-09-08T05:01:59Z) - Blockchain-empowered Federated Learning for Healthcare Metaverses:
User-centric Incentive Mechanism with Optimal Data Freshness [66.3982155172418]
まず、医療メタバースのための分散型フェデレートラーニング(FL)に基づく、ユーザ中心のプライバシ保護フレームワークを設計する。
次に,情報時代(AoI)を有効データ更新度指標として利用し,観測理論(PT)に基づくAoIベースの契約理論モデルを提案し,センシングデータ共有の動機付けを行う。
論文 参考訳（メタデータ） (2023-07-29T12:54:03Z) - Towards Blockchain-Assisted Privacy-Aware Data Sharing For Edge
Intelligence: A Smart Healthcare Perspective [19.208368632576153]
リンク攻撃はプライバシードメインにおける支配的な攻撃の一種である。
敵は 健康データを偽装するために 毒殺攻撃を仕掛ける 誤診や 身体的損傷までも 引き起こす
個人の健康データを保護するために,ユーザ間の信頼度に基づく個人差分プライバシモデルを提案する。
論文 参考訳（メタデータ） (2023-06-29T02:06:04Z) - 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) - Long-term secure distributed storage using quantum key distribution
network with third-party verification [8.523357169329339]
VernamのOne Time Pad暗号化とシークレット共有を備えた量子鍵配信ネットワークは強力なセキュリティツールである。
本稿では,時間スタンプを用いた第三者による検証を取り入れた完全性保護手法を提案する。
論文 参考訳（メタデータ） (2021-12-23T00:55:50Z) - A Review-based Taxonomy for Secure Health Care Monitoring: Wireless
Smart Cameras [9.4545147165828]
本研究は、医療分野における患者・医療記録の安全な保管に焦点を当てている。
潜在的な解決策はバイオメトリックスから来ているが、その利用には時間がかかる可能性があり、データの検索を遅くする可能性がある。
本研究は,これらの課題を克服し,指紋の形で生体認証を追加することにより,医療分野におけるデータアクセス制御を強化することを目的とする。
論文 参考訳（メタデータ） (2021-07-05T11:59:10Z) - Hide-and-Seek Privacy Challenge [88.49671206936259]
NeurIPS 2020 Hide-and-Seek Privacy Challengeは、両方の問題を解決するための新しい2トラックの競争だ。
我々の頭から頭までのフォーマットでは、新しい高品質な集中ケア時系列データセットを用いて、合成データ生成トラック(「ヒッシャー」)と患者再識別トラック(「シーカー」)の参加者が直接対決する。
論文 参考訳（メタデータ） (2020-07-23T15:50:59Z)
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。