test

Bài viết

Giao thức tính đồng thời nhiều giá trị tần suất bảo mật trong mô hình dữ liệu phân tán đầy đủ hai bên

DOI: 10.54654/isj.v2i22.1051
Từ khóaTính tần suất bảo mậtĐảm bảo tính riêng tưMã hoá đồng cấuTính toán bảo mậtHệ mật đường cong Elliptic

Tóm tắt

 Giao thức tính tần suất bảo mật đã được nghiên cứu và ứng dụng để giải quyết nhiều bài toán đảm bảo tính riêng tư cho học máy, khai phá dữ liệu, phân tích dữ liệu. Tuy nhiên các giao thức này chỉ cho phép tính một giá trị tần suất trong một lần thực thi. Trong bài báo này, chúng tôi đề xuất giao thức tính đồng thời nhiều giá trị tần suất bảo mật cho mô hình dữ liệu 2PFD, đây là một mô hình dữ liệu phân tán còn khá mới, xuất hiện trong nhiều bài toán thực tế và chưa được nhiều sự quan tâm. Giao thức đề xuất không những duy trì được độ chính xác của kết quả đầu ra, mức an toàn cao mà còn có hiệu suất tốt

Lượt tải theo tháng

061110/2411/2412/2402/2503/2504/2505/2506/2507/2508/2509/2510/2511/2512/2501/2602/2603/2604/26

Di chuột vào cột để xem số lượt tải.

Cách trích dẫn

Vũ Thị Vân, Lương Thế Dũng, Lương Ngọc Dương (2024). Giao thức tính đồng thời nhiều giá trị tần suất bảo mật trong mô hình dữ liệu phân tán đầy đủ hai bên. Tạp chí Khoa học và Công nghệ trong lĩnh vực An toàn thông tin, 2(22), 40-48. https://doi.org/10.54654/isj.v2i22.1051

Tài liệu tham khảo

  1. 1.M. I. Pramanik, R. Y. Lau, M. S. Hossain, M. M. Rahoman, S. K. Debnath, M. G. Rashed, and M. Z. Uddin, “Privacy preserving big data analytics: A critical analysis of state-of-the-art,” Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, vol. 11, no. 1, p. e1387, 2021.
  2. 2.T. D. LUONG and T. B. HO, “Privacy preserving frequency mining in 2-part fully distributed setting,” IEICE Transactions on Information and Systems, vol. E93.D, no. 10, pp. 2702–2708, 2010.
  3. 3.D. L. . T., “Luận án tiến sĩ: Nghiên cứu xây dựng một số giải pháp đảm bảo an toàn thông tin trong quá trình khai phá dữ liệu,” Viện Khoa học và Công nghệ quân sự, 2011.
  4. 4.T. D. Luong and D. H. Tran, “Erratum: Privacy preserving frequency-based learning algorithms in two-part partitioned record model,” in Knowledge and Systems Engineering: Proceedings of the Fifth International Conference KSE 2013, Volume 2. Springer, 2014, pp. 445–445.
  5. 5.V. T. Van, L. T. Dung, H. V. Quan, T. T. Luong, and H. D. Tho, “Privacy-preserving decision tree solution in the 2-part fully distributed setting,” Journal of Science and Technology on Information security, vol. 1, no. 15, pp. 92–101, 2022.
  6. 6.C. Dong and L. Chen, “A fast secure dot product protocol with application to privacy preserving association rule mining,” in Pacific-Asia Conference on Knowledge Discovery and Data Mining. Springer,
  7. 7., pp. 606–617.
  8. 8.B. Siabi, M. Berenjkoub, and W. Susilo, “Optimally efficient secure scalar product with applications in cloud computing,” IEEE Access, vol. 7, pp. 42 798–42 815, 2019.
  9. 9.Q. Tang and H. Wang, “Privacy-preserving hybrid recommender system,” in Proceedings of the Fifth ACM International Workshop on Security in Cloud Computing, 2017, pp. 59–66.
  10. 10.D.-H. Vu, T.-D. Luong, and T.-B. Ho, “An efficient approach for secure multi-party computation without authenticated channel,” Information Sciences, 2019.
  11. 11.D.-H. Vu, T.-S. Vu, and T.-D. Luong, “An efficient and practical approach for privacy-preserving naive bayes classification,” Journal of information Security and Applications, vol. 68, p. 103215, 2022.
  12. 12.S. Mehnaz, G. Bellala, and E. Bertino, “A secure sum protocol and its application to privacy-preserving multi-party analytics,” in Proceedings of the 22nd ACM on Symposium on Access Control Models and Technologies, ser. SACMAT ’17 Abstracts. New York, NY, USA: Association for Computing Machinery, 2017, p. 219–230. [Online]. Available: https://doi.org/10.1145/3078861.3078869
  13. 13.D.-H. Vu, “Privacy-preserving naive bayes classification in semi-fully distributed data model,” Computers & Security, vol. 115, p. 102630, 2022.
  14. 14.T. D. Luong and D. H. Tran, “A new method of privacy preserving computation over 2-part fully distributed data,” in The 9th International Conference on Computing and InformationTechnology (IC2IT2013), P. Meesad, H. Unger, and S. Boonkrong, Eds. Berlin, Heidelberg: Springer Berlin Heidelberg, 2013, pp. 115–123.
  15. 15.T. Van Vu, T. D. Luong et al., “An elliptic curve-based protocol for privacy preserving frequency computation in 2-part fully distributed setting,” in 2020 12th International Conference on Knowledge and Systems Engineering (KSE). IEEE, 2020, pp. 91–96.
  16. 16.O. Goldreich, Foundations of Cryptography, Volume 2. Cambridge university press Cambridge, 2004.
  17. 17.M. Lepinski and S. Kent, “Rfc 5114: Additional diffiehellman groups for use with ietf standards,” 2008.
  18. 18.M. Lochter and J. Merkle, “Elliptic curve cryptography (ecc) brainpool standard curves and curve generation,” Tech. Rep., 2010.
  19. 19.Y. F. Chung, K. H. Huang, F. Lai, and T. S. Chen, “Id-based digital signature scheme on the elliptic curve cryptosystem,” Computer Standards & Interfaces, vol. 29, no. 6, pp. 601–604, 2007.
  20. 20.S. H. Islam and G. Biswas, “A pairing-free identity-based authenticated group key agreement protocol for imbalanced mobile networks,” Annals of telecommunications-annales des telecommunications, vol. 67, pp. 547–558, 2012.

Bài viết liên quan