論文の概要: Improving Privacy-Preserving Techniques for Smart Grid using Lattice-based Cryptography
- arxiv url: http://arxiv.org/abs/2404.16865v1
- Date: Wed, 17 Apr 2024 19:51:52 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-05 18:14:01.173185
- Title: Improving Privacy-Preserving Techniques for Smart Grid using Lattice-based Cryptography
- Title（参考訳）: 格子型暗号を用いたスマートグリッドのプライバシ保護技術の改善
- Authors: Saleh Darzi, Bahareh Akhbari, Hassan Khodaiemehr,
- Abstract要約: SPDBlockはブロックチェーンベースのソリューションで、プライバシ、完全性、攻撃に対する耐性を保証する。
多次元データ送信を効率的に処理しながら、悪意のあるエンティティを検出し、訴追する。
性能テストにより、SPDBlockは従来のスキームよりも通信と計算効率が優れていることが明らかになった。
- 参考スコア（独自算出の注目度）: 1.4856472820492366
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Advancements in communication and information tech birthed the Smart Grid, optimizing energy and data transmission. Yet, user privacy is at risk due to frequent data collection. Existing privacy schemes face vulnerability with quantum machines. To tackle this, the LPM2DA scheme is introduced, utilizing lattice-based encryption and signatures for secure data aggregation. It ensures privacy, integrity, and authentication, enabling statistical analysis while preserving user privacy. Traditional aggregation schemes suffer from weak network models and centralization issues. Enter SPDBlock, a blockchain-based solution ensuring privacy, integrity, and resistance to attacks. It detects and prosecutes malicious entities while efficiently handling multi-dimensional data transmission. Through distributed decryption and secret sharing, only valid data can be decrypted with minimal involvement from smart meters. Performance tests reveal SPDBlock's superiority in communication and computational efficiency over traditional schemes.
- Abstract（参考訳）: 通信と情報技術の進歩はスマートグリッドを生み出し、エネルギーとデータ伝送を最適化した。
しかし、ユーザーのプライバシーは頻繁に収集されるデータのために危険にさらされている。
既存のプライバシスキームは、量子マシンによる脆弱性に直面している。
これを解決するために、格子ベースの暗号化とシグネチャを利用してセキュアなデータアグリゲーションを行うLPM2DAスキームが導入された。
プライバシー、完全性、認証を保証し、ユーザのプライバシーを維持しながら統計分析を可能にする。
従来のアグリゲーションスキームは、弱いネットワークモデルと集中化の問題に悩まされている。
SPDBlockはブロックチェーンベースのソリューションで、プライバシ、完全性、攻撃に対する耐性を保証する。
多次元データ送信を効率的に処理しながら、悪意のあるエンティティを検出し、訴追する。
分散復号化と秘密共有によって、スマートメーターからの最小限の関与で有効なデータのみを復号化することができる。
性能テストにより、SPDBlockは従来のスキームよりも通信と計算効率が優れていることが明らかになった。
関連論文リスト
- ViT Enhanced Privacy-Preserving Secure Medical Data Sharing and Classification [8.140412831443454]
本研究では,ブロックピクセル操作をベースとした,学習可能な暗号化手法によるセキュアなフレームワークを導入し,それをViT(Vision Transformer)と統合する。
提案したフレームワークは、キー毎に独自のスクランブルパターンを作成し、リードビット攻撃と最小差攻撃に対して堅牢なパフォーマンスを提供することにより、データのプライバシとセキュリティを保証する。
論文 参考訳（メタデータ） (2024-11-08T16:33:20Z) - FL-DABE-BC: A Privacy-Enhanced, Decentralized Authentication, and Secure Communication for Federated Learning Framework with Decentralized Attribute-Based Encryption and Blockchain for IoT Scenarios [0.0]
本研究は,IoT環境におけるデータプライバシとセキュリティの向上を目的とした,高度な学習(FL)フレームワークを提案する。
我々は、分散属性ベースの暗号化(DABE)、同型暗号化(HE)、セキュアマルチパーティ計算(SMPC)、技術を統合する。
従来のFLとは異なり、当社のフレームワークはIoTデバイス上で、セキュアで分散化された認証と暗号化を可能にする。
論文 参考訳（メタデータ） (2024-10-26T19:30:53Z) - ZK-DPPS: A Zero-Knowledge Decentralised Data Sharing and Processing Middleware [3.2995127573095484]
従来のZKPを必要としないゼロ知識通信を実現するフレームワークであるZK-DPPSを提案する。
プライバシは、計算のためのFHE(Fully Homomorphic Encryption)と鍵再構成のためのSMPC(Secure Multi-Party Computations)を組み合わせることで保持される。
シミュレーションサプライチェーンシナリオによるZK-DPPSの有効性を実証した。
論文 参考訳（メタデータ） (2024-10-21T01:23:37Z) - EncCluster: Scalable Functional Encryption in Federated Learning through Weight Clustering and Probabilistic Filters [3.9660142560142067]
フェデレートラーニング(FL)は、アグリゲーションサーバにのみローカルモデルの更新を通信することで、分散デバイス間のモデルトレーニングを可能にする。
FLはモデル更新送信中に推論攻撃に弱いままである。
本稿では、重みクラスタリングによるモデル圧縮と、最近の分散型FEとプライバシ強化データエンコーディングを統合する新しい方法であるEncClusterを提案する。
論文 参考訳（メタデータ） (2024-06-13T14:16:50Z) - Privacy-Preserving Data Aggregation Techniques for Enhanced Efficiency and Security in Wireless Sensor Networks: A Comprehensive Analysis and Evaluation [0.0]
プライバシを維持しつつ,無線センサネットワークのデータ収集を多次元かつ効果的に行う方法を提案する。
このシステムはデータ損失に耐性があり、アクティブとパッシブの両方のプライバシー侵害攻撃に対して安全である。
論文 参考訳（メタデータ） (2024-03-29T11:09:22Z) - Blockchain-empowered Federated Learning for Healthcare Metaverses:
User-centric Incentive Mechanism with Optimal Data Freshness [66.3982155172418]
まず、医療メタバースのための分散型フェデレートラーニング(FL)に基づく、ユーザ中心のプライバシ保護フレームワークを設計する。
次に,情報時代(AoI)を有効データ更新度指標として利用し,観測理論(PT)に基づくAoIベースの契約理論モデルを提案し,センシングデータ共有の動機付けを行う。
論文 参考訳（メタデータ） (2023-07-29T12:54:03Z) - Breaking the Communication-Privacy-Accuracy Tradeoff with
$f$-Differential Privacy [51.11280118806893]
サーバが複数のユーザの協調的なデータ分析を,プライバシの懸念と限られた通信能力で調整する,フェデレートされたデータ分析問題を考える。
有限出力空間を有する離散値機構の局所的差分プライバシー保証を$f$-differential privacy (DP) レンズを用いて検討する。
より具体的には、様々な離散的評価機構の厳密な$f$-DP保証を導出することにより、既存の文献を前進させる。
論文 参考訳（メタデータ） (2023-02-19T16:58:53Z) - Decentralized Stochastic Optimization with Inherent Privacy Protection [103.62463469366557]
分散最適化は、現代の協調機械学習、分散推定と制御、大規模センシングの基本的な構成要素である。
データが関与して以降、分散最適化アルゴリズムの実装において、プライバシ保護がますます重要になっている。
論文 参考訳（メタデータ） (2022-05-08T14:38:23Z) - Distributed Reinforcement Learning for Privacy-Preserving Dynamic Edge
Caching [91.50631418179331]
MECネットワークにおけるデバイスのキャッシュヒット率を最大化するために,プライバシ保護型分散ディープポリシー勾配(P2D3PG)を提案する。
分散最適化をモデルフリーなマルコフ決定プロセス問題に変換し、人気予測のためのプライバシー保護フェデレーション学習手法を導入する。
論文 参考訳（メタデータ） (2021-10-20T02:48:27Z) - BeeTrace: A Unified Platform for Secure Contact Tracing that Breaks Data
Silos [73.84437456144994]
接触追跡は、新型コロナウイルスなどの感染症の拡散を制御する重要な方法である。
現在のソリューションでは、ビジネスデータベースや個々のデジタルデバイスに格納された大量のデータを利用できません。
データサイロを破り、プライバシーの目標を保証するために最先端の暗号化プロトコルをデプロイする統合プラットフォームであるBeeTraceを提案する。
論文 参考訳（メタデータ） (2020-07-05T10:33:45Z) - CryptoSPN: Privacy-preserving Sum-Product Network Inference [84.88362774693914]
総生産ネットワーク(SPN)のプライバシ保護のためのフレームワークを提案する。
CryptoSPNは、中規模のSPNに対して秒の順序で高効率で正確な推論を行う。
論文 参考訳（メタデータ） (2020-02-03T14:49:18Z)
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。