論文の概要: Measuring the Carbon Footprint of Cryptographic Privacy-Enhancing Technologies
- arxiv url: http://arxiv.org/abs/2508.04583v1
- Date: Wed, 06 Aug 2025 16:07:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-07 20:09:22.810821
- Title: Measuring the Carbon Footprint of Cryptographic Privacy-Enhancing Technologies
- Title（参考訳）: 暗号化プライバシ・エンハンシング技術のカーボンフットプリントの測定
- Authors: Marc Damie, Mihai Pop, Merijn Posthuma,
- Abstract要約: 5個の暗号PETによるエネルギー消費と炭素フットプリント増加の測定(非私的等価量と比較)
この結果から,HTTPS Webブラウジングの2倍増から暗号化MLの10万倍増まで,炭素フットプリントの変動が顕著に増加したことが判明した。
我々の研究は、意思決定者がそのようなアプリケーションにおけるプライバシーと炭素のトレードオフを評価するのに欠かせないデータを提供する。
- 参考スコア（独自算出の注目度）: 0.7646713951724013
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Privacy-enhancing technologies (PETs) have attracted significant attention in response to privacy regulations, driving the development of applications that prioritize user data protection. At the same time, the information and communication technology (ICT) sector faces growing pressure to reduce its environmental footprint, particularly its carbon emissions. While numerous studies have assessed the energy footprint of various ICT applications, the environmental footprint of cryptographic PETs remains largely unexplored. Our work addresses this gap by proposing a standardized methodology for evaluating the carbon footprint of PETs. To demonstrate this methodology, we focus on PETs supporting client-server applications as they are the simplest to deploy. In particular, we measure the energy consumption and carbon footprint increase induced by five cryptographic PETs (compared to their non-private equivalent): HTTPS web browsing, encrypted machine learning (ML) inference, encrypted ML training, encrypted databases, and encrypted emails. Our findings reveal significant variability in carbon footprint increases, ranging from a twofold increase in HTTPS web browsing to a 100,000-fold increase in encrypted ML. Our study provides essential data to help decision-makers assess privacy-carbon trade-offs in such applications. Finally, we outline key research directions for developing PETs that balance strong privacy protection with environmental sustainability.
- Abstract（参考訳）: プライバシー強化技術(PET)は、プライバシー規制に反応して大きな注目を集め、ユーザーデータ保護を優先するアプリケーションの開発を推進している。
同時に、情報通信技術(ICT)セクターは、特に炭素排出量を削減すべく、環境負荷の増大に直面している。
多くの研究が様々なICTアプリケーションのエネルギーフットプリントを評価しているが、暗号PETの環境フットプリントはほとんど探索されていない。
本研究は,PETの炭素フットプリントを評価するための標準化手法を提案することで,このギャップに対処する。
この方法論を実証するために、デプロイが最も簡単であるため、クライアントサーバアプリケーションをサポートするPETに焦点を当てます。
特に、HTTPSウェブブラウジング、暗号化機械学習(ML)推論、暗号化MLトレーニング、暗号化データベース、暗号化電子メールの5つの暗号化PETによるエネルギー消費と炭素フットプリントの増加を測定する。
この結果から,HTTPS Webブラウジングの2倍増から暗号化MLの10万倍増まで,炭素フットプリントの変動が顕著に増加したことが判明した。
我々の研究は、意思決定者がそのようなアプリケーションにおけるプライバシーと炭素のトレードオフを評価するのに欠かせないデータを提供する。
最後に、プライバシー保護と環境の持続可能性のバランスをとるPETを開発するための重要な研究の方向性を概説する。
関連論文リスト
- Exploring Privacy and Security as Drivers for Environmental Sustainability in Cloud-Based Office Solutions [1.3654846342364308]
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。
論文 参考訳（メタデータ） (2025-06-30T13:58:22Z) - Adopt a PET! An Exploration of PETs, Policy, and Practicalities for Industry in Canada [2.634702601759193]
プライバシー向上技術(PET)は、プライバシー問題に対する技術的な解決策である。
PETは、社会に利益をもたらすソリューションの開発を可能にすると同時に、データが使用されている個人のプライバシーを確保する。
プライバシー上の課題の増加と、世界中の政府によって提案されている新しい規制の増加にもかかわらず、PETの採用率は低い。
論文 参考訳（メタデータ） (2025-03-04T22:08:56Z) - 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) - MAPE-PPI: Towards Effective and Efficient Protein-Protein Interaction
Prediction via Microenvironment-Aware Protein Embedding [82.31506767274841]
タンパク質-プロテイン相互作用(PPI)は、様々な生物学的過程において基本的であり、生命活動において重要な役割を果たしている。
MPAE-PPIは、十分に大きな「語彙」を介して、マイクロ環境を化学的に意味のある離散コードに符号化する
MPAE-PPIは、数百万のPPIでPPI予測にスケールでき、有効性と計算効率のトレードオフが優れている。
論文 参考訳（メタデータ） (2024-02-22T09:04:41Z) - SoK: Demystifying Privacy Enhancing Technologies Through the Lens of
Software Developers [4.171555557592296]
データ保護措置がなければ、ソフトウェアアプリケーションはプライバシー侵害につながる。
本稿では,開発者プライバシプラクティスに関する39の実証的研究を概説する。
ソフトウェアアプリケーションのシナリオで6つのPETが使われていることを報告している。
PETをソフトウェアに統合する際に開発者が直面する課題について論じる。
論文 参考訳（メタデータ） (2023-12-30T12:24:40Z) - When PETs misbehave: A Contextual Integrity analysis [0.7397067779113841]
私たちは、プライバシー技術がプライバシーを損なうためにどのように悪用されるかを説明するために、コンテキスト統合の理論を使用します。
年齢検証のための匿名認証、不正コンテンツ検出のためのクライアント側スキャン、機械学習モデルのトレーニングのための同型暗号化の3つのPETとシナリオについて検討する。
論文 参考訳（メタデータ） (2023-12-05T05:27:43Z) - CA-LoRA: Adapting Existing LoRA for Compressed LLMs to Enable Efficient Multi-Tasking on Personal Devices [78.16679232748196]
本稿では,Large Language Models (LLM) を他のタスクに転送するための圧縮対応 LoRA (CA-LoRA) フレームワークを提案する。
実験の結果,CA-LoRAは圧縮LDMに適用したバニラロラ法よりも優れていた。
CA-LoRAのソースコードはhttps://github.com/thunlp/CA-LoRAで公開されている。
論文 参考訳（メタデータ） (2023-07-15T04:37:11Z) - Mitigating Sovereign Data Exchange Challenges: A Mapping to Apply
Privacy- and Authenticity-Enhancing Technologies [67.34625604583208]
AET(Authenticity Enhancing Technologies)とPET(Privacy-Enhancing Technologies)は、SDE(Sovereign Data Exchange)に関与していると考えられている。
PETとAETは技術的に複雑であり、採用を妨げる。
本研究は,挑戦指向技術マッピングを実証的に構築する。
論文 参考訳（メタデータ） (2022-06-20T08:16:42Z) - 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) - 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) - Usage Patterns of Privacy-Enhancing Technologies [6.09170287691728]
本稿では,プライバシ研究に寄与し,43ドルのプライバシ手法における使用感と使用感を抽出する。
非技術手法は、アメリカ合衆国、イギリス、ドイツでもっとも使われている手法の一つである。
本研究はPETの集合体における使用と知覚の幅広い理解を提供し、PETのスケール化に向けた将来の研究につながる可能性がある。
論文 参考訳（メタデータ） (2020-09-22T02:17:37Z) - 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。