論文の概要: Complex Domain Approach for Reversible Data Hiding and Homomorphic Encryption: General Framework and Application to Dispersed Data

• arxiv url: http://arxiv.org/abs/2510.03770v1
• Date: Sat, 04 Oct 2025 10:39:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-07 16:52:59.242946
• Title: Complex Domain Approach for Reversible Data Hiding and Homomorphic Encryption: General Framework and Application to Dispersed Data
• Title（参考訳）: 可逆データハイディングと同型暗号化のための複雑なドメインアプローチ:汎用フレームワークと分散データへの応用
• Authors: David Megias,
• Abstract要約: 本稿では,Hiding in the Imaginary Domain with Data Encryption (H[i]dden)を紹介する。 さらに,H[i]dden-EG,H[i]dden-AggP,H[i]dden-AggP,H[i]dden-EGの2つのプロトコルを紹介した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Ensuring the trustworthiness of data from distributed and resource-constrained environments, such as Wireless Sensor Networks or IoT devices, is critical. Existing Reversible Data Hiding (RDH) methods for scalar data suffer from low embedding capacity and poor intrinsic mixing between host data and watermark. This paper introduces Hiding in the Imaginary Domain with Data Encryption (H[i]dden), a novel framework based on complex number arithmetic for simultaneous information embedding and encryption. The H[i]dden framework offers perfect reversibility, in-principle unlimited watermark size, and intrinsic data-watermark mixing. The paper further introduces two protocols: H[i]dden-EG, for joint reversible data hiding and encryption, and H[i]dden-AggP, for privacy-preserving aggregation of watermarked data, based on partially homomorphic encryption. These protocols provide efficient and resilient solutions for data integrity, provenance and confidentiality, serving as a foundation for new schemes based on the algebraic properties of the complex domain.
• Abstract（参考訳）: ワイヤレスセンサネットワークやIoTデバイスなど、分散およびリソース制約のある環境からのデータの信頼性を確保することが重要だ。 既存のスカラーデータに対するReversible Data Hiding (RDH) 法は, 埋込容量が低く, ホストデータと透かしとの本質的な混合が不十分である。 本稿では,Hiding in the Imaginary Domain with Data Encryption (H[i]dden)を紹介する。 H[i]ddenフレームワークは、完全な可逆性、基本的な無制限透かしサイズ、本質的なデータ-透かし混合を提供する。 さらに,H[i]dden-EG,H[i]dden-AggP,H[i]dden-AggP,H[i]dden-EGの2つのプロトコルを紹介した。 これらのプロトコルは、データ整合性、証明性、機密性のための効率的でレジリエントなソリューションを提供し、複素領域の代数的性質に基づいた新しいスキームの基礎となる。

関連論文リスト

• Perfectly-Private Analog Secure Aggregation in Federated Learning [51.61616734974475]
  連合学習では、複数のパーティがモデルをローカルにトレーニングし、パラメータを中央サーバと共有する。 本稿では,有限場ではなくトーラスを用いた新しいセキュアパラメータアグリゲーション法を提案する。
  論文  参考訳（メタデータ） (2025-09-10T15:22:40Z)
• Dataset Protection via Watermarked Canaries in Retrieval-Augmented LLMs [67.0310240737424]
  本稿では,テキストデータセットの所有権を保護し,RA-LLMによる不正使用を効果的に検出するための新しいアプローチを提案する。 提案手法では,IPデータセットに特別に設計されたカナリア文書を挿入することにより,元のデータを完全に変更することなく保護する。 検出プロセス中、カナリア文書をクエリし、RA-LLMの応答を分析することにより、不正使用を識別する。
  論文  参考訳（メタデータ） (2025-02-15T04:56:45Z)
• RIOT-based smart metering system for privacy-preserving data aggregation using watermarking and encryption [0.0]
  本研究では,可逆な透かしとAES暗号を用いたプライバシー保護型データ集約プロトコルを提案する。 プロトコルには、LSBシフト方式の可逆透かし(RLS)を使用する低周波スマートメータと、差分展開方式の可逆透かし(RDE)を使用する高周波スマートメータがある。
  論文  参考訳（メタデータ） (2025-01-10T18:37:20Z)
• Hades: Homomorphic Augmented Decryption for Efficient Symbol-comparison -- A Database's Perspective [1.3824176915623292]
  本稿では,暗号化データの効率的かつセキュアな比較を可能にする新しい暗号フレームワークであるHADESを紹介する。 Ring Learning with Errors (RLWE)問題に基づいて、HADESはCPAセキュリティを提供し、周波数分析攻撃を軽減するために摂動認識暗号化を組み込んでいる。
  論文  参考訳（メタデータ） (2024-12-28T02:47:14Z)
• Adaptive and Robust Watermark for Generative Tabular Data [9.275547262985917]
  生成表データに対するフレキシブルでロバストな透かし機構を提案する。 ウォーターマークされたデータセットがデータ品質と下流のユーティリティに無視できる影響があることを理論的および実証的に示す。
  論文  参考訳（メタデータ） (2024-09-23T04:37:30Z)
• DREW : Towards Robust Data Provenance by Leveraging Error-Controlled Watermarking [58.37644304554906]
  誤り訂正符号と透かしを用いたデータ検索法(DREW)を提案する。 DREWはランダムに参照データセットをクラスタ化し、各クラスタに独自のエラー制御された透かしキーを注入する。 関連するクラスタを特定した後、最も正確な一致を見つけるために、クラスタ内に埋め込みベクトル類似性検索を行う。
  論文  参考訳（メタデータ） (2024-06-05T01:19:44Z)
• Decentralised, Scalable and Privacy-Preserving Synthetic Data Generation [8.982917734231165]
  我々は、リアルデータのコントリビュータが、微分プライベートな合成データ生成に自律的に参加できる新しいシステムを構築します。 私たちのソリューションは、Solid(Social Linked Data)、MPC(Secure Multi-Party Computation)、Trusted Execution Environments(TEEs)という3つのビルディングブロックに基づいています。 これらの3つの技術が、責任と信頼性のある合成データ生成における様々な課題に効果的に対処できることを示します。
  論文  参考訳（メタデータ） (2023-10-30T22:27:32Z)
• A Resilient and Accessible Distribution-Preserving Watermark for Large Language Models [65.40460716619772]
  本研究は,textbfDistribution-textbf Preserving (DiP)ウォーターマークの重要性に焦点をあてる。 現在の戦略とは対照的に,提案したDiPmarkは透かし中に元のトークン分布を同時に保存する。 言語モデルAPIにアクセスせずに検出可能で(アクセス可能)、トークンの適度な変更に対して確実に堅牢である。
  論文  参考訳（メタデータ） (2023-10-11T17:57:35Z)

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。