論文の概要: BRASP: Boolean Range Queries over Encrypted Spatial Data with Access and Search Pattern Privacy

• arxiv url: http://arxiv.org/abs/2604.07797v1
• Date: Thu, 09 Apr 2026 04:50:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-10 18:34:05.698364
• Title: BRASP: Boolean Range Queries over Encrypted Spatial Data with Access and Search Pattern Privacy
• Title（参考訳）: BRASP: アクセスと検索パターンのプライバシを備えた暗号化空間データに対するブールレンジクエリ
• Authors: Jing Zhang, Ganxuan Yang, Yifei Yang, Siqi Wen, Zhengyang Qiu,
• Abstract要約: 本稿では,暗号化空間データ上でのBooleanレンジクエリの検索可能な暗号化方式BRASPを提案する。 BRASPのセキュリティを、機密性、シャッフル不識別性、クエリ不偽造性、フォワードセキュリティ分析を通じて形式化する。
• 参考スコア（独自算出の注目度）: 11.343216631656661
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Searchable Encryption (SE) enables users to query outsourced encrypted data while preserving data confidentiality. However, most efficient schemes still leak the search pattern and access pattern, which may allow an honest-but-curious cloud server to infer query contents, user interests, or returned records from repeated searches and observed results. Existing pattern-hiding solutions mainly target keyword queries and do not naturally support Boolean range queries over encrypted spatial data. This paper presents BRASP, a searchable encryption scheme for Boolean range queries over encrypted spatial data. BRASP combines Hilbert-curve-based prefix encoding with encrypted prefix--ID and keyword--ID inverted indexes to support efficient spatial range filtering and conjunctive keyword matching. To hide the search pattern and access pattern under a dual-server setting, BRASP integrates index shuffling for encrypted keyword and prefix entries with ID-field redistribution across two non-colluding cloud servers. BRASP also supports dynamic updates and achieves forward security. We formalize the security of BRASP through confidentiality, shuffle indistinguishability, query unforgeability, and forward-security analyses, and we evaluate its performance experimentally on a real-world dataset. The results show that BRASP effectively protects query privacy while incurring relatively low computation and communication overhead. To facilitate reproducibility and further research, the source code of BRASP is publicly available at https://github.com/Egbert-Lannister/BRASP
• Abstract（参考訳）: Searchable Encryption (SE)により、ユーザはデータの機密性を保ちながら、アウトソースされた暗号化データをクエリできる。 しかし、最も効率的なスキームは、依然として検索パターンとアクセスパターンをリークしており、これは、正直に言えば、クェリの内容、ユーザ興味、あるいは繰り返し検索と観測結果から返されるレコードを推測することができる。 既存のパターンハイディングソリューションは主にキーワードクエリをターゲットにしており、暗号化された空間データ上でのブールレンジクエリを自然にサポートしていない。 本稿では,暗号化空間データ上でのBooleanレンジクエリの検索可能な暗号化方式BRASPを提案する。 BRASPは、Hilbert-curveベースのプレフィックスエンコーディングと暗号化プレフィックス-IDとキーワード-ID逆インデックスを組み合わせることで、効率的な空間範囲フィルタリングと接続型キーワードマッチングをサポートする。 二重サーバ設定下で検索パターンとアクセスパターンを隠蔽するため、BRASPは暗号化キーワードとプレフィックスエントリのインデックスシャッフルと、IDフィールドの再配布を2つの非クラスタクラウドサーバ間で統合する。 BRASPは動的更新もサポートし、前方セキュリティを実現している。 我々は、BRASPのセキュリティを機密性、シャッフル不特定性、クエリ不偽造性、フォワードセキュリティ分析を通じて形式化し、実世界のデータセットでその性能を実験的に評価する。 その結果、BRASPはクエリのプライバシを効果的に保護し、比較的低い計算と通信オーバーヘッドを発生させることがわかった。 再現性とさらなる研究を容易にするため、BRASPのソースコードはhttps://github.com/Egbert-Lannister/BRASPで公開されている。

関連論文リスト

• Efficient Privacy-Preserving Retrieval Augmented Generation with Distance-Preserving Encryption [25.87368479678027]
  RAGは高い計算コストを伴わずにLLMの応答品質を向上させる重要な技術として登場した。 従来のアーキテクチャでは、RAGサービスは、信頼できるローカル環境内でデータセットをホストする単一のエンティティによって提供される。 信頼できないサードパーティサービスへの依存は、プライバシーのリスクをもたらす。 信頼できないクラウド環境に適した効率的なプライバシ保護RAGフレームワーク(ppRAG)を提案する。
  論文  参考訳（メタデータ） (2026-01-18T09:29:50Z)
• Towards Privacy-Preserving Range Queries with Secure Learned Spatial Index over Encrypted Data [8.495233108444202]
  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。
  論文  参考訳（メタデータ） (2025-12-03T10:59:40Z)
• Zero-Shot Privacy-Aware Text Rewriting via Iterative Tree Search [60.197239728279534]
  クラウドベースのサービスにおける大規模言語モデル(LLM)は、重大なプライバシー上の懸念を引き起こしている。 既存のテキスト匿名化と、ルールベースのリアクションやスクラブのような非識別技術は、プライバシー保護とテキストの自然性と実用性のバランスをとるのに苦労することが多い。 我々は,一貫性,妥当性,自然性を保ちながら,秘密情報を体系的に難読化・削除するゼロショット木探索型反復文書き換えアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-09-25T07:23:52Z)
• ManuSearch: Democratizing Deep Search in Large Language Models with a Transparent and Open Multi-Agent Framework [73.91207117772291]
  ManuSearchは,大規模言語モデル(LLM)の深層検索を民主化するために設計された,透明でモジュール化されたマルチエージェントフレームワークである。 ManuSearchは検索と推論のプロセスを,(1)サブクエリを反復的に定式化するソリューション計画エージェント,(2)リアルタイムWeb検索を通じて関連文書を検索するインターネット検索エージェント,(3)生のWebコンテンツから重要な証拠を抽出する構造化Webページ読取エージェントの3つに分解する。
  論文  参考訳（メタデータ） (2025-05-23T17:02:02Z)
• Differentially Private Learned Indexes [4.290415158471898]
  我々は、暗号化されたデータベース上の述語クエリ、信頼された実行環境(TEE)によって確保されたクエリに効率よく応答する問題に対処する。 述語クエリを高速化する現代のデータベースにおける一般的な戦略は、インデックスの使用である。 残念ながら、強力なデータ依存リークのため、インデックスは暗号化されたデータベースに直接適用できない。 本研究では,よりコンパクトなDPインデックスを構築するために,機械学習モデルをインデックス構造として再利用するトレンド手法である学習指標を活用することを提案する。
  論文  参考訳（メタデータ） (2024-10-28T16:04:58Z)
• CART: A Generative Cross-Modal Retrieval Framework with Coarse-To-Fine Semantic Modeling [53.97609687516371]
  クロスモーダル検索は、異なるモーダルデータの相互作用を通じて、クエリと意味的に関連するインスタンスを検索することを目的としている。 従来のソリューションでは、クエリと候補の間のスコアを明示的に計算するために、シングルトウワーまたはデュアルトウワーのフレームワークを使用している。 粗大なセマンティックモデリングに基づく生成的クロスモーダル検索フレームワーク(CART)を提案する。
  論文  参考訳（メタデータ） (2024-06-25T12:47:04Z)
• 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)
• d-DSE: Distinct Dynamic Searchable Encryption Resisting Volume Leakage in Encrypted Databases [24.259108931623203]
  Dynamic Searchable Encryption (DSE)は、暗号化データベース(EDB)の大規模データストレージを効率的に処理し、保護するためのソリューションとして登場した。 ボリュームリークは、検索クエリを再構築し、データのセキュリティとプライバシを侵害する可能性があるため、重大な脅威となる。 パディング戦略は、漏洩に対する一般的な対策であるが、ストレージと通信コストを大幅に増加させる。
  論文  参考訳（メタデータ） (2024-03-02T11:42:17Z)
• Graph Enhanced BERT for Query Understanding [55.90334539898102]
  クエリ理解は、ユーザの検索意図を探索し、ユーザが最も望まれる情報を発見できるようにする上で、重要な役割を果たす。 近年、プレトレーニング言語モデル (PLM) は様々な自然言語処理タスクを進歩させてきた。 本稿では,クエリコンテンツとクエリグラフの両方を活用可能な,グラフ強化事前学習フレームワークGE-BERTを提案する。
  論文  参考訳（メタデータ） (2022-04-03T16:50:30Z)

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。