MétaCan
Menu
Retour à la cohorte
Enregistrement W3127866986 · doi:10.1109/icsip49896.2020.9339338

Dynamic Searchable Symmetric Encryption with Full Forward Privacy

2020· article· en· W3127866986 sur OpenAlexaff
Khosro Salmani, Ken Barker

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueCryptography and Data Security
Établissements canadiensUniversity of CalgaryMount Royal University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceEncryptionPlaintextScheme (mathematics)Symmetric-key algorithmComputer securityParallelizable manifoldInformation leakageCloud computingPrivate information retrievalSecurity analysisTheoretical computer sciencePublic-key cryptographyAlgorithmMathematics

Résumé

récupéré en direct d'OpenAlex

Many approaches address the problem of Searchable Symmetric Encryption (SSE), and in the last few years scholars introduced Dynamic SSE (DSSE) schemes in which a client is able to add, delete, and update documents along with performing searches over encrypted documents. The concept of forward privacy was introduced to guarantee a higher level of data privacy and to prevent crucial information leakage. In a forward private scheme, the cloud/attacker cannot link a newly added document to previous searches. However, forward private schemes still leak search pattern which can be employed to collapse the whole security system and an adaptive attacker can reveal plaintext data. To address this challenge, in this paper, we introduce the notion of Full Forward Privacy (FFP). We also propose a parallelizable DSSE scheme that achieves FFP by employing non-deterministic and one-time use search tokens to obfuscate the search pattern. Our cost-efficient scheme supports both updates and searches. Provided security proof and performance analysis demonstrate practicality, efficiency, and security of our approach.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,002
Communication savante0,0020,007
Science ouverte0,0020,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,015
Tête enseignante GPT0,233
Écart entre enseignants0,218 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCryptography and Data SecurityTravaux en français237 207