.png){kind=icon}
返回
Advancing homomorphic encryption techniques for ensuring privacy in cloud-based analytics
.png){kind=icon}
PRE
AI
DOI：10.47974/JDMSC-2505.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
现代云分析中的漏洞随着关键应用而日益凸显。HHEDPC的有效性通过与现有隐私保护方法在准确性、通信开销、计算成本、吞吐量和收敛性方面的比较得到验证。实验结果表明，在医疗保健、金融和物联网等高影响和敏感领域，可扩展的隐私保护需求日益增长，HHEDPC展现出更好的性能：准确率提高了高达5.4%，计算开销减少了30%，与包括最先进的PPFL-LQDP在内的竞争方案相比。然而，现有的传统加密方案不允许在加密数据上进行计算处理，促使同态加密（HE）在分析工作流中的应用。本文提出了一种新型混合方法——混合同态加密与差分隐私校准（HHE-DPC），融合了分级HE的计算灵活性和差分隐私的统计保证。该框架在云系统数据处理方面提供端到端保密性，同时保持分析效用。HHE-DPC的有效性在与现有隐私保护方法的比较中得到验证，涵盖准确性、通信开销、计算成本、吞吐量和收敛性。实验结果显示，HHE-DPC表现出更优性能：准确率提升高达5.4%，计算开销降低30%，优于包括最先进PPFL-LQDP在内的竞争方案。
Keyword:
Homomorphic encryption
Cloud-based analytics
Privacy preservation
Differential privacy
Secure computation
期刊
J
IF:
1.1
论文数:
185
被引数:
0
机构
查看更多机构
引用论文
暂无论文信息