論文の概要: D-GATE: Decentralized Geolocation and Time Enforcement for Usage Control
- arxiv url: http://arxiv.org/abs/2311.12647v1
- Date: Tue, 21 Nov 2023 14:48:12 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-25 13:16:38.690458
- Title: D-GATE: Decentralized Geolocation and Time Enforcement for Usage Control
- Title（参考訳）: D-GATE:分散型測地と利用制御のための時間強化
- Authors: Hendrik Meyer zum Felde, Jean-Luc Reding, Michael Lux,
- Abstract要約: 我々は、いわゆるGeoClientと呼ばれる参照ノードの分散メッシュに依存する信頼性の高いソリューションを提案する。
集中参照システムに依存することなく、時間と位置情報の制約による利用制御を技術的に検証することが可能である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In the context of cloud environments, data providers entrust their data to data consumers in order to allow further computing on their own IT infrastructure. Usage control measures allow the data provider to restrict the usage of its data even on the data consumer's system. Two of these restrictions can be the geographic location and time limitations. Current solutions that could be used to enforce such constraints can be easily manipulated. These include solutions based on the system time, organizational agreements, GPS-based techniques or simple delay measurements to derive the distance to known reference servers. With D-GATE, we propose a reliable solution that uses trusted execution environments and relies on a decentralized mesh of reference nodes, so-called GeoClients. Here, participants periodically measure the lowest network delay to each other to geolocate themselves. For data providers, it is thus possible to technically attest usage control with time and geolocation constraints without depending on centralized reference systems.
- Abstract（参考訳）: クラウド環境のコンテキストにおいて、データプロバイダは、自身のITインフラストラクチャ上でさらなるコンピューティングを可能にするために、データをデータコンシューマに委譲する。
利用制御対策により、データプロバイダは、データコンシューマのシステム上でも、データの使用を制限することができる。
これらの制限のうちの2つは、地理的な位置と時間的制限である。
このような制約を強制するために使用できる現在の解は、容易に操作できる。
これらには、システム時間、組織合意、GPSベースの技術、あるいは既知の参照サーバまでの距離を推定するための単純な遅延測定に基づくソリューションが含まれる。
D-GATEでは、信頼性の高い実行環境を利用し、参照ノードの分散メッシュであるGeoClientsに依存した信頼性の高いソリューションを提案する。
ここでは、参加者が互いに最も低いネットワーク遅延を定期的に測定し、自らを位置決めする。
したがって、データプロバイダは、集中的な参照システムに依存することなく、時間と位置情報の制約による利用制御を技術的に検証することが可能である。
関連論文リスト
- StreamLTS: Query-based Temporal-Spatial LiDAR Fusion for Cooperative Object Detection [0.552480439325792]
我々は、広く使われているデータセットOPV2VとDairV2Xを適応させる、TA-COOD(Time-Aligned Cooperative Object Detection)を提案する。
実験結果から, 最先端の高密度モデルと比較して, 完全スパースフレームワークの優れた効率性が確認された。
論文 参考訳（メタデータ） (2024-07-04T10:56:10Z) - Privacy Preserving Semi-Decentralized Mean Estimation over Intermittently-Connected Networks [59.43433767253956]
信頼できない無線ネットワークの異なるノードに分散するベクトルの平均をプライベートに推定する問題を考える。
半分散的なセットアップでは、ノードは隣人と協力してローカルコンセンサスを計算し、中央サーバにリレーする。
ノード間のデータ共有による協調中継とプライバシー漏洩のトレードオフについて検討する。
論文 参考訳（メタデータ） (2024-06-06T06:12:15Z) - Robust Collaborative Perception without External Localization and Clock Devices [52.32342059286222]
複数のエージェントをまたいだ一貫した空間的時間的調整は、協調的な知覚の基礎である。
従来の手法は、ローカライゼーションとクロック信号を提供するために外部デバイスに依存している。
本稿では,様々なエージェントの知覚データに内在する幾何学的パターンを認識して整列する手法を提案する。
論文 参考訳（メタデータ） (2024-05-05T15:20:36Z) - Collaborative Mean Estimation over Intermittently Connected Networks
with Peer-To-Peer Privacy [86.61829236732744]
本研究は、断続接続を有するネットワーク上での分散平均推定(DME)の問題について考察する。
目標は、中央サーバの助けを借りて、分散ノード間でローカライズされたデータサンプルに関するグローバル統計を学習することだ。
ノード間のデータ共有による協調中継とプライバシー漏洩のトレードオフについて検討する。
論文 参考訳（メタデータ） (2023-02-28T19:17:03Z) - LocUNet: Fast Urban Positioning Using Radio Maps and Deep Learning [59.17191114000146]
LocUNet: 基地局(BSs)からの受信信号強度(RSS)のみに基づく深層学習手法
提案手法では,BSsからのRSSを,クラウド上に存在する可能性のある中央処理ユニット(CPU)にローカライズする。
推定されたBSのパスロスラジオマップを用いて、LocUNetは最先端の精度でユーザをローカライズし、無線マップの不正確性に対して高い堅牢性を享受する。
論文 参考訳（メタデータ） (2022-02-01T20:27:46Z) - Dr.Aid: Supporting Data-governance Rule Compliance for Decentralized
Collaboration in an Automated Way [7.744664716152106]
Dr.Aidは、個人、組織、フェデレーションがデータルールに従うのを支援するフレームワークである。
形式言語を使ってデータガバナンスルールをエンコードし、データフローグラフの推論を実行する。
我々は,様々な分野から実生活データ利用ポリシーを符号化することで,そのモデルを3つの側面で評価する。
論文 参考訳（メタデータ） (2021-10-03T17:59:28Z) - CoreDiag: Eliminating Redundancy in Constraint Sets [68.8204255655161]
最小コア(最小非冗長制約集合)の決定に利用できる新しいアルゴリズムを提案する。
このアルゴリズムは、冗長性の度合いが高い分散知識工学シナリオにおいて特に有用である。
本手法の適用可能性を示すために, 商業的構成知識ベースを用いた実証的研究を実施した。
論文 参考訳（メタデータ） (2021-02-24T09:16:10Z) - Towards AIOps in Edge Computing Environments [60.27785717687999]
本稿では,異種分散環境に適用可能なaiopsプラットフォームのシステム設計について述べる。
高頻度でメトリクスを収集し、エッジデバイス上で特定の異常検出アルゴリズムを直接実行することが可能である。
論文 参考訳（メタデータ） (2021-02-12T09:33:00Z) - Data Synopses Management based on a Deep Learning Model [14.180331276028662]
データシナプスをECノードに配信することで、ピアに存在するデータと完全に整合したオフロード決定を行うことが可能になる、と私たちは主張する。
我々のアプローチは、計算されたシナプスの分布を学習し、将来の傾向を推定するディープラーニングモデルである。
論文 参考訳（メタデータ） (2020-08-01T12:04:21Z) - On the Path to High Precise IP Geolocation: A Self-Optimizing Model [0.0]
IPジオロケーション(IP Geolocation)は、将来のインターネットにおいて、アプリケーションサービスのための地理的位置情報を提供するための重要な手段である。
本稿では,位置決定のための高精度かつ自己最適化モデルを提案する。
論文 参考訳（メタデータ） (2020-04-03T12:45:27Z) - Infostop: Scalable stop-location detection in multi-user mobility data [0.0]
本稿では、フローベースネットワークコミュニティ検出アルゴリズムInfomapを活用することにより、最先端ソリューションの限界を克服するInfostopアルゴリズムについて述べる。
本研究では,Infostopsによって検出されたユーザ数の増加と,従来のソリューションよりも時間の複雑さが遅くなることを示す。
論文 参考訳（メタデータ） (2020-03-31T17:02:19Z)
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。