論文の概要: Trinity: A Scalable and Forward-Secure DSSE for Spatio-Temporal Range Query

• arxiv url: http://arxiv.org/abs/2502.11550v1
• Date: Mon, 17 Feb 2025 08:30:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-18 14:08:06.182548
• Title: Trinity: A Scalable and Forward-Secure DSSE for Spatio-Temporal Range Query
• Title（参考訳）: Trinity: 時空間クエリのためのスケーラブルでフォワードセキュアなDSSE
• Authors: Zhijun Li, Kuizhi Liu, Minghui Xu, Xiangyu Wang, Yinbin Miao, Jianfeng Ma, Xiuzhen Cheng,
• Abstract要約: TrinityIIはストレージ要求を80%削減する。 TrinityIIは、わずか0.01秒で100万レコードレベルでのデータ検索を可能にする。
• 参考スコア（独自算出の注目度）: 24.75764509364398
• License:
• Abstract: Cloud-based outsourced Location-based services have profound impacts on various aspects of people's lives but bring security concerns. Existing spatio-temporal data secure retrieval schemes have significant shortcomings regarding dynamic updates, either compromising privacy through leakage during updates (forward insecurity) or incurring excessively high update costs that hinder practical application. Under these circumstances, we first propose a basic filter-based spatio-temporal range query scheme \TrinityI that supports low-cost dynamic updates and automatic expansion. Furthermore, to improve security, reduce storage cost, and false positives, we propose a forward secure and verifiable scheme \TrinityII that simultaneously minimizes storage overhead. A formal security analysis proves that \TrinityI and \TrinityII are Indistinguishable under Selective Chosen-Plaintext Attack (IND-SCPA). Finally, extensive experiments demonstrate that our design \TrinityII significantly reduces storage requirements by 80\%, enables data retrieval at the 1 million-record level in just 0.01 seconds, and achieves 10 $\times$ update efficiency than state-of-art.
• Abstract（参考訳）: クラウドベースのアウトソースのロケーションベースのサービスは、人々の生活のさまざまな側面に大きな影響を与えますが、セキュリティ上の懸念をもたらします。 既存の時空間データセキュアな検索スキームは、動的更新に関して重大な欠点がある。更新中のリーク(前向きのセキュリティ)によるプライバシの妥協や、実用的なアプリケーションを妨げる過度に高い更新コストが発生する。 このような状況下で,我々はまず,低コストな動的更新と自動拡張をサポートする基本的フィルタベース時空間探索方式 \TrinityI を提案する。 さらに,セキュリティの向上,ストレージコストの削減,偽陽性の防止のために,ストレージオーバーヘッドを同時に最小化するフォワードセキュアかつ検証可能なスキーム \TrinityIIを提案する。 公式なセキュリティ分析によると、 \TrinityI と \TrinityII は選択的長文攻撃 (IND-SCPA) の下で区別できない。 最後に、我々の設計であるTrinityIIは、ストレージ要求を80倍に削減し、100万レコードレベルのデータ検索をわずか0.01秒で実現し、最先端技術よりも10$\times$アップデート効率を実現していることを示す。

関連論文リスト

• LATTEO: A Framework to Support Learning Asynchronously Tempered with Trusted Execution and Obfuscation [6.691450146654845]
  本稿では,ネットワークエッジにおける非同期FLアグリゲーションをセキュアにするための,勾配難読化機構とTEE(Trusted Execution Environments)を組み合わせたプライバシー保護フレームワークを提案する。 我々のメカニズムは、クライアントが暗黙的にTEEベースのアグリゲーションサービスを確認し、オンデマンドのクライアント参加を効果的に処理し、非同期接続の増加とともにシームレスにスケールできるようにする。
  論文  参考訳（メタデータ） (2025-02-07T01:21:37Z)
• Towards Robust Stability Prediction in Smart Grids: GAN-based Approach under Data Constraints and Adversarial Challenges [53.2306792009435]
  本稿では,安定したデータのみを用いて,スマートグリッドの不安定性を検出する新しいフレームワークを提案する。 ジェネレータはGAN(Generative Adversarial Network)に依存しており、ジェネレータは不安定なデータを生成するために訓練される。 我々の解は、実世界の安定と不安定なサンプルからなるデータセットでテストされ、格子安定性の予測において最大97.5%、敵攻撃の検出において最大98.9%の精度を達成する。
  論文  参考訳（メタデータ） (2025-01-27T20:48:25Z)
• Quantized Delta Weight Is Safety Keeper [22.093981603286466]
  微調整言語モデルは、さまざまなドメインにまたがるカスタマイズされたアプリケーションを可能にする。 微調整は、アライメント問題、バックドア攻撃、幻覚などのセキュリティ脆弱性を導入することができる。 本稿では, 部分圧縮により, 実用性を損なう微調整型攻撃に対するモデルセキュリティが向上することを示す。
  論文  参考訳（メタデータ） (2024-11-29T08:05:50Z)
• Digital Twin-Assisted Data-Driven Optimization for Reliable Edge Caching in Wireless Networks [60.54852710216738]
  我々はD-RECと呼ばれる新しいデジタルツインアシスト最適化フレームワークを導入し、次世代無線ネットワークにおける信頼性の高いキャッシュを実現する。 信頼性モジュールを制約付き決定プロセスに組み込むことで、D-RECは、有利な制約に従うために、アクション、報酬、状態を適応的に調整することができる。
  論文  参考訳（メタデータ） (2024-06-29T02:40:28Z)
• ASCENT: Amplifying Power Side-Channel Resilience via Learning & Monte-Carlo Tree Search [19.22091270437206]
  パワーサイドチャネル (PSC) 解析は、暗号ハードウェアのセキュア化に重要である。 以前の技術は、チップ設計自動化から得られたゲートレベルのネットリストの確保に重点を置いていた。 我々は,PSC対策の全体的レジリエンスを高めるため,論理段階を改良する"セキュリティファースト"アプローチを提案する。
  論文  参考訳（メタデータ） (2024-06-27T22:01:00Z)
• Assessing the Brittleness of Safety Alignment via Pruning and Low-Rank Modifications [69.13807233595455]
  大きな言語モデル(LLM)は、その安全性メカニズムに固有の脆さを示す。 本研究では, プルーニングと低ランク改造を利用した安全アライメントの脆性について検討した。 安全クリティカル領域への変更が制限された場合でも,LSMは低コストの微調整攻撃に対して脆弱であることを示す。
  論文  参考訳（メタデータ） (2024-02-07T18:34:38Z)
• Risk-optimized Outlier Removal for Robust 3D Point Cloud Classification [54.286437930350445]
  本稿では,各種ノイズによる点雲分類の課題について述べる。 本稿では,下流分類モデルのパワーを生かした革新的なポイントアウトリア浄化手法を提案する。 提案手法は, 多様な点雲の異常値を頑健にフィルタするだけでなく, 既存の点雲分類手法を大幅に強化する。
  論文  参考訳（メタデータ） (2023-07-20T13:47:30Z)
• SaFormer: A Conditional Sequence Modeling Approach to Offline Safe Reinforcement Learning [64.33956692265419]
  オフラインセーフなRLは、現実世界のアプリケーションにエージェントをデプロイする上で、非常に実用的な関連性を持っています。 そこで我々は,SaFormerと呼ばれる新しいオフラインセーフなRLアプローチを提案する。
  論文  参考訳（メタデータ） (2023-01-28T13:57:01Z)
• FedDef: Defense Against Gradient Leakage in Federated Learning-based Network Intrusion Detection Systems [15.39058389031301]
  FLベースのNIDS向けに設計された2つのプライバシ評価指標を提案する。 提案するFedDefは,理論的保証を備えた新しい最適化型入力摂動防御戦略である。 4つのデータセットに対する4つの既存の防御を実験的に評価し、プライバシ保護の観点から、我々の防衛がすべてのベースラインを上回っていることを示す。
  論文  参考訳（メタデータ） (2022-10-08T15:23:30Z)
• A Privacy-Preserving-Oriented DNN Pruning and Mobile Acceleration Framework [56.57225686288006]
  モバイルエッジデバイスの限られたストレージとコンピューティング能力を満たすために、ディープニューラルネットワーク(DNN)の軽量プルーニングが提案されている。 従来のプルーニング手法は主に、ユーザデータのプライバシを考慮せずに、モデルのサイズを減らしたり、パフォーマンスを向上させることに重点を置いていた。 プライベートトレーニングデータセットを必要としないプライバシ保護指向のプルーニングおよびモバイルアクセラレーションフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-03-13T23:52:03Z)

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。