論文の概要: A Multi-Server Information-Sharing Environment for Cross-Party Collaboration on A Private Cloud
- arxiv url: http://arxiv.org/abs/2411.13580v1
- Date: Fri, 15 Nov 2024 14:37:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-22 15:17:31.428109
- Title: A Multi-Server Information-Sharing Environment for Cross-Party Collaboration on A Private Cloud
- Title（参考訳）: プライベートクラウド上でのクロスパーティコラボレーションのためのマルチサーバ情報共有環境
- Authors: Jianping Zhang, Qiang Liu, Zhenzhong Hu, Jiarui Lin, Fangqiang Yu,
- Abstract要約: 本研究では,相互運用と相互運用の課題に対処するため,プライベートクラウド上でのマルチサーバ情報共有手法を提案する。
提案されたアプローチは、サードパーティのデータ共有とコラボレーションをサポートしながら、データのオーナシップとプライバシを維持するために実現可能である。
- 参考スコア（独自算出の注目度）: 7.2185245541022045
- License:
- Abstract: Interoperability remains the key problem in multi-discipline collaboration based on building information modeling (BIM). Although various methods have been proposed to solve the technical issues of interoperability, such as data sharing and data consistency; organizational issues, including data ownership and data privacy, remain unresolved to date. These organizational issues prevent different stakeholders from sharing their data due to concerns regarding losing control of the data. This study proposes a multi-server information-sharing approach on a private cloud after analyzing the requirements for cross-party collaboration to address the aforementioned issues and prepare for massive data handling in the near future. This approach adopts a global controller to track the location, ownership and privacy of the data, which are stored in different servers that are controlled by different parties. Furthermore, data consistency conventions, parallel sub-model extraction, and sub-model integration with model verification are investigated in depth to support information sharing in a distributed environment and to maintain data consistency. Thus, with this approach, the ownership and privacy of the data can be controlled by its owner while still enabling certain required data to be shared with other parties. Application of the multi-server approach for information interoperability and cross-party collaboration is illustrated using a real construction project of an airport terminal. Validation shows that the proposed approach is feasible for maintaining the ownership and privacy of the data while supporting cross-party data sharing and collaboration at the same time, thus avoiding possible legal problems regarding data copyrights or other legal issues.
- Abstract（参考訳）: 相互運用性は、ビルディング情報モデリング(BIM)に基づく多分野共同作業における重要な問題である。
データ共有やデータの一貫性といった相互運用性の技術的な問題を解決するための様々な方法が提案されているが、データの所有権やデータのプライバシといった組織的な問題は、現在も未解決のままである。
これらの組織的な問題は、データのコントロールを失うという懸念から、さまざまな利害関係者がデータの共有を妨げます。
本研究では,これらの課題に対処し,近い将来に大規模データ処理の準備を行うために,複数サーバ間のコラボレーションの要件を分析した上で,プライベートクラウド上でのマルチサーバ情報共有アプローチを提案する。
このアプローチでは、データの位置、オーナシップ、プライバシを追跡するために、グローバルコントローラを採用しています。
さらに、分散環境での情報共有を支援し、データの一貫性を維持するために、データ一貫性規約、並列サブモデル抽出、およびモデル検証とのサブモデル統合について深く検討した。
したがって、このアプローチにより、データの所有権とプライバシは所有者によってコントロールされると同時に、必要なデータを他の当事者と共有することが可能になる。
空港ターミナルの実際の建設プロジェクトを用いて,複数サーバによる情報相互運用と相互協力を図示した。
検証によって、提案手法はデータの所有権とプライバシを維持すると同時に、サードパーティ間のデータ共有とコラボレーションを同時にサポートし、データ著作権やその他の法的問題に関する法的問題を回避することが可能であることを示している。
関連論文リスト
- Towards Personal Data Sharing Autonomy:A Task-driven Data Capsule Sharing System [5.076862984714449]
本稿では、個人データ共有自律性を実現するためのデータカプセルパラダイムに基づくタスク駆動型個人データ共有システムを提案する。
具体的には,データカプセルを独立かつセキュアな個人データストレージと共有のための最小単位とする,タンパー抵抗型データカプセルカプセルカプセル化法を提案する。
論文 参考訳（メタデータ） (2024-09-27T05:13:33Z) - CaPS: Collaborative and Private Synthetic Data Generation from Distributed Sources [5.898893619901382]
分散データホルダから合成データの協調的かつプライベートな生成のためのフレームワークを提案する。
我々は信頼されたアグリゲータをセキュアなマルチパーティ計算プロトコルに置き換え、差分プライバシー(DP)を介してプライバシを出力する。
MWEM+PGMおよびAIMの最先端選択測度生成アルゴリズムに対するアプローチの適用性とスケーラビリティを実証する。
論文 参考訳（メタデータ） (2024-02-13T17:26:32Z) - A Unified View of Differentially Private Deep Generative Modeling [60.72161965018005]
プライバシー上の懸念のあるデータには、データアクセスとデータ共有を頻繁に禁止する厳格な規制が伴う。
これらの障害を克服することは、プライバシーに敏感なデータを含む多くの現実世界のアプリケーションシナリオにおいて、技術的進歩の鍵となる。
差分的プライベート(DP)データパブリッシングは、データの衛生化された形式のみを公開する、魅力的なソリューションを提供する。
論文 参考訳（メタデータ） (2023-09-27T14:38:16Z) - Collaborative Mean Estimation over Intermittently Connected Networks
with Peer-To-Peer Privacy [86.61829236732744]
本研究は、断続接続を有するネットワーク上での分散平均推定(DME)の問題について考察する。
目標は、中央サーバの助けを借りて、分散ノード間でローカライズされたデータサンプルに関するグローバル統計を学習することだ。
ノード間のデータ共有による協調中継とプライバシー漏洩のトレードオフについて検討する。
論文 参考訳（メタデータ） (2023-02-28T19:17:03Z) - Privacy-Preserving Joint Edge Association and Power Optimization for the
Internet of Vehicles via Federated Multi-Agent Reinforcement Learning [74.53077322713548]
プライバシ保護型共同エッジアソシエーションと電力配分問題について検討する。
提案されたソリューションは、最先端のソリューションよりも高いプライバシレベルを維持しながら、魅力的なトレードオフにぶつかる。
論文 参考訳（メタデータ） (2023-01-26T10:09:23Z) - Efficient User-Centric Privacy-Friendly and Flexible Wearable Data Aggregation and Sharing [9.532148238768213]
ウェアラブルデバイスは個人や一般大衆にサービスを提供することができる。
クラウドプロバイダが収集するウェアラブルデータは、プライバシのリスクを引き起こす可能性がある。
我々は,SAMAという新しい,効率的で,ユーザ中心で,プライバシーに配慮した,フレキシブルなデータアグリゲーションと共有方式を提案する。
論文 参考訳（メタデータ） (2022-03-01T13:51:52Z) - Mitigating Leakage from Data Dependent Communications in Decentralized
Computing using Differential Privacy [1.911678487931003]
本稿では,ユーザ側分散計算における通信データ依存性を制御する汎用実行モデルを提案する。
私たちの公式なプライバシー保証は、シャッフルによるプライバシーの増幅に関する最近の結果を活用し、拡張します。
論文 参考訳（メタデータ） (2021-12-23T08:30:17Z) - Distributed Machine Learning and the Semblance of Trust [66.1227776348216]
フェデレートラーニング(FL)により、データ所有者はデータを共有することなく、データガバナンスを維持し、モデルトレーニングをローカルで行うことができる。
FLと関連する技術は、しばしばプライバシー保護と表現される。
この用語が適切でない理由を説明し、プライバシの形式的定義を念頭に設計されていないプロトコルに対する過度な信頼に関連するリスクを概説する。
論文 参考訳（メタデータ） (2021-12-21T08:44:05Z) - Data Sharing Markets [95.13209326119153]
我々は、各エージェントがデータの買い手および売り手の両方になり得る設定について検討する。
両データ交換(データ付きトレーディングデータ)と一方データ交換(お金付きトレーディングデータ)の2つの事例を考察する。
論文 参考訳（メタデータ） (2021-07-19T06:00:34Z) - 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) - A Critical Overview of Privacy-Preserving Approaches for Collaborative
Forecasting [0.0]
異なるデータ所有者間の協力は、予測品質の改善につながる可能性がある。
ビジネス上の競争要因と個人データ保護の問題から、データ所有者はデータの共有を望まないかもしれない。
本稿では、現状を解析し、データプライバシを保証する既存の方法の欠点をいくつか明らかにする。
論文 参考訳（メタデータ） (2020-04-20T20:21:04Z)
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。