論文の概要: Security and Privacy Issues in Cloud Storage
- arxiv url: http://arxiv.org/abs/2401.04076v2
- Date: Sun, 14 Jan 2024 20:12:02 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-18 08:46:40.258308
- Title: Security and Privacy Issues in Cloud Storage
- Title(参考訳): クラウドストレージにおけるセキュリティとプライバシの問題
- Authors: Norah Asiri,
- Abstract要約: クラウドコンピューティングは、独自の構造のため、独自の問題以外に、従来型のセキュリティとプライバシの脅威を継承する。
クラウドコンピューティングにまつわる脅威は、従業員からのインサイダーによる悪意ある攻撃であり、プロバイダが意識していないときさえある。
このレビューでは、コンシューマや企業でさえ意識していないギャップとして、最もセキュリティとプライバシの問題に光を当てています。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Even with the vast potential that cloud computing has, so far, it has not been adopted by the consumers with the enthusiasm and pace that it be worthy; this is a very reason statement why consumers still hesitated of using cloud computing for their sensitive data and the threats that prevent the consumers from shifting to use cloud computing in general and cloud storage in particular. The cloud computing inherits the traditional potential security and privacy threats besides its own issues due to its unique structures. Some threats related to cloud computing are the insider malicious attacks from the employees that even sometime the provider unconscious about, the lack of transparency of agreement between consumer and provider, data loss, traffic hijacking, shared technology and insecure application interface. Such threats need remedies to make the consumer use its features in secure way. In this review, we spot the light on the most security and privacy issues which can be attributed as gaps that sometimes the consumers or even the enterprises are not aware of. We also define the parties that involve in scenario of cloud computing that also may attack the entire cloud systems. We also show the consequences of these threats.
- Abstract(参考訳): クラウドコンピューティングが大きな可能性を秘めているにもかかわらず、消費者がそれに価値ある熱意とペースで採用していない。これは、消費者がクラウドコンピューティングを機密データに使用することをためらう理由であり、消費者がクラウドコンピューティングを一般的なクラウドストレージや、特にクラウドストレージに使用することを妨げている脅威である。
クラウドコンピューティングは、独自の構造のため、独自の問題以外に、従来型のセキュリティとプライバシの脅威を継承する。
クラウドコンピューティングに関連するいくつかの脅威は、時折プロバイダが意識していない従業員からの内部攻撃、消費者とプロバイダ間の合意の透明性の欠如、データ損失、トラフィックハイジャック、共有テクノロジ、および安全でないアプリケーションインターフェースなどである。
このような脅威は、消費者がその機能を安全に使えるようにするための対策が必要である。
このレビューでは、コンシューマや企業でさえ意識していないギャップとして、最もセキュリティとプライバシの問題に光を当てています。
また、クラウドコンピューティングのシナリオに関わるパーティも定義しています。
これらの脅威の結果も示しています。
関連論文リスト
- 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) - Cloud Security and Security Challenges Revisited [0.0]
近年公開されたクラウドサービスとクラウド関連攻撃ベクトルに対する攻撃を再考する。
これらの結果に基づいて、セキュリティメトリクスを適用して、これらのクラウド関連のセキュリティ課題の深刻度をランク付けする。
論文 参考訳(メタデータ) (2024-05-18T17:42:02Z) - Mitigating Data Sharing in Public Cloud using Blockchain [0.0]
データの権利、データ共有、データ検証といった重要な側面を持つ、クラウド内のセキュアなデータエコシステムを提案します。
これにより、既存のパブリッククラウドベースのシステムが、信頼性の強化とクラウドデータの非再検討を容易にブロックチェーンをデプロイできるようになる。
論文 参考訳(メタデータ) (2024-04-21T13:12:44Z) - Artificial Intelligence enhanced Security Problems in Real-Time Scenario using Blowfish Algorithm [0.0]
クラウド(クラウド)とは、インターネットのような大規模なリアルタイム通信ネットワークによって実現された相互接続型コンピューティングリソースの集合体である。
クラウドコンピューティングの指数的拡大により、クラウドサービスの急速な拡張が非常に目覚ましいものになった。
クラウドコンピューティングに関連するセキュリティモデルには、機密性、信頼性、アクセシビリティ、データの完全性、リカバリなどがある。
論文 参考訳(メタデータ) (2024-04-14T15:38:34Z) - Privacy-preserving Optics for Enhancing Protection in Face De-identification [60.110274007388135]
この脆弱性を解決するために,ハードウェアレベルの顔識別手法を提案する。
また、プライバシ保存画像、フェイスヒートマップ、およびパブリックデータセットからの参照顔イメージを入力として、新しい顔を生成する匿名化フレームワークを提案する。
論文 参考訳(メタデータ) (2024-03-31T19:28:04Z) - Leveraging AI Planning For Detecting Cloud Security Vulnerabilities [17.424669782627497]
クラウドコンピューティングサービスは、データストレージ、処理、コラボレーションのためのスケーラブルで費用対効果の高いソリューションを提供する。
アクセス制御のミスコンフィグレーションが、クラウドアタックの主要な要因であることが多い。
本研究では,セキュリティ脆弱性を検出するPDDLモデルを開発し,ランサムウェアなどの広範囲な攻撃につながる可能性がある。
論文 参考訳(メタデータ) (2024-02-16T03:28:02Z) - The Security and Privacy of Mobile Edge Computing: An Artificial Intelligence Perspective [64.36680481458868]
Mobile Edge Computing (MEC)は、クラウドコンピューティングと情報技術(IT)サービスをネットワークのエッジで配信できるようにする新しいコンピューティングパラダイムである。
本稿では,人工知能(AI)の観点からMECのセキュリティとプライバシに関する調査を行う。
新たなセキュリティとプライバシの問題に加えて、AIの観点からの潜在的なソリューションにも重点を置いています。
論文 参考訳(メタデータ) (2024-01-03T07:47:22Z) - Protecting User Privacy in Online Settings via Supervised Learning [69.38374877559423]
我々は、教師付き学習を活用する、オンラインプライバシ保護に対するインテリジェントなアプローチを設計する。
ユーザのプライバシを侵害する可能性のあるデータ収集を検出してブロックすることにより、ユーザに対してある程度のディジタルプライバシを復元することが可能になります。
論文 参考訳(メタデータ) (2023-04-06T05:20:16Z) - Privacy Explanations - A Means to End-User Trust [64.7066037969487]
この問題に対処するために、説明可能性がどのように役立つかを検討しました。
私たちはプライバシーの説明を作成し、エンドユーザの理由と特定のデータが必要な理由を明らかにするのに役立ちました。
我々の発見は、プライバシーの説明がソフトウェアシステムの信頼性を高めるための重要なステップであることを示している。
論文 参考訳(メタデータ) (2022-10-18T09:30:37Z) - Edge-Cloud Polarization and Collaboration: A Comprehensive Survey [61.05059817550049]
クラウドとエッジ両方のAIの体系的なレビューを行います。
私たちはクラウドとエッジモデリングの協調学習メカニズムを最初にセットアップしました。
我々は現在進行中の最先端AIトピックの可能性と実践経験について議論する。
論文 参考訳(メタデータ) (2021-11-11T05:58:23Z) - PCAL: A Privacy-preserving Intelligent Credit Risk Modeling Framework
Based on Adversarial Learning [111.19576084222345]
本稿では,PCAL(Adversarial Learning)に基づくプライバシ保護型信用リスクモデリングの枠組みを提案する。
PCALは、ターゲット予測タスクのパフォーマンスの重要なユーティリティ情報を維持しながら、元のデータセット内のプライベート情報を隠蔽することを目的としている。
結果は,PCALがユーザデータから効果的なプライバシフリー表現を学習し,信用リスク分析のためのプライバシ保存機械学習の基盤となることを示唆している。
論文 参考訳(メタデータ) (2020-10-06T07:04:59Z)
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。