論文の概要: Evolution as a Service: A Privacy-Preserving Genetic Algorithm for Combinatorial Optimization

• arxiv url: http://arxiv.org/abs/2205.13948v1
• Date: Fri, 27 May 2022 12:47:51 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-26 14:42:16.914416
• Title: Evolution as a Service: A Privacy-Preserving Genetic Algorithm for Combinatorial Optimization
• Title（参考訳）: evolution as a service: 組合せ最適化のためのプライバシ保存型遺伝的アルゴリズム
• Authors: Bowen Zhao, Wei-Neng Chen, Feng-Feng Wei, Ximeng Liu, Qingqi Pei, Jun Zhang
• Abstract要約: 進化的アルゴリズム(EA)は最適化問題(COP)を扱うエレガントな方法を提供する ほとんどのユーザは、COPを解くのにEAを実装するのに十分な能力を持っていません。 本稿では,クラウドサーバに進化的操作をアウトソースする,直感的で有望なソリューションを提案する。 Eimatingのアイデアにインスパイアされたこの論文は、COPのための新しいプライバシ保護GAであるPEGAを設計する。
• 参考スコア（独自算出の注目度）: 31.3790358491865
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Evolutionary algorithms (EAs), such as the genetic algorithm (GA), offer an elegant way to handle combinatorial optimization problems (COPs). However, limited by expertise and resources, most users do not have enough capability to implement EAs to solve COPs. An intuitive and promising solution is to outsource evolutionary operations to a cloud server, whilst it suffers from privacy concerns. To this end, this paper proposes a novel computing paradigm, evolution as a service (EaaS), where a cloud server renders evolutionary computation services for users without sacrificing users' privacy. Inspired by the idea of EaaS, this paper designs PEGA, a novel privacy-preserving GA for COPs. Specifically, PEGA enables users outsourcing COPs to the cloud server holding a competitive GA and approximating the optimal solution in a privacy-preserving manner. PEGA features the following characteristics. First, any user without expertise and enough resources can solve her COPs. Second, PEGA does not leak contents of optimization problems, i.e., users' privacy. Third, PEGA has the same capability as the conventional GA to approximate the optimal solution. We implements PEGA falling in a twin-server architecture and evaluates it in the traveling salesman problem (TSP, a widely known COP). Particularly, we utilize encryption cryptography to protect users' privacy and carefully design a suit of secure computing protocols to support evolutionary operators of GA on encrypted data. Privacy analysis demonstrates that PEGA does not disclose the contents of the COP to the cloud server. Experimental evaluation results on four TSP datasets show that PEGA is as effective as the conventional GA in approximating the optimal solution.
• Abstract（参考訳）: 遺伝的アルゴリズム(GA)のような進化的アルゴリズム(EA)は、組合せ最適化問題(COP)を扱うエレガントな方法を提供する。 しかし、専門知識とリソースによって制限されているため、ほとんどのユーザはCOPを解くのにEAを実装するのに十分な能力を持っていません。 直感的で有望なソリューションは、プライバシの懸念に苦しむ一方で、進化的な操作をクラウドサーバにアウトソースすることだ。 そこで本稿では,クラウドサーバがユーザのプライバシを犠牲にすることなく,ユーザのために進化的計算サービスをレンダリングする,新しいコンピューティングパラダイムであるevolution as a service (eaas)を提案する。 EaaSのアイデアにインスパイアされたこの論文は、COPのための新しいプライバシ保護GAであるPEGAを設計する。 具体的には、PEGAにより、競合GAを持つクラウドサーバにCOPをアウトソーシングし、プライバシー保護の方法で最適なソリューションを近似することができる。 PEGAの特徴は以下の通りである。 まず、専門知識と十分なリソースのないユーザは、彼女のCOPを解ける。 第2に、PEGAは最適化問題の内容、すなわちユーザのプライバシーを漏らさない。 第3に、PEGAは最適解を近似する従来のGAと同じ能力を持つ。 我々は,PEGAをツインサーバアーキテクチャで実装し,旅行セールスマン問題 (TSP, 広く知られているCOP) で評価する。 特に,暗号化暗号を利用してユーザのプライバシを保護し,GAの進化演算子を暗号化データ上でサポートするためのセキュアなコンピューティングプロトコルのスーツを慎重に設計する。 プライバシ分析は、PEGAがCOPの内容をクラウドサーバに公開していないことを示している。 4つのtspデータセットにおける実験的評価結果から,pegaはgaと同等の最適解近似効果を示した。

関連論文リスト

• Practical Privacy-Preserving Identity Verification using Third-Party Cloud Services and FHE (Role of Data Encoding in Circuit Depth Management) [0.0]
  政府は、国のデジタルID認証システムをサードパーティのクラウドサービスにアウトソースしようとしている。 これにより、ユーザの個人情報のプライバシーに関する懸念が高まる。 本稿では、サードパーティのクラウドサービスがIDデータを暗号化して処理するID検証プロトコルを提案する。
  論文  参考訳（メタデータ） (2024-08-15T08:12:07Z)
• 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)
• 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)
• Privacy-Preserving Matrix Factorization for Recommendation Systems using Gaussian Mechanism [2.84279467589473]
  本稿では,差分プライバシーフレームワークと行列因数分解に基づくプライバシ保護レコメンデーションシステムを提案する。 差分プライバシーは、プライバシを保存する機械学習アルゴリズムを設計するための強力で堅牢な数学的フレームワークであるため、敵が機密性の高いユーザー情報を抽出するのを防ぐことができる。
  論文  参考訳（メタデータ） (2023-04-11T13:50:39Z)
• When Evolutionary Computation Meets Privacy [33.38530737746583]
  進化的計算とプライバシー保護が組み合わさって 新たな話題になりつつある 進化的計算におけるプライバシーに関する懸念は、特に対象、モチベーション、位置、およびプライバシー保護の方法に関して、体系的な探索を欠いている。 本稿では,3つの最適化パラダイムにおいて,プライバシ保護の目的とモチベーションを特徴付けるためにBOOMを採用する。
  論文  参考訳（メタデータ） (2023-03-22T15:22:15Z)
• 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)
• Differentially Private Federated Bayesian Optimization with Distributed Exploration [48.9049546219643]
  我々は、DPを反復アルゴリズムに追加するための一般的なフレームワークを通じて、ディープニューラルネットワークのトレーニングに差分プライバシ(DP)を導入する。 DP-FTS-DEは高い実用性(競争性能)と高いプライバシー保証を実現する。 また,DP-FTS-DEがプライバシとユーティリティのトレードオフを引き起こすことを示すために,実世界の実験も行っている。
  論文  参考訳（メタデータ） (2021-10-27T04:11:06Z)
• Distributed Reinforcement Learning for Privacy-Preserving Dynamic Edge Caching [91.50631418179331]
  MECネットワークにおけるデバイスのキャッシュヒット率を最大化するために,プライバシ保護型分散ディープポリシー勾配(P2D3PG)を提案する。 分散最適化をモデルフリーなマルコフ決定プロセス問題に変換し、人気予測のためのプライバシー保護フェデレーション学習手法を導入する。
  論文  参考訳（メタデータ） (2021-10-20T02:48:27Z)
• Private Reinforcement Learning with PAC and Regret Guarantees [69.4202374491817]
  エピソード強化学習(RL)のためのプライバシー保護探索ポリシーを設計する。 まず、共同微分プライバシー(JDP)の概念を用いた有意義なプライバシー定式化を提供する。 そこで我々は,強いPACと後悔境界を同時に達成し,JDP保証を享受する,プライベートな楽観主義に基づく学習アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2020-09-18T20:18:35Z)

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。