論文の概要: Towards Privacy-Preserving Range Queries with Secure Learned Spatial Index over Encrypted Data

• arxiv url: http://arxiv.org/abs/2512.03669v1
• Date: Wed, 03 Dec 2025 10:59:40 GMT
• ステータス: 情報取得中
• システム内更新日: 2025-12-04 12:12:49.383165
• Title: Towards Privacy-Preserving Range Queries with Secure Learned Spatial Index over Encrypted Data
• Title（参考訳）: 暗号化データを用いたセキュアな空間指標を用いたプライバシ保護レンジクエリの実現
• Authors: Zuan Wang, Juntao Lu, Jiazhuang Wu, Youliang Tian, Wei Song, Qiuxian Li, Duo Zhang,
• Abstract要約: 本稿では,暗号化データセット上での新たなプライバシ保護範囲クエリ手法を提案する。 SLS-INDEXは、Paillier暗号システムと階層的な予測アーキテクチャとノイズ注入バケットを統合している。 SLRQは、データセット、クエリ、結果、アクセスパターンのプライバシを確保しながら、クエリ効率で既存のソリューションを大幅に上回る。
• 参考スコア（独自算出の注目度）: 8.495233108444202
• License:
• Abstract: With the growing reliance on cloud services for large-scale data management, preserving the security and privacy of outsourced datasets has become increasingly critical. While encrypting data and queries can prevent direct content exposure, recent research reveals that adversaries can still infer sensitive information via access pattern and search path analysis. However, existing solutions that offer strong access pattern privacy often incur substantial performance overhead. In this paper, we propose a novel privacy-preserving range query scheme over encrypted datasets, offering strong security guarantees while maintaining high efficiency. To achieve this, we develop secure learned spatial index (SLS-INDEX), a secure learned index that integrates the Paillier cryptosystem with a hierarchical prediction architecture and noise-injected buckets, enabling data-aware query acceleration in the encrypted domain. To further obfuscate query execution paths, SLS-INDEXbased Range Queries (SLRQ) employs a permutation-based secure bucket prediction protocol. Additionally, we introduce a secure point extraction protocol that generates candidate results to reduce the overhead of secure computation. We provide formal security analysis under realistic leakage functions and implement a prototype to evaluate its practical performance. Extensive experiments on both real-world and synthetic datasets demonstrate that SLRQ significantly outperforms existing solutions in query efficiency while ensuring dataset, query, result, and access pattern privacy.
• Abstract（参考訳）: 大規模データ管理に対するクラウドサービスへの依存が高まり、アウトソースされたデータセットのセキュリティとプライバシの保護がますます重要になっている。 データやクエリの暗号化は直接的なコンテンツ露出を防ぐことができるが、最近の研究によると、敵はアクセスパターンや検索パス分析を通じて機密情報を推論できる。 しかし、強力なアクセスパターンのプライバシを提供する既存のソリューションは、しばしば大幅なパフォーマンスオーバーヘッドを引き起こす。 本稿では,暗号化データセット上での新たなプライバシ保護範囲クエリ方式を提案し,高い効率性を維持しつつ,強力なセキュリティ保証を提供する。 これを実現するために、セキュアな学習空間インデックス(SLS-INDEX)を開発した。これは、Paillier暗号システムと階層的な予測アーキテクチャとノイズ注入バケットを統合し、暗号化ドメインにおけるデータ認識クエリアクセラレーションを可能にする。 SLS-INDEXベースのRange Queries (SLRQ)は、クエリ実行パスをさらに難なくするために、置換ベースのセキュアなバケット予測プロトコルを使用している。 さらに、セキュアな計算のオーバーヘッドを低減するために、候補結果を生成するセキュアなポイント抽出プロトコルを導入する。 本研究では,現実的な漏洩機能の下での正式なセキュリティ解析を行い,その実用性能を評価するためのプロトタイプを実装した。 実世界のデータセットと合成データセットの両方に対する大規模な実験により、SLRQは、データセット、クエリ、結果、アクセスパターンのプライバシを確保しながら、クエリ効率で既存のソリューションを著しく上回ります。

関連論文リスト

• Secure and Scalable Face Retrieval via Cancelable Product Quantization [48.58859061524146]
  ホモモルフィック暗号化(HE)は、暗号空間における算術演算を有効にすることにより、強力なセキュリティ保証を提供する。 セキュアな顔表現検索のための高効率なフレームワークであるCancelable Product Quantizationを提案する。
  論文  参考訳（メタデータ） (2025-08-31T10:19:55Z)
• Enhancing Leakage Attacks on Searchable Symmetric Encryption Using LLM-Based Synthetic Data Generation [0.0]
  Searchable Symmetric Encryption (SSE)は、暗号化されたデータに対する効率的な検索機能を提供する。 SSEスキームは、アクセスパターン、検索周波数、ボリューム情報を利用する漏洩攻撃に対して脆弱である。 本稿では,大規模言語モデル(LLM),特にGPT-4の変種を利用して,エンロンメールの現実のデータセットに統計的・意味的に類似した合成文書を生成する手法を提案する。
  論文  参考訳（メタデータ） (2025-04-29T04:23:10Z)
• HOPE: Homomorphic Order-Preserving Encryption for Outsourced Databases -- A Stateless Approach [0.7770535067924795]
  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)
• FRAG: Toward Federated Vector Database Management for Collaborative and Secure Retrieval-Augmented Generation [1.3824176915623292]
  本稿では,検索集約システム (RAG) のニーズの増大に対応する新しいデータベース管理パラダイムである textitFederated Retrieval-Augmented Generation (FRAG) を紹介する。 FRAGは、ANN(Approximate $k$-Nearest Neighbor)による、暗号化されたクエリベクタと分散ベクトルデータベースに格納された暗号化データ検索を相互に行うことができる。
  論文  参考訳（メタデータ） (2024-10-17T06:57:29Z)
• Robust Utility-Preserving Text Anonymization Based on Large Language Models [80.5266278002083]
  機密情報を含む匿名化は、幅広いアプリケーションにとって不可欠である。 既存の技術は、大規模言語モデルの再識別能力の新たな課題に直面している。 本稿では,プライバシ評価器,ユーティリティ評価器,最適化コンポーネントの3つの重要なコンポーネントで構成されるフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-07-16T14:28:56Z)
• 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)
• 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)
• 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。