論文の概要: Privacy-Preserving Cloud Computing: Ecosystem, Life Cycle, Layered
Architecture and Future Roadmap
- arxiv url: http://arxiv.org/abs/2204.11120v1
- Date: Sat, 23 Apr 2022 18:47:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 16:26:22.937711
- Title: Privacy-Preserving Cloud Computing: Ecosystem, Life Cycle, Layered
Architecture and Future Roadmap
- Title(参考訳): プライバシ保護型クラウドコンピューティング - エコシステム,ライフサイクル,レイヤアーキテクチャ,今後のロードマップ
- Authors: Saeed Ahmadi (School of Computer Science, University of Guelph,
Ontario, Canada) and Maliheh Salehfar (School of Management and Accounting
Allameh Tabataba'i University, Tehran, Iran)
- Abstract要約: プライバシ保護型クラウドコンピューティングに関する調査論文は、関連する分野における今後の研究の道を開く上で有効である。
本稿では,階層型アーキテクチャとライフサイクル,プライバシ保護クラウドシステムのためのエコシステムを確立することで,既存のトレンドを識別する上で有効である。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Privacy-Preserving Cloud Computing is an emerging technology with many
applications in various fields. Cloud computing is important because it allows
for scalability, adaptability, and improved security. Likewise, privacy in
cloud computing is important because it ensures that the integrity of data
stored on the cloud maintains intact. This survey paper on privacy-preserving
cloud computing can help pave the way for future research in related areas.
This paper helps to identify existing trends by establishing a layered
architecture along with a life cycle and an ecosystem for privacy-preserving
cloud systems in addition to identifying the existing trends in research on
this area.
- Abstract(参考訳): プライバシ保護 クラウドコンピューティングは、様々な分野で多くのアプリケーションを持つ新興技術である。
スケーラビリティ、適応性、セキュリティの改善を可能にするため、クラウドコンピューティングは重要だ。
同様に、クラウドコンピューティングにおけるプライバシは、クラウドに格納されたデータの一貫性が維持されることを保証するため、重要である。
プライバシ保護クラウドコンピューティングに関する調査論文は、関連する分野における今後の研究の道を開く上で有効である。
本稿は,この領域の研究における既存トレンドの特定に加えて,ライフサイクルとプライバシ保護クラウドシステムのためのエコシステムとともに,階層型アーキテクチャを確立することで,既存のトレンドの特定を支援する。
関連論文リスト
- Feature Selection using the concept of Peafowl Mating in IDS [2.184775414778289]
クラウドコンピューティングはインフラストラクチャベース、プラットフォームベース、ソフトウェアベースのサービスを提供します。
この技術の人気は、パフォーマンス、高いレベルのコンピューティング能力、低コストのサービス、スケーラビリティ、可用性、柔軟性にある。
クラウド環境におけるデータの入手性とオープン性は、サイバー攻撃の世界に対して脆弱である。
侵入検知システムを用いて攻撃を検知し、情報セキュリティを確保する。
論文 参考訳(メタデータ) (2024-02-03T06:04:49Z) - Cloud-Native Computing: A Survey from the Perspective of Services [41.25934971576225]
クラウドネイティブコンピューティングは、Webアプリケーションにとって最も影響力のある開発原則です。
本稿では、サービスの観点から、クラウドネイティブアプリケーションのライフサイクルにおける重要な問題を調査する。
論文 参考訳(メタデータ) (2023-06-26T03:32:35Z) - Towards Confidential Computing: A Secure Cloud Architecture for Big Data
Analytics and AI [0.0]
クラウドコンピューティングは、ビッグデータ分析と人工知能のための実行可能なソリューションになっている。
バイオメディカルリサーチのような特定の分野におけるデータセキュリティは、クラウドに移行する際の大きな懸念事項である。
論文 参考訳(メタデータ) (2023-05-28T16:08:44Z) - Measuring the Carbon Intensity of AI in Cloud Instances [91.28501520271972]
我々は,ソフトウェアの炭素強度を測定するための枠組みを提供し,運転中の炭素排出量を測定することを提案する。
私たちは、Microsoft Azureクラウドコンピューティングプラットフォームにおける排出削減のための一連のアプローチを評価します。
論文 参考訳(メタデータ) (2022-06-10T17:04:04Z) - Unsupervised Point Cloud Representation Learning with Deep Neural
Networks: A Survey [104.71816962689296]
大規模クラウドラベリングの制約により,教師なしのポイントクラウド表現学習が注目されている。
本稿では、ディープニューラルネットワークを用いた教師なしポイントクラウド表現学習の総合的なレビューを提供する。
論文 参考訳(メタデータ) (2022-02-28T07:46:05Z) - Edge-Cloud Polarization and Collaboration: A Comprehensive Survey [61.05059817550049]
クラウドとエッジ両方のAIの体系的なレビューを行います。
私たちはクラウドとエッジモデリングの協調学習メカニズムを最初にセットアップしました。
我々は現在進行中の最先端AIトピックの可能性と実践経験について議論する。
論文 参考訳(メタデータ) (2021-11-11T05:58:23Z) - Cloud Native Privacy Engineering through DevPrivOps [0.0]
クラウドネイティブな情報システムエンジニアリングは、すべての主要なオンラインサービスに対して、スケーラブルでレジリエントなサービスインフラストラクチャを実現する。
クラウドネイティブなプライバシエンジニアリングは、設計とデフォルトでは最新の技術を使用して、プライバシの最先端技術であることを示す。
論文 参考訳(メタデータ) (2021-08-02T14:22:16Z) - Privacy Inference Attacks and Defenses in Cloud-based Deep Neural
Network: A Survey [22.706623721832486]
クラウドコンピューティングプロバイダは、クラウドベースのDeep Neural Networkをアウトオブボックスサービスとして提供する。
この調査は、クラウドベースのニューラルネットワークサービスで発生したプライバシー攻撃と防御の最新の調査結果を示しています。
クラウドベースのMLプライバシーゲームと呼ばれる新しい理論は、最近発表された文献から抽出され、最先端の研究の深い理解を提供します。
論文 参考訳(メタデータ) (2021-05-13T13:45:28Z) - 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) - Deep Learning for 3D Point Clouds: A Survey [58.954684611055]
本稿では,ポイントクラウドにおけるディープラーニング手法の最近の進歩を概観する。
3D形状分類、3Dオブジェクトの検出と追跡、3Dポイントクラウドセグメンテーションを含む3つの主要なタスクをカバーしている。
また、いくつかの公開データセットで比較結果を提示する。
論文 参考訳(メタデータ) (2019-12-27T09:15:54Z)
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。