論文の概要: A Survey of Secure Computation Using Trusted Execution Environments

• arxiv url: http://arxiv.org/abs/2302.12150v1
• Date: Thu, 23 Feb 2023 16:33:56 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-24 14:31:21.727439
• Title: A Survey of Secure Computation Using Trusted Execution Environments
• Title（参考訳）: 信頼できる実行環境を用いたセキュアな計算に関する調査
• Authors: Xiaoguo Li and Bowen Zhao and Guomin Yang and Tao Xiang and Jian Weng and Robert H. Deng
• Abstract要約: 本稿では、TEEベースのセキュアな計算プロトコルの体系的なレビューと比較を行う。 まず、セキュアな計算プロトコルを3つの主要なカテゴリ、すなわち、セキュアなアウトソース計算、セキュアな分散計算、セキュアなマルチパーティ計算に分類する分類法を提案する。 これらの基準に基づき,汎用計算関数と特殊目的計算の両方に対して,最先端のTEEベースのセキュアな計算プロトコルを検証,検討し,比較する。
• 参考スコア（独自算出の注目度）: 80.58996305474842
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As an essential technology underpinning trusted computing, the trusted execution environment (TEE) allows one to launch computation tasks on both on- and off-premises data while assuring confidentiality and integrity. This article provides a systematic review and comparison of TEE-based secure computation protocols. We first propose a taxonomy that classifies secure computation protocols into three major categories, namely secure outsourced computation, secure distributed computation and secure multi-party computation. To enable a fair comparison of these protocols, we also present comprehensive assessment criteria with respect to four aspects: setting, methodology, security and performance. Based on these criteria, we review, discuss and compare the state-of-the-art TEE-based secure computation protocols for both general-purpose computation functions and special-purpose ones, such as privacy-preserving machine learning and encrypted database queries. To the best of our knowledge, this article is the first survey to review TEE-based secure computation protocols and the comprehensive comparison can serve as a guideline for selecting suitable protocols for deployment in practice. Finally, we also discuss several future research directions and challenges.
• Abstract（参考訳）: 信頼されたコンピューティングを支える重要な技術として、信頼された実行環境(TEE)は、機密性と整合性を確保しつつ、オンプレミスデータとオンプレミスデータの両方で計算タスクを起動することができる。 本稿では、TEEベースのセキュアな計算プロトコルの体系的なレビューと比較を行う。 まず,セキュアな計算プロトコルを,セキュアなアウトソース計算,セキュアな分散計算,セキュアなマルチパーティ計算の3つのカテゴリに分類する分類法を提案する。 これらのプロトコルを公平に比較するために、設定、方法論、セキュリティ、パフォーマンスの4つの側面に関する総合的な評価基準も提示する。 これらの基準に基づき、プライバシ保存機械学習や暗号化データベースクエリなど、汎用計算関数と専用計算関数の両方に対して、最先端のteeベースのセキュアな計算プロトコルをレビュー、議論、比較する。 我々の知る限り、この記事は、TEEベースのセキュアな計算プロトコルをレビューする最初の調査であり、包括的な比較は、実際にデプロイする適切なプロトコルを選択するためのガイドラインとなる。 最後に,今後の研究の方向性と課題についても論じる。

関連論文リスト

• SOCI^+: An Enhanced Toolkit for Secure OutsourcedComputation on Integers [50.608828039206365]
  本稿では,SOCIの性能を大幅に向上させるSOCI+を提案する。 SOCI+は、暗号プリミティブとして、高速な暗号化と復号化を備えた(2, 2)ホールドのPaillier暗号システムを採用している。 実験の結果,SOCI+は計算効率が最大5.4倍,通信オーバヘッドが40%少ないことがわかった。
  論文  参考訳（メタデータ） (2023-09-27T05:19:32Z)
• Verifiable Privacy-Preserving Computing [3.543432625843538]
  我々は、検証可能性と、分散データ上のプライバシ保存計算を組み合わせた既存のソリューションを分析する。 我々は、ソリューションアプローチ、セキュリティ、効率、実用性に関する37の異なるスキームを分類し比較する。
  論文  参考訳（メタデータ） (2023-09-15T08:44:13Z)
• Evaluating Model-free Reinforcement Learning toward Safety-critical Tasks [70.76757529955577]
  本稿では、国家安全RLの観点から、この領域における先行研究を再考する。 安全最適化と安全予測を組み合わせた共同手法であるUnrolling Safety Layer (USL)を提案する。 この領域のさらなる研究を容易にするため、我々は関連するアルゴリズムを統一パイプラインで再現し、SafeRL-Kitに組み込む。
  論文  参考訳（メタデータ） (2022-12-12T06:30:17Z)
• Recursively Feasible Probabilistic Safe Online Learning with Control Barrier Functions [60.26921219698514]
  CBFをベースとした安全クリティカルコントローラのモデル不確実性を考慮した再構成を提案する。 次に、結果の安全制御器のポイントワイズ実現可能性条件を示す。 これらの条件を利用して、イベントトリガーによるオンラインデータ収集戦略を考案する。
  論文  参考訳（メタデータ） (2022-08-23T05:02:09Z)
• Is Vertical Logistic Regression Privacy-Preserving? A Comprehensive Privacy Analysis and Beyond [57.10914865054868]
  垂直ロジスティック回帰(VLR)をミニバッチ降下勾配で訓練した。 我々は、オープンソースのフェデレーション学習フレームワークのクラスにおいて、VLRの包括的で厳密なプライバシー分析を提供する。
  論文  参考訳（メタデータ） (2022-07-19T05:47:30Z)
• Unifying Quantum Verification and Error-Detection: Theory and Tools for Optimisations [0.5825410941577593]
  クラウドベースの量子コンピューティングは、クライアントによって量子サービスプロバイダに委譲された計算が忠実に実行されるという強力な保証を提供するために不可欠である。 現在のプロトコルには、コンポーザビリティ、ノイズ・ロバスト性、モジュール性という3つの要素の少なくとも1つが欠落している。 本稿では,SDQCプロトコルの基本構造,すなわちクライアントがサーバの実行を希望する暗号化と,サーバの悪意のある動作を検出するように設計されたテストの2つのコンポーネントを混合する。 テストの種類を変えたり、クライアントの計算と混同したりすると、セキュリティとノイズの異なる新しいSDQCプロトコルが自動的に生成される。
  論文  参考訳（メタデータ） (2022-06-01T17:03:07Z)
• Byzantine-Robust Federated Learning with Optimal Statistical Rates and Privacy Guarantees [123.0401978870009]
  ほぼ最適な統計率を持つビザンチン・ロバスト・フェデレーション学習プロトコルを提案する。 競合プロトコルに対してベンチマークを行い、提案プロトコルの実証的な優位性を示す。 我々のバケットプロトコルは、プライバシー保証手順と自然に組み合わせて、半正直なサーバに対するセキュリティを導入することができる。
  論文  参考訳（メタデータ） (2022-05-24T04:03:07Z)
• A Systematic Comparison of Encrypted Machine Learning Solutions for Image Classification [11.6906656396618]
  この研究は、プライベート画像分類の文脈におけるセキュアなコンピューティング技術に基づく既存のフレームワークの包括的なレビューを提供する。 データサイエンススタックの中心部でセキュアなコンピューティングを実装する4つの最先端ライブラリを用いて実験を行った。
  論文  参考訳（メタデータ） (2020-11-10T18:33:31Z)
• Recent Trends in the Use of Statistical Tests for Comparing Swarm and Evolutionary Computing Algorithms: Practical Guidelines and a Critical Review [0.0]
  本稿では,計算知能のアルゴリズム比較のための統計分析の提案の現在の動向について調査する。 それぞれのテストの使用の主な利点と欠点を説明し、それらの使用に関する推奨事項を提示する。
  論文  参考訳（メタデータ） (2020-02-21T11:06:47Z)

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。