論文の概要: BlindexTEE: A Blind Index Approach towards TEE-supported End-to-end Encrypted DBMS

• arxiv url: http://arxiv.org/abs/2411.02084v1
• Date: Mon, 04 Nov 2024 13:45:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-05 14:45:42.233317
• Title: BlindexTEE: A Blind Index Approach towards TEE-supported End-to-end Encrypted DBMS
• Title（参考訳）: BlindexTEE: TEEをサポートするエンドツーエンド暗号化DBMSに対するブラインドインデックスアプローチ
• Authors: Louis Vialar, Jämes Ménétrey, Valerio Schiavoni, Pascal Felber,
• Abstract要約: 我々はBlindexTEEを紹介します。BlindexTEEはアプリケーションビジネス論理とデータベースの間に位置する新しいコンポーネントです。 BlindexTEEは、SEV-SNPシークレットVM内で実行することで、悪意のあるユーザや悪質な環境から保護されている。 データを暗号化して再暗号化することで、ブラインドインデックスを構築し、後でインデックスを効率的にクエリする。
• 参考スコア（独自算出の注目度）: 1.7856481599200345
• License:
• Abstract: Using cloud-based applications comes with privacy implications, as the end-user looses control over their data. While encrypting all data on the client is possible, it largely reduces the usefulness of database management systems (DBMS) that are typically built to efficiently query large quantities of data. We present BlindexTEE, a new component that sits between the application business-logic and the database. BlindexTEE is shielded from malicious users or compromised environments by executing inside an SEV-SNP confidential VM, AMD's trusted execution environment (TEE). BlindexTEE is in charge of end-to-end encryption of user data while preserving the ability of the DBMS to efficiently filter data. By decrypting and re-encrypting data, it builds blind indices, used later on to efficiently query the DBMS. We demonstrate the practicality of BlindexTEE with MySQL in several micro- and macro-benchmarks, achieving overheads between 36.1% and 462% over direct database access depending on the usage scenario.
• Abstract（参考訳）: クラウドベースのアプリケーションの使用は、エンドユーザがデータのコントロールを緩めるため、プライバシー上の影響が伴う。 クライアント上のすべてのデータを暗号化することは可能ですが、大量のデータを効率的にクエリするために構築されるデータベース管理システム(DBMS)の有用性を大幅に低下させます。 我々はBlindexTEEを紹介します。BlindexTEEはアプリケーションビジネス論理とデータベースの間に位置する新しいコンポーネントです。 BlindexTEEは、AMDの信頼できる実行環境(TEE)であるSEV-SNPシークレットVM内で実行することで、悪意のあるユーザや悪質な環境から保護されている。 BlindexTEEは、DBMSがデータを効率的にフィルタリングする能力を保ちながら、ユーザーデータのエンドツーエンド暗号化を担当している。 データを復号して再暗号化することにより、後にDBMSを効率的にクエリするために使用される盲点インデックスを構築する。 いくつかのマイクロおよびマクロベンチマークにおいて、BlindexTEEとMySQLの実践性を実証し、使用シナリオに応じて直接データベースアクセス上のオーバーヘッドを36.1%から462%達成する。

関連論文リスト

• Differentially Private Learned Indexes [4.290415158471898]
  我々は、暗号化されたデータベース上の述語クエリ、信頼された実行環境(TEE)によって確保されたクエリに効率よく応答する問題に対処する。 述語クエリを高速化する現代のデータベースにおける一般的な戦略は、インデックスの使用である。 残念ながら、強力なデータ依存リークのため、インデックスは暗号化されたデータベースに直接適用できない。 本研究では,よりコンパクトなDPインデックスを構築するために,機械学習モデルをインデックス構造として再利用するトレンド手法である学習指標を活用することを提案する。
  論文  参考訳（メタデータ） (2024-10-28T16:04:58Z)
• Relational Database Augmented Large Language Model [59.38841050766026]
  大規模言語モデル(LLM)は多くの自然言語処理(NLP)タスクに優れる。 彼らは、トレーニングや教師付き微調整プロセスを通じてのみ、新しい知識を取り入れることができる。 この正確で最新のプライベート情報は、通常リレーショナルデータベースに格納される。
  論文  参考訳（メタデータ） (2024-07-21T06:19:10Z)
• 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)
• Mind the Privacy Unit! User-Level Differential Privacy for Language Model Fine-Tuning [62.224804688233]
  差分プライバシ(DP)は、モデルが特定のプライバシユニットで「ほとんど区別できない」ことを保証することで、有望なソリューションを提供する。 ユーザ間でのプライバシー保護の確保に必要なアプリケーションによって動機づけられたユーザレベルのDPについて検討する。
  論文  参考訳（メタデータ） (2024-06-20T13:54:32Z)
• Privacy-Enhanced Database Synthesis for Benchmark Publishing [16.807486872855534]
  差分プライバシーは、データ共有時のプライバシ保護の鍵となる方法となっているが、主に集約クエリや分類タスクにおけるエラーの最小化に焦点が当てられている。 本稿では,特にベンチマークのためのプライバシ保護データベースの作成について述べる。 PrivBenchは、データ分割とサンプリングにSPN(Sum-product Network)を使用して、プライバシを確保しながらデータ表現を強化する。
  論文  参考訳（メタデータ） (2024-05-02T14:20:24Z)
• Enc2DB: A Hybrid and Adaptive Encrypted Query Processing Framework [47.11111145443189]
  本稿では,新しいセキュアデータベースシステムであるEnc2DBを紹介する。 本稿では,マイクロベンチマークテストと自己適応型モードスイッチ戦略を提案し,与えられたクエリに応答する最適な実行パス(暗号やTEE)を選択する。 また、クエリ処理を高速化するために、ネイティブコストモデルやクエリと互換性のある暗号文インデックスを設計、実装する。
  論文  参考訳（メタデータ） (2024-04-10T08:11:12Z)
• Privacy-Preserved Neural Graph Databases [48.57788773216699]
  NGDBにおけるプライバシー漏洩のリスクを軽減するために,プライバシ保存型ニューラルグラフデータベース(P-NGDB)フレームワークを提案する。 本研究は,NGDBを訓練段階に導入し,個人情報で質問したときの識別不能な回答を生成する。
  論文  参考訳（メタデータ） (2023-12-25T02:32:05Z)
• DiCE -- A Data Encryption Proxy for the Cloud [0.0]
  アウトソースされたデータの機密性やセキュリティに関する懸念がある。 DiCEドライバはクエリをプロキシとして解析し、これらのクエリを暗号化する。 これにより、暗号化されていないデータベースのようなリレーショナルパフォーマンスで、クラウド内の暗号化されたデータベースで多くのクエリを実行することができる。
  論文  参考訳（メタデータ） (2023-10-09T13:33:59Z)
• Can LLM Already Serve as A Database Interface? A BIg Bench for Large-Scale Database Grounded Text-to-SQLs [89.68522473384522]
  テキストから効率のよいタスクをベースとした大規模データベースのための大規模なベンチマークであるBirdを紹介します。 データベースの値に重点を置いていると、汚いデータベースコンテンツに対する新たな課題が浮き彫りになる。 最も効果的なテキストから効率のよいモデルであるChatGPTでさえ、実行精度はわずか40.08%である。
  論文  参考訳（メタデータ） (2023-05-04T19:02:29Z)
• A Quantum-based Database Query Scheme for Privacy Preservation in Cloud Environment [7.331387596311974]
  プライバシ保存データベースクエリにより、ユーザは、クエリされたデータアイテムの情報を公開することなく、クラウドデータベースからデータアイテムを検索できる。 データベースのデータ項目はすべて、サーバのプライバシを保護するために、異なるキーによって暗号化される。 2つのオラクル操作、修正されたGroverイテレーション、特別なオフセット暗号化機構が組み合わされ、クライアントが望ましいデータアイテムを正しくクエリできることが保証される。
  論文  参考訳（メタデータ） (2020-02-01T11:14:38Z)

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。