論文の概要: Confused Modulo Projection based Somewhat Homomorphic Encryption -- Cryptosystem, Library and Applications on Secure Smart Cities

• arxiv url: http://arxiv.org/abs/2012.10692v1
• Date: Sat, 19 Dec 2020 14:20:56 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-01 15:07:03.565720
• Title: Confused Modulo Projection based Somewhat Homomorphic Encryption -- Cryptosystem, Library and Applications on Secure Smart Cities
• Title（参考訳）: コンフューズド・モデュロ・プロジェクションに基づくホモモルフィック暗号化 -セキュアスマートシティにおける暗号システム, ライブラリおよび応用-
• Authors: Xin Jin, Hongyu Zhang, Xiaodong Li, Haoyang Yu, Beisheng Liu, Shujiang Xie, Amit Kumar Singh and Yujie Li
• Abstract要約: CMP-SWHEという混同モジュロ射影定理に基づく、ややホモモルフィックな暗号暗号システムのシングルサーババージョンを提案する。 クライアント側では、元のデータは増幅、ランダム化、紛らわしい冗長性の設定によって暗号化される。 サーバー側で暗号化されたデータを操作することは、元のデータを操作することと同等です。
• 参考スコア（独自算出の注目度）: 19.532232041651522
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: With the development of cloud computing, the storage and processing of massive visual media data has gradually transferred to the cloud server. For example, if the intelligent video monitoring system cannot process a large amount of data locally, the data will be uploaded to the cloud. Therefore, how to process data in the cloud without exposing the original data has become an important research topic. We propose a single-server version of somewhat homomorphic encryption cryptosystem based on confused modulo projection theorem named CMP-SWHE, which allows the server to complete blind data processing without \emph{seeing} the effective information of user data. On the client side, the original data is encrypted by amplification, randomization, and setting confusing redundancy. Operating on the encrypted data on the server side is equivalent to operating on the original data. As an extension, we designed and implemented a blind computing scheme of accelerated version based on batch processing technology to improve efficiency. To make this algorithm easy to use, we also designed and implemented an efficient general blind computing library based on CMP-SWHE. We have applied this library to foreground extraction, optical flow tracking and object detection with satisfactory results, which are helpful for building smart cities. We also discuss how to extend the algorithm to deep learning applications. Compared with other homomorphic encryption cryptosystems and libraries, the results show that our method has obvious advantages in computing efficiency. Although our algorithm has some tiny errors ($10^{-6}$) when the data is too large, it is very efficient and practical, especially suitable for blind image and video processing.
• Abstract（参考訳）: クラウドコンピューティングの発展に伴い、大規模なビジュアルメディアデータのストレージと処理は徐々にクラウドサーバに移されていった。 例えば、インテリジェントなビデオ監視システムが大量のデータをローカルで処理できない場合、データはクラウドにアップロードされる。 そのため、元のデータを露呈することなくクラウドでデータを処理する方法が重要な研究テーマとなっている。 そこで我々は,CMP-SWHEという混同したモジュラープロジェクション定理に基づく暗号システムの単一サーババージョンを提案し,サーバがユーザデータの有効情報を「emph{seeing}」することなく,ブラインドデータ処理を完了できるようにする。 クライアント側では、元のデータは増幅、ランダム化、紛らわしい冗長性の設定によって暗号化される。 サーバ側で暗号化されたデータを操作することは、元のデータ上での操作と同等である。 拡張として,バッチ処理技術に基づく高速化バージョンによるブラインドコンピューティング方式を設計,実装し,効率を向上した。 このアルゴリズムを使いやすくするために、cmp-swheに基づく効率的な汎用ブラインドコンピューティングライブラリを設計し実装した。 我々は,このライブラリを,スマートシティ構築に有用な,フォアグラウンド抽出,オプティカルフロー追跡,オブジェクト検出に応用した。 アルゴリズムをディープラーニングアプリケーションに拡張する方法についても論じる。 他の同型暗号システムやライブラリと比較すると,本手法は計算効率において明らかに有利である。 我々のアルゴリズムは、データが大きすぎると小さなエラー(10^{-6}$)があるが、非常に効率的で実用的であり、特にブラインド画像やビデオ処理に適している。

関連論文リスト

• Privacy in Cloud Computing through Immersion-based Coding [1.4226399196408985]
  プライバシ保護方式でデータの共有と処理が可能なコーディング機構を設計するためのフレームワークを提案する。 提案手法は,制御理論に基づく差分プライバシとシステム浸漬ツールの相乗効果に基づいて構築される。 提案手法は,アルゴリズムの有用性を損なうことなく,任意のレベルの差分プライバシーを提供するように設計されていることを示す。
  論文  参考訳（メタデータ） (2024-03-07T13:38:18Z)
• Hyperdimensional Computing as a Rescue for Efficient Privacy-Preserving Machine Learning-as-a-Service [9.773163665697057]
  ホモモルフィック暗号化(HE)はこの逆問題に対処するための有望な手法である。 HEを使用すると、サービスプロバイダは、暗号化されたデータをクエリとして取り、それを復号することなくモデルを実行することができる。 我々は、超次元コンピューティングが、暗号化データによるプライバシー保護機械学習の救いになることを示した。
  論文  参考訳（メタデータ） (2023-08-17T00:25:17Z)
• PEOPL: Characterizing Privately Encoded Open Datasets with Public Labels [59.66777287810985]
  プライバシとユーティリティのための情報理論スコアを導入し、不誠実なユーザの平均パフォーマンスを定量化する。 次に、ランダムなディープニューラルネットワークの使用を動機付ける符号化スキームのファミリーを構築する際のプリミティブを理論的に特徴づける。
  論文  参考訳（メタデータ） (2023-03-31T18:03:53Z)
• THE-X: Privacy-Preserving Transformer Inference with Homomorphic Encryption [112.02441503951297]
  トランスフォーマーモデルのプライバシ保護推論は、クラウドサービスユーザの要求に基づいています。 我々は、事前訓練されたモデルのプライバシ保存推論を可能にするトランスフォーマーの近似アプローチである$textitTHE-X$を紹介した。
  論文  参考訳（メタデータ） (2022-06-01T03:49:18Z)
• COIN++: Data Agnostic Neural Compression [55.27113889737545]
  COIN++は、幅広いデータモダリティをシームレスに扱うニューラルネットワーク圧縮フレームワークである。 様々なデータモダリティを圧縮することで,本手法の有効性を示す。
  論文  参考訳（メタデータ） (2022-01-30T20:12:04Z)
• Using Convolutional Neural Networks to Detect Compression Algorithms [0.0]
  ベースデータセットを使用し、さまざまなアルゴリズムですべてのファイルを圧縮し、それに基づいてモデルを設計します。 使用されるモデルは、圧縮、lzip、bzip2を使用して圧縮されたファイルを正確に識別することができた。
  論文  参考訳（メタデータ） (2021-11-17T11:03:16Z)
• Secure Machine Learning in the Cloud Using One Way Scrambling by Deconvolution [2.9692754277987286]
  クラウドベースの機械学習サービス(CMLS)は、大量のデータに基づいて事前トレーニングされた高度なモデルを活用することができる。 非対称暗号化では、データをクラウドで復号化する必要があるが、同型暗号化は遅すぎて実装が難しいことが多い。 本稿では,デコンボリューションに基づくスクランブルフレームワークであるOne Way Scrambling by Deconvolution (OWSD)を提案する。
  論文  参考訳（メタデータ） (2021-11-04T19:46:41Z)
• Providing Meaningful Data Summarizations Using Examplar-based Clustering in Industry 4.0 [67.80123919697971]
  我々は,従来のCPUアルゴリズムと比較して,一精度で最大72倍,半精度で最大452倍の高速化を実現していることを示す。 提案アルゴリズムは射出成形プロセスから得られた実世界のデータに適用し, 得られたサマリーが, コスト削減と不良部品製造の削減のために, この特定のプロセスのステアリングにどのように役立つかについて議論する。
  論文  参考訳（メタデータ） (2021-05-25T15:55:14Z)
• Faster Secure Data Mining via Distributed Homomorphic Encryption [108.77460689459247]
  ホモモルフィック暗号化(HE)は、最近、暗号化されたフィールド上で計算を行う能力により、ますます注目を集めている。 本稿では,スケーリング問題の解決に向けて,新しい分散HEベースのデータマイニングフレームワークを提案する。 各種データマイニングアルゴリズムとベンチマークデータセットを用いて,新しいフレームワークの有効性と有効性を検証する。
  論文  参考訳（メタデータ） (2020-06-17T18:14:30Z)
• A Privacy-Preserving Distributed Architecture for Deep-Learning-as-a-Service [68.84245063902908]
  本稿では,ディープラーニング・アズ・ア・サービスのための分散アーキテクチャを提案する。 クラウドベースのマシンとディープラーニングサービスを提供しながら、ユーザの機密データを保存できる。
  論文  参考訳（メタデータ） (2020-03-30T15:12:03Z)

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。