論文の概要: Noise-Resilient Homomorphic Encryption: A Framework for Secure Data Processing in Health care Domain
- arxiv url: http://arxiv.org/abs/2412.11474v1
- Date: Mon, 16 Dec 2024 06:26:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-17 13:53:39.037528
- Title: Noise-Resilient Homomorphic Encryption: A Framework for Secure Data Processing in Health care Domain
- Title（参考訳）: 耐雑音性均質暗号化:医療領域におけるセキュアなデータ処理のためのフレームワーク
- Authors: B. Shuriya, S. Vimal Kumar, K. Bagyalakshmi,
- Abstract要約: ホモモルフィック・インテグリティ・モデル(HIM)は、暗号化されたデータ処理におけるセキュリティ、効率、信頼性を高めるために設計された。
復号化機構により、複雑な同型計算によって得られたデータが有効で信頼性が高いことが保証される。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: In this paper, we introduce the Fully Homomorphic Integrity Model (HIM), a novel approach designed to enhance security, efficiency, and reliability in encrypted data processing, primarily within the health care industry. HIM addresses the key challenges that noise accumulation, computational overheads, and data integrity pose during homomorphic operations. Our contribution of HIM: advances in noise management through the rational number adjustment; key generation based on personalized prime numbers; and time complexity analysis details for key operations. In HIM, some additional mechanisms were introduced, including robust mechanisms of decryption. Indeed, the decryption mechanism ensures that the data recovered upon doing complex homomorphic computation will be valid and reliable. The healthcare id model is tested, and it supports real-time processing of data with privacy maintained concerning patients. It supports analytics and decision-making processes without any compromise on the integrity of information concerning patients. Output HIM promotes the efficiency of encryption to a greater extent as it reduces the encryption time up to 35ms and decryption time up to 140ms, which is better when compared to other models in the existence. Ciphertext size also becomes the smallest one, which is 4KB. Our experiments confirm that HIM is indeed a very efficient and secure privacy-preserving solution for healthcare applications
- Abstract（参考訳）: 本稿では、主に医療業界において、暗号化されたデータ処理におけるセキュリティ、効率、信頼性を高めるために設計された新しいアプローチであるFully Homomorphic Integrity Model(HIM)を紹介する。
HIMは、ノイズの蓄積、計算オーバーヘッド、データ整合性といった重要な課題に対処する。
HIMの貢献は、有理数調整による騒音管理の進歩、パーソナライズされた素数に基づく鍵生成、キー操作の時間複雑性解析の詳細である。
HIMでは、復号化の堅牢なメカニズムを含むいくつかの追加のメカニズムが導入された。
実際、復号化機構により、複雑な同型計算によって得られたデータが有効で信頼性が高いことが保証される。
医療IDモデルがテストされ、患者のプライバシーを維持したデータのリアルタイム処理をサポートする。
患者に関する情報の整合性について妥協することなく、分析と意思決定プロセスをサポートする。
出力HIMは、暗号化時間を最大35ms、復号化時間を最大140msに短縮するため、暗号化の効率を更に向上させる。
暗号文のサイズも4KBの最小サイズになる。
我々の実験は、HIMが医療アプリケーションにとって非常に効率的でセキュアなプライバシ保護ソリューションであることを確認した。
関連論文リスト
- Cryptanalysis via Machine Learning Based Information Theoretic Metrics [58.96805474751668]
本稿では,機械学習アルゴリズムの新たな2つの応用法を提案する。
これらのアルゴリズムは、監査設定で容易に適用でき、暗号システムの堅牢性を評価することができる。
本稿では,DES,RSA,AES ECBなど,IND-CPAの安全でない暗号化スキームを高精度に識別する。
論文 参考訳（メタデータ） (2025-01-25T04:53:36Z) - 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) - DataSeal: Ensuring the Verifiability of Private Computation on Encrypted Data [14.21750921409931]
我々は,アルゴリズムベースのフォールトトレランス(ABFT)手法の低オーバーヘッドと完全同型暗号化(FHE)の秘密性を組み合わせたDataSealを紹介する。
DataSealは、MAC、ZKP、TEEを含む他の技術よりも、FHEの計算検証性を提供するためのオーバーヘッドをはるかに少なくする。
論文 参考訳（メタデータ） (2024-10-19T21:19:39Z) - At Least Factor-of-Two Optimization for RWLE-Based Homomorphic Encryption [0.0]
ホモモルフィック暗号化(HE)は、復号化を必要とせずに、暗号化データの特定の操作をサポートする。
HEスキームには、データ集約的なワークロードを妨げるような、非自明な計算オーバーヘッドが伴います。
我々は、Zincと呼ぶ暗号化方式を提案し、複数のキャッシュ処理を禁止し、単一のスカラー加算で置き換える。
論文 参考訳（メタデータ） (2024-08-14T05:42:35Z) - Speed-up of Data Analysis with Kernel Trick in Encrypted Domain [2.592307869002029]
ホモモルフィック暗号化(HE)は、プライバシ保護データ分析において重要な暗号化データに対するセキュアな計算に重要である。
本稿では,暗号ドメイン内のML/STATアルゴリズムの時間性能を向上させるため,HE方式のカーネル手法を用いた効果的な高速化手法を提案する。
論文 参考訳（メタデータ） (2024-06-14T04:49:40Z) - SOCI^+: An Enhanced Toolkit for Secure OutsourcedComputation on Integers [50.608828039206365]
本稿では,SOCIの性能を大幅に向上させるSOCI+を提案する。
SOCI+は、暗号プリミティブとして、高速な暗号化と復号化を備えた(2, 2)ホールドのPaillier暗号システムを採用している。
実験の結果,SOCI+は計算効率が最大5.4倍,通信オーバヘッドが40%少ないことがわかった。
論文 参考訳（メタデータ） (2023-09-27T05:19:32Z) - 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) - Reinforcement Learning on Encrypted Data [58.39270571778521]
本稿では,DQNエージェントが,離散的かつ連続的な状態空間を持つ環境でどのように動作するかを予備的,実験的に検討する。
その結果,非決定論的暗号が存在する場合でも,エージェントは依然として小さな状態空間で学習することができるが,より複雑な環境では性能が低下することがわかった。
論文 参考訳（メタデータ） (2021-09-16T21:59:37Z) - Faster Secure Data Mining via Distributed Homomorphic Encryption [108.77460689459247]
ホモモルフィック暗号化(HE)は、最近、暗号化されたフィールド上で計算を行う能力により、ますます注目を集めている。
本稿では,スケーリング問題の解決に向けて,新しい分散HEベースのデータマイニングフレームワークを提案する。
各種データマイニングアルゴリズムとベンチマークデータセットを用いて,新しいフレームワークの有効性と有効性を検証する。
論文 参考訳（メタデータ） (2020-06-17T18:14:30Z) - Cryptotree: fast and accurate predictions on encrypted structured data [0.0]
ホモモルフィック暗号化(HE)は、入力と出力の両方が暗号化される暗号化データ上での計算を可能にする能力で認められている。
線形回帰と比較して非常に強力な学習手法であるランダムフォレスト(RF)の利用を可能にするフレームワークであるCryptotreeを提案する。
論文 参考訳（メタデータ） (2020-06-15T11:48:01Z) - 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。