論文の概要: Privacy-Enhancing Encryption in Data Sharing: A Survey on Security, Performance and Functionality
- arxiv url: http://arxiv.org/abs/2603.26224v1
- Date: Fri, 27 Mar 2026 09:49:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-30 21:49:48.428315
- Title: Privacy-Enhancing Encryption in Data Sharing: A Survey on Security, Performance and Functionality
- Title（参考訳）: データ共有におけるプライバシ強化暗号化 - セキュリティ,パフォーマンス,機能に関する調査
- Authors: Yongyang Lv, Xiaohong Li, Ruitao Feng, Xinyu Li, Guangdong Bai, Leo Zhang, Lili Quan, Willy Susilo,
- Abstract要約: この研究は、データ共有プロセスフレームワークを提案し、その段階にわたって20の潜在的な攻撃を識別する。
ABE、SE、Preと12のエンハンスメント技術を統合し、データ共有スキームのセキュリティ、パフォーマンス、機能的適応性に対する多次元的影響を調べる。
- 参考スコア（独自算出の注目度）: 27.08972682038358
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The vigorous development of the Internet has spurred exponential data growth, yet data is predominantly stored in isolated user entities, hampering its full value realization. In large-scale deployment of ``AI+industries'' such as smart medical care, intelligent transportation and smart homes, the gap between data supply and demand continues to widen, and establishing an effective data sharing mechanism is the core of promoting high-quality industrial development. However, data sharing faces significant challenges in security, performance, and functional adaptability. Privacy-enhancing encryption technologies, including Attribute-Based Encryption (ABE), Proxy Re-encryption (PRE), and Searchable Encryption (SE), offer promising solutions with distinct advantages in enhancing security, improving flexibility, and enabling efficient sharing. Statistical analysis of relevant literature from 2020 to 2025 reveals a rising research trend in ABE, PRE and SE, focusing on their data sharing applications. Firstly, this work proposes a data sharing process framework and identifies 20 potential attacks across its stages. Secondly, this work integrates ABE, SE, PRE with 12 enhancement technologies and examines their multi-dimensional impacts on the security, performance, and functional adaptability of data sharing schemes. Lastly, this work outlines key application scenarios, challenges, and future research directions, providing valuable insights for advancing data sharing mechanisms based on privacy-enhancing encryption technologies.
- Abstract（参考訳）: インターネットの活発な発展は、指数的なデータ成長を加速させたが、データは主に独立したユーザーエンティティに格納され、その完全な価値の実現を妨げている。
スマート医療、インテリジェントトランスポート、スマートホームなどの「AI+産業」の大規模展開では、データ供給と需要のギャップが拡大し続けており、高品質な産業開発を促進する上では、効果的なデータ共有機構の確立が重要である。
しかし、データ共有は、セキュリティ、パフォーマンス、機能的適応性において大きな課題に直面している。
Attribute-Based Encryption (ABE)、Proxy Re-Encryption (PRE)、Searchable Encryption (SE)といったプライバシ重視の暗号化技術は、セキュリティの強化、柔軟性の向上、効率的な共有の実現に際し、有望なソリューションを提供する。
2020年から2025年までの関連文献の統計分析は、データ共有アプリケーションに焦点をあてたAbe、Pre、SEの研究動向が増加していることを示している。
まず、この研究はデータ共有プロセスフレームワークを提案し、その段階にわたって20の潜在的な攻撃を識別する。
第2に、この研究はABE、SE、Preと12の強化技術を統合し、データ共有スキームのセキュリティ、パフォーマンス、機能的適応性に対する多次元的影響について検討する。
最後に、この研究は主要なアプリケーションシナリオ、課題、将来の研究方向性を概説し、プライバシ強化暗号化技術に基づくデータ共有メカニズムを前進させるための貴重な洞察を提供する。
関連論文リスト
- Privacy-Preserving Data Processing in Cloud : From Homomorphic Encryption to Federated Analytics [0.0]
プライバシ保存データ処理とは、機密性の保証のある機密データの計算と分析を可能にする方法とモデルを指す。
このレビューでは、クラウド計算における最近のプライバシ保護アプローチを詳細に検討し、データ処理に対する安全かつ効果的なソリューションについて、学者や実践者が重要な情報を提供する。
論文 参考訳（メタデータ） (2026-01-10T22:33:48Z) - MOZAIK: A Privacy-Preserving Analytics Platform for IoT Data Using MPC and FHE [4.653682771590818]
本稿では,プライバシ保護のための新たな秘密データストレージと分散処理アーキテクチャであるMOZAIKについて述べる。
MOZAIKは、送信、ストレージ、処理を含むライフサイクルを通してデータが暗号化されることを保証する。
2つの異なるCOED技術、特にセキュアなマルチパーティ計算(MPC)と完全同型暗号(FHE)について検討する。
論文 参考訳（メタデータ） (2026-01-05T16:25:08Z) - What's the next frontier for Data-centric AI? Data Savvy Agents [71.76058707995398]
我々は、エージェントシステムの設計において、データに精通する能力が最優先すべきであると主張している。
本稿では,このビジョンを実現するための4つの重要な機能を提案する。プロアクティブデータ取得,ソフシフィケートデータ処理,インタラクティブテストデータ合成,連続的適応。
論文 参考訳（メタデータ） (2025-11-02T17:09:29Z) - Privacy-Preserving Federated Embedding Learning for Localized Retrieval-Augmented Generation [60.81109086640437]
我々はFedE4RAG(Federated Retrieval-Augmented Generation)と呼ばれる新しいフレームワークを提案する。
FedE4RAGはクライアント側RAG検索モデルの協調トレーニングを容易にする。
モデルパラメータの保護にフェデレート学習の準同型暗号化を適用する。
論文 参考訳（メタデータ） (2025-04-27T04:26:02Z) - Secure Computation and Trustless Data Intermediaries in Data Spaces [0.44998333629984877]
本稿では,データ空間におけるセキュアな計算のための高度な暗号技術の統合について検討する。
We exploit the introduced secure method、すなわち Secure Multi-Party Computation (MPC) と Fully Homomorphic Encryption (FHE) を利用する。
我々は、航空交通管理、製造、二次データ利用など、実世界のユースケースを通じてソリューションを提示する。
論文 参考訳（メタデータ） (2024-10-21T19:10:53Z) - Generative AI for Secure and Privacy-Preserving Mobile Crowdsensing [74.58071278710896]
生成AIは、学術分野と産業分野の両方から多くの注目を集めている。
セキュアでプライバシ保護のモバイルクラウドセンシング(SPPMCS)は、データ収集/取得に広く応用されている。
論文 参考訳（メタデータ） (2024-05-17T04:00:58Z) - The Security and Privacy of Mobile Edge Computing: An Artificial Intelligence Perspective [64.36680481458868]
Mobile Edge Computing (MEC)は、クラウドコンピューティングと情報技術(IT)サービスをネットワークのエッジで配信できるようにする新しいコンピューティングパラダイムである。
本稿では,人工知能(AI)の観点からMECのセキュリティとプライバシに関する調査を行う。
新たなセキュリティとプライバシの問題に加えて、AIの観点からの潜在的なソリューションにも重点を置いています。
論文 参考訳（メタデータ） (2024-01-03T07:47:22Z) - A Unified View of Differentially Private Deep Generative Modeling [60.72161965018005]
プライバシー上の懸念のあるデータには、データアクセスとデータ共有を頻繁に禁止する厳格な規制が伴う。
これらの障害を克服することは、プライバシーに敏感なデータを含む多くの現実世界のアプリケーションシナリオにおいて、技術的進歩の鍵となる。
差分的プライベート(DP)データパブリッシングは、データの衛生化された形式のみを公開する、魅力的なソリューションを提供する。
論文 参考訳（メタデータ） (2023-09-27T14:38:16Z) - Blockchain-empowered Federated Learning for Healthcare Metaverses:
User-centric Incentive Mechanism with Optimal Data Freshness [66.3982155172418]
まず、医療メタバースのための分散型フェデレートラーニング(FL)に基づく、ユーザ中心のプライバシ保護フレームワークを設計する。
次に,情報時代(AoI)を有効データ更新度指標として利用し,観測理論(PT)に基づくAoIベースの契約理論モデルを提案し,センシングデータ共有の動機付けを行う。
論文 参考訳（メタデータ） (2023-07-29T12:54:03Z) - Efficient Logistic Regression with Local Differential Privacy [0.0]
モノのインターネット(Internet of Things)デバイスは急速に拡大し、大量のデータを生み出している。
これらのデバイスから収集されたデータを探索する必要性が高まっている。
コラボレーション学習は、モノのインターネット(Internet of Things)設定に戦略的ソリューションを提供すると同時に、データのプライバシに関する一般の懸念も引き起こす。
論文 参考訳（メタデータ） (2022-02-05T22:44:03Z) - Secret Sharing based Secure Regressions with Applications [25.493157474615074]
複数のデータ保持者が線形回帰とロジスティック回帰モデルを訓練するためのセキュアでスケーラブルなプロトコルを実装している。
私たちは、アプリケーションにおいてスケーラブルで効率的な秘密の共有スキームに基づいて、プロトコルを構築します。
論文 参考訳（メタデータ） (2020-04-10T04:04:06Z)
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。