論文の概要: Protecting Sensitive Tabular Data in Hybrid Clouds
- arxiv url: http://arxiv.org/abs/2312.01354v1
- Date: Sun, 3 Dec 2023 11:20:24 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-18 13:15:35.008565
- Title: Protecting Sensitive Tabular Data in Hybrid Clouds
- Title(参考訳): ハイブリッドクラウドにおける知覚的語彙データ保護
- Authors: Maya Anderson, Gidon Gershinsky, Eliot Salant, Salvador Garcia,
- Abstract要約: ヘルスケアやファイナンスといった規制された業界は、データとワークロードの一部をパブリッククラウドに移行し始めている。
病院の実際のユースケースにおいて,ハイブリッドクラウドを使用したビッグデータ分析のセキュリティとパフォーマンスの課題に対処する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Regulated industries, such as Healthcare and Finance, are starting to move parts of their data and workloads to the public cloud. However, they are still reluctant to trust the public cloud with their most sensitive records, and hence leave them in their premises, leveraging the hybrid cloud architecture. We address the security and performance challenges of big data analytics using a hybrid cloud in a real-life use case from a hospital. In this use case, the hospital collects sensitive patient data and wants to run analytics on it in order to lower antibiotics resistance, a significant challenge in healthcare. We show that it is possible to run large-scale analytics on data that is securely stored in the public cloud encrypted using Apache Parquet Modular Encryption (PME), without significant performance losses even if the secret encryption keys are stored on-premises. PME is a standard mechanism for data encryption and key management, not specific to any public cloud, and therefore helps prevent vendor lock-in. It also provides privacy and integrity guarantees, and enables granular access control to the data. We also present an innovation in PME for lowering the performance hit incurred by calls to the Key Management Service. Our solution therefore enables protecting large amounts of sensitive data in hybrid clouds and still allows to efficiently gain valuable insights from it.
- Abstract(参考訳): ヘルスケアやファイナンスといった規制された業界は、データとワークロードの一部をパブリッククラウドに移行し始めている。
しかし、彼らは最も機密性の高いレコードでパブリッククラウドを信頼することを拒んでいるため、ハイブリッドクラウドアーキテクチャを活用して、それらを自身のオンプレミスに置き去りにしている。
病院の実際のユースケースにおいて,ハイブリッドクラウドを使用したビッグデータ分析のセキュリティとパフォーマンスの課題に対処する。
このユースケースでは、病院は敏感な患者データを収集し、抗生物質耐性を低下させるために分析を行いたいと考えている。
我々は,Apache Parquet Modular Encryption (PME) を用いて暗号化されたパブリッククラウドにセキュアに格納されたデータに対して大規模な解析を行うことで,秘密鍵をオンプレミスに保管しても,大幅なパフォーマンス上の損失を伴わないことを示す。
PMEは、データ暗号化とキー管理のための標準的なメカニズムであり、パブリッククラウドに特化していないため、ベンダーのロックインを防ぐのに役立つ。
また、プライバシと整合性の保証を提供し、データへの詳細なアクセス制御を可能にする。
また、キーマネジメントサービスへのコールによって生じるパフォーマンスのヒットを下げるためのPMEのイノベーションも提示します。
したがって、当社のソリューションは、ハイブリッドクラウドにおける大量の機密データを保護することができ、なおかつ、その価値ある洞察を効率的に得ることができます。
関連論文リスト
- CCA-Secure Key-Aggregate Proxy Re-Encryption for Secure Cloud Storage [1.4610685586329806]
クラウドストレージにおけるデータ保護は、クラウド産業の存続の鍵である。
Proxy Re-Encryptionスキームにより、ユーザーは再暗号化キーを使用して暗号文を他の暗号文に変換することができる。
近年,C-PREの鍵記憶コストを一定サイズに削減し,最初のキーアグリゲートプロキシ再暗号化方式を提案する。
論文 参考訳(メタデータ) (2024-10-10T17:02:49Z) - K-Nearest Neighbor Classification over Semantically Secure Encrypted Relational Data [0.0]
データが暗号化されているパブリッククラウド環境では、クラウドサービスプロバイダは通常、暗号化キーを制御する。
この状況は、従来のプライバシー保護分類システムを不適切なものにしている。
我々は、暗号化されたアウトソースデータに対して、セキュアなk近傍の分類アルゴリズムを提案する。
論文 参考訳(メタデータ) (2024-07-05T19:44:17Z) - 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) - A Review on Searchable Encryption Functionality and the Evaluation of Homomorphic Encryption [0.0]
NetflixやPayPalのような企業は、データストレージ、コンピューティングパワー、その他のサービスにCloudを頼っている。
クラウドにはセキュリティとプライバシに関する懸念がある。
クラウド内のデータを保護するためには、アップロードする前に暗号化する必要がある。
本稿は、2019年から2023年までのクラウドサービスに関連するサーチブル暗号化の機能についてレビューする。
論文 参考訳(メタデータ) (2023-12-22T04:48:00Z) - Stop Uploading Test Data in Plain Text: Practical Strategies for
Mitigating Data Contamination by Evaluation Benchmarks [70.39633252935445]
データ汚染は、大規模な自動クロールコーパスで事前訓練されたモデルの台頭によって、普及し、課題となっている。
クローズドモデルの場合、トレーニングデータはトレードシークレットになり、オープンモデルであっても汚染を検出するのは簡単ではない。
1)公開するテストデータを公開鍵で暗号化し,デリバティブ配信を許可する,(2)クローズドAPI保持者からの要求トレーニング排他的コントロールを許可する,(2)評価を拒否してテストデータを保護する,(3)インターネット上のソリューションで表示されるデータを避け,インターネット由来のWebページコンテキストを解放する,という3つの方法を提案する。
論文 参考訳(メタデータ) (2023-05-17T12:23:38Z) - 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) - BigBird: Big Data Storage and Analytics at Scale in Hybrid Cloud [0.0]
本稿では,Google Cloud PlatformのBigQueryを用いて,スケーラブルなビッグデータストレージと分析管理フレームワークを設計するためのアプローチを紹介する。
この記事では、Google Cloud Platformのフレームワーク実装について論じるが、主要なクラウドプロバイダすべてに簡単に適用できる。
論文 参考訳(メタデータ) (2022-03-22T05:42:46Z) - Reinforcement Learning on Encrypted Data [58.39270571778521]
本稿では,DQNエージェントが,離散的かつ連続的な状態空間を持つ環境でどのように動作するかを予備的,実験的に検討する。
その結果,非決定論的暗号が存在する場合でも,エージェントは依然として小さな状態空間で学習することができるが,より複雑な環境では性能が低下することがわかった。
論文 参考訳(メタデータ) (2021-09-16T21:59:37Z) - 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) - Second layer data governance for permissioned blockchains: the privacy
management challenge [58.720142291102135]
新型コロナウイルス(COVID-19)やエボラウイルス(エボラ出血熱)のようなパンデミックの状況では、医療データを共有することに関連する行動は、大規模な感染を避け、死亡者を減らすために重要である。
この意味において、許可されたブロックチェーン技術は、スマートコントラクトが管理する不変で統一された分散データベースを通じて、データのオーナシップ、透明性、セキュリティを提供する権利をユーザに与えるために登場します。
論文 参考訳(メタデータ) (2020-10-22T13:19:38Z) - 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。