論文の概要: Exploring Privacy and Security as Drivers for Environmental Sustainability in Cloud-Based Office Solutions

• arxiv url: http://arxiv.org/abs/2506.23866v2
• Date: Wed, 02 Jul 2025 13:40:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-03 12:13:55.547551
• Title: Exploring Privacy and Security as Drivers for Environmental Sustainability in Cloud-Based Office Solutions
• Title（参考訳）: クラウドベースのオフィスソリューションにおける環境サステナビリティのためのドライバとしてのプライバシとセキュリティの探求
• Authors: Jason Kayembe, Iness Ben Guirat, Jan Tobias Mühlberg,
• Abstract要約: 本稿では,クラウドベースのオフィスソリューションにおけるプライバシ,セキュリティ,環境サステナビリティの交わりについて検討する。 プライバシを重視したサービスは、一般的にデータ収集や広告を通じて得られたものよりもエネルギー効率が高いと仮定する。 当社のフレームワークは,プライバシポリシを反映して選択された3つの主流メールサービスに適用する。
• 参考スコア（独自算出の注目度）: 1.3654846342364308
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we explore the intersection of privacy, security, and environmental sustainability in cloud-based office solutions, focusing on quantifying user- and network-side energy use and associated carbon emissions. We hypothesise that privacy-focused services are typically more energy-efficient than those funded through data collection and advertising. To evaluate this, we propose a framework that systematically measures environmental costs based on energy usage and network data traffic during well-defined, automated usage scenarios. To test our hypothesis, we first analyse how underlying architectures and business models, such as monetisation through personalised advertising, contribute to the environmental footprint of these services. We then explore existing methodologies and tools for software environmental impact assessment. We apply our framework to three mainstream email services selected to reflect different privacy policies, from ad-supported tracking-intensive models to privacy-focused designs: Microsoft Outlook, Google Mail (Gmail), and Proton Mail. We extend this comparison to a self-hosted email solution, evaluated with and without end-to-end encryption. We show that the self-hosted solution, even with 14% of device energy and 15% of emissions overheads from PGP encryption, remains the most energy-efficient, saving up to 33% of emissions per session compared to Gmail. Among commercial providers, Proton Mail is the most efficient, saving up to 0.1 gCO2 e per session compared to Outlook, whose emissions can be further reduced by 2% through ad-blocking.
• Abstract（参考訳）: 本稿では,クラウドベースのオフィスソリューションにおけるプライバシ,セキュリティ,環境サステナビリティの交差を考察し,ユーザとネットワーク側のエネルギー利用と関連する二酸化炭素排出量の定量化に焦点をあてる。 プライバシを重視したサービスは、一般的にデータ収集や広告を通じて得られたものよりもエネルギー効率が高いと仮定する。 これを評価するために,エネルギー利用量とネットワークデータトラフィックに基づいて,適切に定義された自動利用シナリオにおいて,環境コストを体系的に測定するフレームワークを提案する。 仮説を検証するために、まず、パーソナライズされた広告による収益化などの基盤となるアーキテクチャやビジネスモデルが、これらのサービスの環境フットプリントにどのように貢献するかを分析する。 次に、ソフトウェア環境影響評価のための既存の方法論とツールについて検討する。 当社のフレームワークは,広告対応のトラッキング集約モデルからプライバシ重視のデザイン,すなわちMicrosoft Outlook, Google Mail (Gmail), Proton Mailに至るまで,さまざまなプライバシポリシを反映して選択された3つの主流メールサービスに適用します。 我々はこの比較を、エンドツーエンドの暗号化で評価された自己ホスト型電子メールソリューションに拡張する。 この自己ホスト型ソリューションは、デバイスエネルギーの14%、PGP暗号化によるエミッションオーバーヘッドの15%であっても、最もエネルギー効率が良く、Gmailと比較してセッション当たりのエミッションの最大33%を節約できる。 商用プロバイダの中では、Proton Mailが最も効率的で、1セッションあたり0.1gCO2 eまで節約できる。

関連論文リスト

• MAIZX: A Carbon-Aware Framework for Optimizing Cloud Computing Emissions [0.7127829790714169]
  クラウドコンピューティングは、高エネルギー消費と二酸化炭素排出量のために、重大な環境問題を引き起こす。 データセンターは世界のエネルギー消費の2-4%を占めており、ICT部門の電力消費のシェアは2040年までに40%に達すると予測されている。 本研究では,クラウド操作の最適化と炭素フットプリント削減を目的としたMAIZXフレームワークの評価を行った。
  論文  参考訳（メタデータ） (2025-06-24T19:40:09Z)
• PWC-MoE: Privacy-Aware Wireless Collaborative Mixture of Experts [59.5243730853157]
  クラウドサーバにホストされる大規模言語モデル(LLM)は、ローカルデバイス上の計算とストレージの負担を軽減するが、プライバシの懸念を高める。 小規模言語モデル(SLM)は、ローカルで実行されるためプライバシーが向上するが、複雑なタスクではパフォーマンスが制限される。 帯域幅制約下での計算コスト,性能,プライバシ保護のバランスをとるために,プライバシを意識したPWC-MoE(PWC-MoE)フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-05-13T16:27:07Z)
• Exploring Privacy and Security as Drivers for Environmental Sustainability in Cloud-Based Office Solutions (Extended Abstract) [0.0]
  本稿では,クラウドベースのオフィスソリューションにおけるプライバシ,サイバーセキュリティ,環境影響の交わりについて検討する。 プライバシとセキュリティを重視したソリューションは,データ収集や広告を通じて調達したソリューションよりも“グリーン”である,という仮説を立てています。
  論文  参考訳（メタデータ） (2024-11-25T12:36:25Z)
• 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)
• Breaking the Communication-Privacy-Accuracy Tradeoff with $f$-Differential Privacy [51.11280118806893]
  サーバが複数のユーザの協調的なデータ分析を,プライバシの懸念と限られた通信能力で調整する,フェデレートされたデータ分析問題を考える。 有限出力空間を有する離散値機構の局所的差分プライバシー保証を$f$-differential privacy (DP) レンズを用いて検討する。 より具体的には、様々な離散的評価機構の厳密な$f$-DP保証を導出することにより、既存の文献を前進させる。
  論文  参考訳（メタデータ） (2023-02-19T16:58:53Z)
• Measuring the Carbon Intensity of AI in Cloud Instances [91.28501520271972]
  我々は,ソフトウェアの炭素強度を測定するための枠組みを提供し,運転中の炭素排出量を測定することを提案する。 私たちは、Microsoft Azureクラウドコンピューティングプラットフォームにおける排出削減のための一連のアプローチを評価します。
  論文  参考訳（メタデータ） (2022-06-10T17:04:04Z)
• Intelligent edge-based recommender system for internet of energy applications [2.1874189959020423]
  本稿では,エッジアーキテクチャを用いたホームアシストプラットフォームへのエネルギー効率フレームワークの完全統合について述べる。 エンドユーザは、Home-Assistantユーザインターフェースを使用して、その消費パターンと環境データを視覚化することができる。 より注目すべきは、説明可能な省エネレコメンデーションが、モバイルアプリケーション経由で通知形式でエンドユーザに配信されることだ。
  論文  参考訳（メタデータ） (2021-11-25T23:28:14Z)
• Learning, Computing, and Trustworthiness in Intelligent IoT Environments: Performance-Energy Tradeoffs [62.91362897985057]
  Intelligent IoT Environment(iIoTe)は、半自律IoTアプリケーションを協調実行可能な異種デバイスで構成されている。 本稿では,これらの技術の現状を概観し,その機能と性能,特にリソース,レイテンシ,プライバシ,エネルギー消費のトレードオフに注目した。
  論文  参考訳（メタデータ） (2021-10-04T19:41:42Z)
• Privacy Protection of Grid Users Data with Blockchain and Adversarial Machine Learning [0.8029049649310213]
  世界中のユーティリティーは、今後数年間に3億以上のスマートメーターを設置するために合計で約300億ドルを投資すると報告されている。 国全体の展開により、13億近いスマートメーターが配置されます。 きめ細かいエネルギー使用量データ収集に関連するこれらのすべての特典は、ユーザーのプライバシーを脅かす。 本研究は、スマートメーターから収集した消費者のエネルギー利用データに対するプライバシー侵害について論じる。
  論文  参考訳（メタデータ） (2021-01-15T21:54:55Z)
• Multi-Agent Meta-Reinforcement Learning for Self-Powered and Sustainable Edge Computing Systems [87.4519172058185]
  エッジコンピューティング機能を有するセルフパワー無線ネットワークの効率的なエネルギー分配機構について検討した。 定式化問題を解くために,新しいマルチエージェントメタ強化学習(MAMRL)フレームワークを提案する。 実験の結果、提案されたMAMRLモデルは、再生不可能なエネルギー使用量を最大11%削減し、エネルギーコストを22.4%削減できることが示された。
  論文  参考訳（メタデータ） (2020-02-20T04:58:07Z)

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。