論文の概要: A Survey on Privacy-Preserving Caching at Network Edge: Classification, Solutions, and Challenges

• arxiv url: http://arxiv.org/abs/2405.01844v3
• Date: Mon, 09 Dec 2024 01:39:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-10 11:30:28.744962
• Title: A Survey on Privacy-Preserving Caching at Network Edge: Classification, Solutions, and Challenges
• Title（参考訳）: ネットワークエッジにおけるプライバシ保護キャッシングに関する調査--分類,解決,課題
• Authors: Xianzhi Zhang, Yipeng Zhou, Di Wu, Quan Z. Sheng, Shazia Riaz, Miao Hu, Linchang Xiao,
• Abstract要約: エッジネットワークでのコンテンツキャッシングは、ネットワークバックホールの負担を軽減するために広く展開されている人気で効果的な手法である。 エッジネットワークでコンテンツをキャッシュするプライバシー侵害に関して、いくつかの論争があった。
• 参考スコア（独自算出の注目度）: 23.242281571096782
• License:
• Abstract: Caching content at the edge network is a popular and effective technique widely deployed to alleviate the burden of network backhaul, shorten service delay and improve service quality. However, there has been some controversy over privacy violations in caching content at the edge network. On the one hand, the multi-access open edge network provides an ideal entrance or interface for external attackers to obtain private data from edge caches by extracting sensitive information. On the other hand, privacy can be infringed on by curious edge caching providers through caching trace analysis targeting the achievement of better caching performance or higher profits. Therefore, an in-depth understanding of privacy issues in edge caching networks is vital and indispensable for creating a privacy-preserving caching service at the edge network. In this article, we are among the first to fill this gap by examining privacy-preserving techniques for caching content at the edge network. Firstly, we provide an introduction to the background of privacy-preserving edge caching (PPEC). Next, we summarize the key privacy issues and present a taxonomy for caching at the edge network from the perspective of private information. Additionally, we conduct a retrospective review of the state-of-the-art countermeasures against privacy leakage from content caching at the edge network. Finally, we conclude the survey and envision challenges for future research.
• Abstract（参考訳）: エッジネットワークでのコンテンツキャッシングは、ネットワークバックホールの負担を軽減し、サービス遅延を短縮し、サービス品質を改善するために広く展開されている、ポピュラーで効果的なテクニックである。 しかし、エッジネットワークでコンテンツをキャッシュするプライバシー侵害に関して、いくつかの論争があった。 一方、マルチアクセスオープンエッジネットワークは、外部攻撃者が機密情報を抽出してエッジキャッシュからプライベートデータを取得するのに理想的な入り口またはインターフェースを提供する。 一方、プライバシーは、より良いキャッシングパフォーマンスまたはより高い利益の達成を目的としたキャッシュトレース分析を通じて、好奇心をそそるエッジキャッシュプロバイダによって侵害される可能性がある。 したがって、エッジキャッシュネットワークにおけるプライバシー問題に対する深い理解は、エッジネットワークでプライバシを保存するキャッシュサービスを作成する上で不可欠である。 本稿では、エッジネットワークでコンテンツをキャッシュするプライバシー保護技術を調べることで、このギャップを埋める最初の一人です。 まず、プライバシ保護エッジキャッシュ(PPEC)の背景について紹介する。 次に、重要なプライバシー問題を要約し、プライベート情報の観点からエッジネットワークでキャッシュする分類を提示する。 さらに,エッジネットワークにおけるコンテンツキャッシングによるプライバシーの漏洩に対する最新の対策を振り返って検討する。 最後に,今後の研究の課題を概観する。

関連論文リスト

• Differentially Private Data Release on Graphs: Inefficiencies and Unfairness [48.96399034594329]
  本稿では,ネットワーク情報公開の文脈における偏見と不公平性に対する差別的プライバシの影響を特徴づける。 ネットワーク構造が全員に知られているネットワークリリースの問題を考えるが、エッジの重みをプライベートにリリースする必要がある。 我々の研究は、これらのネットワーク化された決定問題におけるプライバシーに起因する偏見と不公平性に関する理論的根拠と実証的な証拠を提供する。
  論文  参考訳（メタデータ） (2024-08-08T08:37:37Z)
• Consistent community detection in multi-layer networks with heterogeneous differential privacy [4.451479907610764]
  本稿では,各ノードのプライバシ設定に基づいて,エッジ情報を保護可能なエッジフリップ機構を提案する。 多層度補正ブロックモデルの下でコミュニティ構造を保ちながら、差分プライバシーを実現することができる。 エッジのより優れたプライバシ保護は、ノードの割合で取得可能であると同時に、他のノードがプライバシを放棄できることが示されています。
  論文  参考訳（メタデータ） (2024-06-20T22:49:55Z)
• A Survey on Privacy in Graph Neural Networks: Attacks, Preservation, and Applications [76.88662943995641]
  グラフニューラルネットワーク(GNN)は、グラフ構造化データを扱う能力のため、大きな注目を集めている。 この問題に対処するため、研究者らはプライバシー保護のGNNの開発を開始した。 この進歩にもかかわらず、攻撃の包括的概要と、グラフドメインのプライバシを保存するためのテクニックが欠如している。
  論文  参考訳（メタデータ） (2023-08-31T00:31:08Z)
• Cross-Network Social User Embedding with Hybrid Differential Privacy Guarantees [81.6471440778355]
  プライバシー保護方式でユーザを包括的に表現するために,ネットワーク横断型ソーシャルユーザ埋め込みフレームワークDP-CroSUEを提案する。 特に、各異種ソーシャルネットワークに対して、異種データ型に対するプライバシー期待の変化を捉えるために、まずハイブリッドな差分プライバシーの概念を導入する。 ユーザ埋め込みをさらに強化するため、新しいネットワーク間GCN埋め込みモデルは、それらの整列したユーザを介して、ネットワーク間で知識を伝達するように設計されている。
  論文  参考訳（メタデータ） (2022-09-04T06:22:37Z)
• Large-Scale Privacy-Preserving Network Embedding against Private Link Inference Attacks [12.434976161956401]
  プライバシ保護ネットワークがプライベートリンク推論攻撃に対して組み込まれるという,新たな問題に対処する。 本稿では,リンクの追加や削除によるオリジナルのネットワークの摂動について提案する。また,この摂動ネットワーク上で発生した埋め込みは,プライベートリンクに関する情報をほとんど漏らすことなく,様々な下流タスクに高いユーティリティを保持することができることを期待する。
  論文  参考訳（メタデータ） (2022-05-28T13:59:39Z)
• Online Caching with Optimistic Learning [15.877673959068458]
  本稿では,楽観的なオンライン学習のレンズを用いて,この問題に対処するための新しいアルゴリズムツールボックスを提案する。 我々は、時間平均予算制約の下で、固定サイズのキャッシュや弾性的なリースキャッシュを備えた二部ネットワークのためのオンラインキャッシュアルゴリズムを設計する。 提案した楽観的な学習キャッシュポリシは,完全予測に対してゼロ以下の性能損失(regret)を達成でき,任意のバッド予測に対してさえ,最も達成可能なリフレッシュバウンドである$O(sqrt T)を維持できることを示す。
  論文  参考訳（メタデータ） (2022-02-22T00:04:30Z)
• 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)
• Applications of Differential Privacy in Social Network Analysis: A Survey [60.696428840516724]
  差別化プライバシは、情報を共有し、強力な保証でプライバシを保存するのに有効である。 ソーシャルネットワーク分析は多くのアプリケーションで広く採用されており、差分プライバシーの応用のための新たな領域が開かれた。
  論文  参考訳（メタデータ） (2020-10-06T19:06:03Z)
• A Survey of Deep Learning for Data Caching in Edge Network [1.9798034349981157]
  本稿では,エッジネットワークにおけるデータキャッシングにおけるディープラーニングの利用について要約する。 まず、コンテンツキャッシングにおける典型的な研究トピックを概説し、ネットワーク階層構造に基づく分類を定式化する。 次に、教師なし学習から教師なし学習、強化学習まで、多くの重要なディープラーニングアルゴリズムが提示される。
  論文  参考訳（メタデータ） (2020-08-17T12:02:32Z)
• Reinforcement Learning for Caching with Space-Time Popularity Dynamics [61.55827760294755]
  キャッシングは次世代ネットワークにおいて重要な役割を果たすと想定されている。 コンテンツをインテリジェントにプリフェッチし、保存するためには、キャッシュノードは、何といつキャッシュするかを学ばなければならない。 本章では、近似キャッシングポリシー設計のための多目的強化学習に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2020-05-19T01:23:51Z)

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。