論文の概要: Verifiable, Efficient and Confidentiality-Preserving Graph Search with Transparency

• arxiv url: http://arxiv.org/abs/2503.10171v1
• Date: Thu, 13 Mar 2025 08:53:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-14 15:50:31.362360
• Title: Verifiable, Efficient and Confidentiality-Preserving Graph Search with Transparency
• Title（参考訳）: 透明性のあるグラフ検索の信頼性と信頼性の検証
• Authors: Qiuhao Wang, Xu Yang, Yiwei Liu, Saiyu Qi, Hongguang Zhao, Ke Li, Yong Qi,
• Abstract要約: PeGraphは、プライバシーの漏洩に対処するため、ソーシャルグラフ上で暗号化された検索を実現する最新のスキームだ。 透明な検索機能を提供しておらず、高価な計算と結果パターンのリークに悩まされている。 最初の2つの制限に対処するためにSecGraphを提案し、新しいシステムアーキテクチャを採用した。
• 参考スコア（独自算出の注目度）: 16.64649629947436
• License:
• Abstract: Graph databases have garnered extensive attention and research due to their ability to manage relationships between entities efficiently. Today, many graph search services have been outsourced to a third-party server to facilitate storage and computational support. Nevertheless, the outsourcing paradigm may invade the privacy of graphs. PeGraph is the latest scheme achieving encrypted search over social graphs to address the privacy leakage, which maintains two data structures XSet and TSet motivated by the OXT technology to support encrypted conjunctive search. However, PeGraph still exhibits limitations inherent to the underlying OXT. It does not provide transparent search capabilities, suffers from expensive computation and result pattern leakages, and it fails to support search over dynamic encrypted graph database and results verification. In this paper, we propose SecGraph to address the first two limitations, which adopts a novel system architecture that leverages an SGX-enabled cloud server to provide users with secure and transparent search services since the secret key protection and computational overhead have been offloaded to the cloud server. Besides, we design an LDCF-encoded XSet based on the Logarithmic Dynamic Cuckoo Filter to facilitate efficient plaintext computation in trusted memory, effectively mitigating the risks of result pattern leakage and performance degradation due to exceeding the limited trusted memory capacity. Finally, we design a new dynamic version of TSet named Twin-TSet to enable conjunctive search over dynamic encrypted graph database. In order to support verifiable search, we further propose VSecGraph, which utilizes a procedure-oriented verification method to verify all data structures loaded into the trusted memory, thus bypassing the computational overhead associated with the client's local verification.
• Abstract（参考訳）: グラフデータベースは、エンティティ間の関係を効率的に管理する能力のために、幅広い注目を集め、研究している。 今日、多くのグラフ検索サービスが、ストレージと計算サポートを容易にするために、サードパーティサーバーにアウトソースされている。 それでも、アウトソーシングパラダイムはグラフのプライバシに侵入する可能性がある。 PeGraphは、ソーシャルグラフ上で暗号化された検索を達成し、プライバシーの漏洩に対処する最新のスキームである。 しかし、PeGraphは基盤となるOXTに固有の制限をまだ示している。 透過的な検索機能を提供しておらず、高価な計算と結果パターンのリークに悩まされており、動的に暗号化されたグラフデータベースの検索と結果の検証をサポートしない。 本稿では,SGX対応クラウドサーバを利用した新しいシステムアーキテクチャを採用し,秘密鍵保護と計算オーバーヘッドがクラウドサーバにオフロードされているため,ユーザに対してセキュアで透過的な検索サービスを提供するSecGraphを提案する。 LDCFを符号化したXSetを設計し、信頼性メモリにおける効率的な平文計算を容易にし、信頼性メモリ容量の制限を超える結果パターンリークや性能劣化のリスクを効果的に軽減する。 最後に、動的暗号化グラフデータベース上での共役探索を可能にするために、Twin-TSetと呼ばれるTSetの新しい動的バージョンを設計する。 さらに,検証可能な検索を支援するために,信頼メモリにロードされたすべてのデータ構造を検証する手順指向の検証手法であるVSecGraphを提案し,クライアントのローカル検証に関連する計算オーバーヘッドを回避した。

関連論文リスト

• HOPE: Homomorphic Order-Preserving Encryption for Outsourced Databases -- A Stateless Approach [1.1701842638497677]
  Homomorphic OPE(Homomorphic OPE)は、クライアント側のストレージを排除し、クエリ実行中に追加のクライアントサーバ間のインタラクションを回避する新しいOPEスキームである。 我々は、広く受け入れられているIND-OCPAモデルの下で、HOPEの正式な暗号解析を行い、その安全性を証明した。
  論文  参考訳（メタデータ） (2024-11-26T00:38:46Z)
• Towards Lightweight Graph Neural Network Search with Curriculum Graph Sparsification [48.334100429553644]
  本稿では,有意義なグラフデータを通じて重要なサブアーキテクチャを識別する結合グラフデータとアーキテクチャ機構を設計することを提案する。 最適軽量グラフニューラルネット(GNN)を探索するために,グラフスペーシングとネットワーク・プルーニング(GASSIP)法を用いた軽量グラフニューラル・アーキテクチャ・サーチを提案する。 本手法は,探索したGNNとスペーサーグラフのモデルパラメータを半分以下にすることで,オンパーあるいはそれ以上高いノード分類性能を実現する。
  論文  参考訳（メタデータ） (2024-06-24T06:53:37Z)
• A Privacy-Preserving Graph Encryption Scheme Based on Oblivious RAM [0.0]
  本稿では,アクセスパターンとクエリパターンの漏洩を緩和する新しいグラフ暗号化手法を提案する。 提案手法は,(1)暗号化されたグラフで表現された敵が,基盤となるグラフに関する情報に従わないことを保証し,(2)アクセスパターンを隠蔽して問合せ不能を解消する,という2つのキーとなるセキュリティ目標を定めている。
  論文  参考訳（メタデータ） (2024-05-29T16:47:38Z)
• SecGraph: Towards SGX-based Efficient and Confidentiality-Preserving Graph Search [13.00839243715644]
  本稿では,SGXに基づくグラフ検索方式SecGraphを提案する。 SecGraphの検索時間はPeGraphと比較して最大208倍向上した。
  論文  参考訳（メタデータ） (2024-03-28T16:06:13Z)
• Communication-Efficient Graph Neural Networks with Probabilistic Neighborhood Expansion Analysis and Caching [59.8522166385372]
  大規模グラフ上でのグラフニューラルネットワーク(GNN)のトレーニングと推論は、GNNの登場以来活発に研究されている。 本稿では,分散環境におけるノードワイドサンプリングを用いたGNNによるミニバッチ学習と推論について述べる。 分割された特徴データを扱うために,従来のSALIENTシステムを拡張したSALIENT++を提案する。
  論文  参考訳（メタデータ） (2023-05-04T21:04:01Z)
• Automatic Relation-aware Graph Network Proliferation [182.30735195376792]
  GNNを効率的に検索するためのARGNP(Automatic Relation-Aware Graph Network Proliferation)を提案する。 これらの操作は階層的なノード/リレーショナル情報を抽出し、グラフ上のメッセージパッシングのための異方的ガイダンスを提供する。 4つのグラフ学習タスクのための6つのデータセットの実験により、我々の手法によって生成されたGNNは、現在最先端の手作りおよび検索に基づくGNNよりも優れていることが示された。
  論文  参考訳（メタデータ） (2022-05-31T10:38:04Z)
• GraphSearchNet: Enhancing GNNs via Capturing Global Dependency for Semantic Code Search [15.687959123626003]
  我々は、効率よく正確なソースコード検索を可能にする新しいニューラルネットワークフレームワーク、GraphSearchNetを設計する。 具体的には、BGGNNを用いてソースコードとクエリを2つのグラフにエンコードし、そのグラフの局所構造情報をキャプチャする。 JavaとPythonのデータセットでの実験は、GraphSearchNetが現在の最先端の作業よりもかなりのマージンで優れていることを示している。
  論文  参考訳（メタデータ） (2021-11-04T07:38:35Z)
• Deep Fraud Detection on Non-attributed Graph [61.636677596161235]
  グラフニューラルネットワーク(GNN)は不正検出に強い性能を示している。 ラベル付きデータは大規模な産業問題、特に不正検出には不十分である。 よりラベルのないデータを活用するための新しいグラフ事前学習戦略を提案する。
  論文  参考訳（メタデータ） (2021-10-04T03:42:09Z)
• Edge-featured Graph Neural Architecture Search [131.4361207769865]
  最適GNNアーキテクチャを見つけるために,エッジ機能付きグラフニューラルアーキテクチャ探索を提案する。 具体的には、高次表現を学習するためにリッチなエンティティとエッジの更新操作を設計する。 EGNASは、現在最先端の人間設計および検索されたGNNよりも高い性能で、より優れたGNNを検索できることを示す。
  論文  参考訳（メタデータ） (2021-09-03T07:53:18Z)
• NASGEM: Neural Architecture Search via Graph Embedding Method [41.0658375655084]
  グラフ埋め込み法によるニューラルネットワーク探索のためのNASGEMを提案する。 グラフトポロジー情報を取得するための類似度尺度を備えた新しいグラフ埋め込み方式によって駆動される。 分類タスクにおいて、既存の検索手法によって構築されたネットワークを一貫して上回っている。
  論文  参考訳（メタデータ） (2020-07-08T21:58:37Z)
• Weakly Supervised Visual Semantic Parsing [49.69377653925448]
  SGG(Scene Graph Generation)は、画像からエンティティ、述語、それらの意味構造を抽出することを目的としている。 既存のSGGメソッドでは、トレーニングのために何百万もの手動アノテーション付きバウンディングボックスが必要である。 本稿では,ビジュアルセマンティック・パーシング,VSPNet,グラフベースの弱教師付き学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-01-08T03:46:13Z)

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。