Fugu-MT 論文翻訳(概要): Weakly-Private Information Retrieval From MDS-Coded Distributed Storage

論文の概要: Weakly-Private Information Retrieval From MDS-Coded Distributed Storage

arxiv url: http://arxiv.org/abs/2401.09412v1
Date: Wed, 17 Jan 2024 18:51:04 GMT
ステータス: 処理完了
システム内更新日: 2024-03-25 12:27:42.415605
Title: Weakly-Private Information Retrieval From MDS-Coded Distributed Storage
Title（参考訳）: MDS符号化分散ストレージからの弱生成情報検索
Authors: Asbjørn O. Orvedal, Hsuan-Yin Lin, Eirik Rosnes,
Abstract要約: WPIRでは、ユーザは、関心のあるデータに関する情報をあまり漏らさずに、サーバの集合からデータを取り出したいと思っている。本稿では,このシナリオに対する最初のWPIRプロトコルについて検討し,最大漏洩プライバシー指標を用いて,ダウンロード率と情報漏洩の最適なトレードオフについて述べる。
参考スコア（独自算出の注目度）: 11.955988388140725
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: We consider the problem of weakly-private information retrieval (WPIR) when data is encoded by a maximum distance separable code and stored across multiple servers. In WPIR, a user wishes to retrieve a piece of data from a set of servers without leaking too much information about which piece of data she is interested in. We study and provide the first WPIR protocols for this scenario and present results on their optimal trade-off between download rate and information leakage using the maximal leakage privacy metric.
Abstract（参考訳）: 我々は、データが最大距離分離可能コードで符号化され、複数のサーバにまたがって格納される場合、弱いプライベート情報検索(WPIR)の問題を考える。 WPIRでは、ユーザは、関心のあるデータに関する情報をあまり漏らさずに、サーバの集合からデータを取り出したいと思っている。本稿では,このシナリオに対する最初のWPIRプロトコルについて検討し,最大漏洩プライバシー指標を用いて,ダウンロード率と情報漏洩の最適なトレードオフについて述べる。

関連論文リスト

LLM-PBE: Assessing Data Privacy in Large Language Models [111.58198436835036]
大規模言語モデル(LLM)は多くのドメインに不可欠なものとなり、データ管理、マイニング、分析におけるアプリケーションを大幅に進歩させた。この問題の批判的な性質にもかかわらず、LLMにおけるデータプライバシのリスクを総合的に評価する文献は存在しない。本稿では,LLMにおけるデータプライバシリスクの体系的評価を目的としたツールキットであるLLM-PBEを紹介する。
論文参考訳（メタデータ） (2024-08-23T01:37:29Z)
Robust Utility-Preserving Text Anonymization Based on Large Language Models [80.5266278002083]
テキストの匿名化は、プライバシーを維持しながら機密データを共有するために重要である。既存の技術は、大規模言語モデルの再識別攻撃能力の新たな課題に直面している。本稿では,3つのLCMベースコンポーネント – プライバシ評価器,ユーティリティ評価器,最適化コンポーネント – で構成されるフレームワークを提案する。
論文参考訳（メタデータ） (2024-07-16T14:28:56Z)
Secure Distributed Storage: Optimal Trade-Off Between Storage Rate and Privacy Leakage [1.6881346757176976]
我々は、T$サーバ上でデータを分散的に保存する問題について考察する。具体的には、(i)データは任意の$tau$サーバからリカバリ可能であり、(ii)任意の$z$サーバからプライベートのままである必要がある。このモデルでは、(i)ストレージサイズと所望のプライバシのレベルとの基本的なトレードオフと、(ii)エンコーダに必要な局所ランダム性の最適な量とのトレードオフが主な結果である。
論文参考訳（メタデータ） (2024-03-15T20:50:46Z)
Quantum Private Information Retrieval from Coded Storage Systems [0.0]
量子プライベート情報検索(QPIR)プロトコルでは、複数のサーバから量子システムをダウンロードすることで、データベースから情報を取得することができる。この論文は、既知の古典的PIRプロトコルと量子通信アルゴリズムを組み合わせることで、符号化ストレージのためのQPIRプロトコルを開発することを目的としている。
論文参考訳（メタデータ） (2023-12-10T12:36:10Z)
Outsourcing Training without Uploading Data via Efficient Collaborative Open-Source Sampling [49.87637449243698]
従来のアウトソーシングでは、デバイスデータをクラウドサーバにアップロードする必要がある。我々は、公開および異種ソースから収集された膨大なデータセットである、広く利用可能なオープンソースデータを活用することを提案する。我々は,オープンソースデータからクラウドトレーニングのためのプロキシデータセットを構築するための,ECOS(Efficient Collaborative Open-source Sampling)と呼ばれる新しい戦略を開発した。
論文参考訳（メタデータ） (2022-10-23T00:12:18Z)
Scalable Neural Data Server: A Data Recommender for Transfer Learning [70.06289658553675]
転送学習は、下流のパフォーマンスを改善するために追加データを活用する一般的な戦略である。 Nerve Data Server (NDS)は、特定の下流タスクに関連するデータを推奨する検索エンジンで、この問題に対処するためにこれまで提案されていた。 NDSは、データソースでトレーニングされた専門家の混合物を使用して、各ソースと下流タスクの類似性を推定する。 SNDSは、中間データセットに近接して、データソースと下流タスクの両方を表現します。
論文参考訳（メタデータ） (2022-06-19T12:07:32Z)
Robbing the Fed: Directly Obtaining Private Data in Federated Learning with Modified Models [56.0250919557652]
フェデレーション学習は、ユーザーのプライバシーと効率を高めるという約束で急速に人気を集めている。ユーザプライバシに対する以前の攻撃はスコープが限られており、少数のデータポイントに集約されたグラデーション更新にはスケールしない。共有モデルアーキテクチャの最小限ではあるが悪意のある変更に基づく新しい脅威モデルを導入する。
論文参考訳（メタデータ） (2021-10-25T15:52:06Z)
Generative Adversarial User Privacy in Lossy Single-Server Information Retrieval [18.274573259364026]
本稿では,ユーザゆがみとユーザのプライバシー制約の両方の下で,単一のサーバに格納されたファイルのデータセットからの情報検索の問題を考える。具体的には、データセットからファイルを要求するユーザは、所定の歪みで要求されたファイルを再構築することができる。さらに、要求されたファイルのIDは、所定のプライバシーレベルでサーバからプライベートにしておく必要がある。
論文参考訳（メタデータ） (2020-12-07T18:31:51Z)
Deep Directed Information-Based Learning for Privacy-Preserving Smart Meter Data Release [30.409342804445306]
本稿では,時系列データとスマートメータ(SM)電力消費測定の文脈における問題点について検討する。我々は、考慮された設定において、より意味のあるプライバシーの尺度として、指向情報(DI)を導入します。最悪のシナリオにおけるSMs測定による実世界のデータセットに関する実証的研究は、プライバシとユーティリティの既存のトレードオフを示している。
論文参考訳（メタデータ） (2020-11-20T13:41:11Z)
GDPR: When the Right to Access Personal Data Becomes a Threat [63.732639864601914]
個人データへのアクセス要求を行う300以上のデータコントローラについて検討する。リクエストを処理したデータコントローラの50.4%が、ユーザを特定する手順に欠陥があることが分かりました。望ましくない驚くべき結果によって、現在のデプロイメントでは、Webサービスのユーザのプライバシを実際に低下させています。
論文参考訳（メタデータ） (2020-05-04T22:01:46Z)
Quantum Private Information Retrieval from Coded and Colluding Servers [16.23970875497387]
量子PIR(QPIR)設定では、ユーザはサーバから量子情報を受信することで、古典的なファイルをプライベートに検索する。本稿では,QPIR設定を最大距離分離可能(MDS)符号化サーバのために拡張する。達成されたレートは、古典的な予想よりも優れている。
論文参考訳（メタデータ） (2020-01-16T15:19:08Z)

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。