論文の概要: Quantum Searchable Encryption for Cloud Data Based on Full-Blind Quantum Computation

• arxiv url: http://arxiv.org/abs/2309.13685v1
• Date: Sun, 24 Sep 2023 16:17:53 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-26 18:13:27.654273
• Title: Quantum Searchable Encryption for Cloud Data Based on Full-Blind Quantum Computation
• Title（参考訳）: 完全ブラインド量子計算に基づくクラウドデータの量子検索可能暗号化
• Authors: Wenjie Liu, Yinsong Xu, Wen Liu, Haibin Wang, and Zhibin Lei
• Abstract要約: 検索可能な暗号化(SE)は、クラウドコンピューティング環境でユーザーの機密データを保護するための肯定的な方法である。 本稿では,FBQCモデルを提案する。
• 参考スコア（独自算出の注目度）: 5.218765255236295
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Searchable encryption (SE) is a positive way to protect users sensitive data in cloud computing setting, while preserving search ability on the server side, i.e., it allows the server to search encrypted data without leaking information about the plaintext data. In this paper, a multi-client universal circuit-based full-blind quantum computation (FBQC) model is proposed. In order to meet the requirements of multi-client accessing or computing encrypted cloud data, all clients with limited quantum ability outsource the key generation to a trusted key center and upload their encrypted data to the data center. Considering the feasibility of physical implementation, all quantum gates in the circuit are replaced with the combination of {\pi}/8 rotation operator set {Rz({\pi}/4), Ry({\pi}/4), CRz({\pi}/4), CRy({\pi}/4), CCRz({\pi}/4), CCRy({\pi}/4)}. In addition, the data center is only allowed to perform one {\pi}/8 rotation operator each time, but does not know the structure of the circuit (i.e., quantum computation), so it can guarantee the blindness of computation. Then, through combining this multi-client FBQC model and Grover searching algorithm, we continue to propose a quantum searchable encryption scheme for cloud data. It solves the problem of multi-client access mode under searchable encryption in the cloud environment, and has the ability to resist against some quantum attacks. To better demonstrate our scheme, an example of our scheme to search on encrypted 2-qubit state is given in detail. Furthermore, the security of our scheme is analysed from two aspects: external attacks and internal attacks, and the result indicates that it can resist against such kinds of attacks and also guarantee the blindness of data and computation.
• Abstract（参考訳）: 検索可能な暗号化(SE)は、クラウド・コンピューティング・セッティングにおいてユーザーの機密データを保護し、サーバ側で検索能力を保ちながら、平文データに関する情報を漏らさずに暗号化されたデータを検索することができる。 本稿では、マルチクライアント・ユニバーサル回路ベースフルブリンド量子計算(fbqc)モデルを提案する。 暗号化されたクラウドデータのマルチクライアントアクセスや計算の要件を満たすために、量子能力に制限のあるすべてのクライアントは、鍵生成を信頼できるキーセンターにアウトソースし、暗号化されたデータをデータセンタにアップロードする。 物理実装の実現性を考えると、回路内の全ての量子ゲートは、Rz({\pi}/4), Ry({\pi}/4), CRz({\pi}/4), CRy({\pi}/4), CCRz({\pi}/4), CCRy({\pi}/4), CCRy({\pi}/4)} の組み合わせに置き換えられる。 さらに、データセンターは1回に1つの {\pi}/8回転演算子しか実行できないが、回路の構造(すなわち量子計算)を知らないため、計算の盲点を保証することができる。 そして,このマルチクライアントFBQCモデルとGrover検索アルゴリズムを組み合わせることで,クラウドデータに対する量子検索可能な暗号化方式を提案する。 クラウド環境における検索可能な暗号化下でのマルチクライアントアクセスモードの問題を解決し、いくつかの量子攻撃に抵抗する能力を持つ。 提案手法をよりよく示すために,暗号化された2量子ビット状態の検索手法の例を示す。 さらに,本手法のセキュリティは,外部攻撃と内部攻撃の2つの側面から分析され,その結果から,このような攻撃に抵抗でき,データや計算の盲目性も保証できることが示唆された。

関連論文リスト

• PristiQ: A Co-Design Framework for Preserving Data Security of Quantum Learning in the Cloud [7.87660609586004]
  クラウドコンピューティングは量子機械学習(QML)においてデータ漏洩のリスクが高い 本稿では,QMLのデータセキュリティをQパラダイム,すなわちPristiQで保護するための協調設計フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-04-20T22:03:32Z)
• 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)
• Ciphertext-Only Attack on a Secure $k$-NN Computation on Cloud [0.0]
  暗号化は、不正アクセス、データ漏洩、そしてその結果の金銭的損失、評判の損害、法的問題を防ぐことができる。 Sanyashiらは、クラウド上のプライバシー保護のための$k$-NN計算を容易にする暗号化スキームを提案した。 我々は、効率的なアルゴリズムを与え、その暗号方式が暗号文のみの攻撃(COA)に弱いことを実証的に示す。
  論文  参考訳（メタデータ） (2024-03-14T03:53:01Z)
• 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)
• Revocable Cryptography from Learning with Errors [61.470151825577034]
  我々は、量子力学の非閉鎖原理に基づいて、キー呼び出し機能を備えた暗号スキームを設計する。 我々は、シークレットキーが量子状態として表現されるスキームを、シークレットキーが一度ユーザから取り消されたら、それらが以前と同じ機能を実行する能力を持たないことを保証して検討する。
  論文  参考訳（メタデータ） (2023-02-28T18:58:11Z)
• Delegated variational quantum algorithms based on quantum homomorphic encryption [69.50567607858659]
  変分量子アルゴリズム(VQA)は、量子デバイス上で量子アドバンテージを達成するための最も有望な候補の1つである。 クライアントのプライベートデータは、そのような量子クラウドモデルで量子サーバにリークされる可能性がある。 量子サーバが暗号化データを計算するための新しい量子ホモモルフィック暗号(QHE)スキームが構築されている。
  論文  参考訳（メタデータ） (2023-01-25T07:00:13Z)
• Privacy and correctness trade-offs for information-theoretically secure quantum homomorphic encryption [19.014535120129345]
  量子ホモモルフィック暗号化は、サーバによる暗号化データへの直接計算を可能にする。 このような構成を可能にするためには、量子ホモモルフィック暗号は2つのプライバシー特性を満たす必要がある。 私たちの研究は、回路のプライバシー、データのプライバシー、量子同型暗号化プロトコルの幅広いファミリの正しさの基本的なトレードオフを明らかにします。
  論文  参考訳（メタデータ） (2022-05-24T15:02:34Z)
• NeuraCrypt: Hiding Private Health Data via Random Neural Networks for Public Training [64.54200987493573]
  我々は,ランダムな深層ニューラルネットワークに基づくプライベート符号化方式であるNeuraCryptを提案する。 NeuraCryptは、データ所有者のみが知っているランダムに構築されたニューラルネットワークを使用して、生の患者データをエンコードする。 我々は,NeuraCryptが,様々なX線タスクの非プライベートベースラインに対して,競合精度を達成することを示す。
  論文  参考訳（メタデータ） (2021-06-04T13:42:21Z)
• Quantum Ciphertext Dimension Reduction Scheme for Homomorphic Encrypted Data [4.825895794318393]
  量子主成分抽出アルゴリズム(QPCE)の提案 量子同型暗号文次元削減スキーム(QHEDR) 量子雲に実装された量子暗号文次元削減スキーム
  論文  参考訳（メタデータ） (2020-11-19T07:16:22Z)
• Quantum k-means algorithm based on Trusted server in Quantum Cloud Computing [4.825895794318393]
  量子k平均アルゴリズムでは、コアサブルーチンは量子最小化アルゴリズム(GroverOptim)である。 量子ホモモルフィック暗号(QHE)を用いてデータを暗号化し、それをクラウドにアップロードして計算する。 本稿では,量子暗号環境における信頼サーバに基づくTゲート更新方式を提案する。
  論文  参考訳（メタデータ） (2020-11-09T13:06:27Z)
• 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)

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。