MétaCan
Menu
Retour à la cohorte
Enregistrement W3158107828 · doi:10.1109/jiot.2021.3075540

Verifiable and Secure SVM Classification for Cloud-Based Health Monitoring Services

2021· article· en· W3158107828 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueIEEE Internet of Things Journal · 2021
Typearticle
Langueen
DomaineComputer Science
ThématiqueCryptography and Data Security
Établissements canadiensUniversity of GuelphUniversity of Waterloo
Organismes subventionnairesChina Scholarship CouncilNatural Science Foundation of Hunan ProvinceChina Postdoctoral Science FoundationNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of China
Mots-clésVerifiable secret sharingCloud computingMathematical proofComputer scienceNotationConfidentialityAlgorithmTheoretical computer scienceComputer securityMathematicsArithmeticProgramming language

Résumé

récupéré en direct d'OpenAlex

In cloud-based health monitoring services, support vector machine (SVM) classification techniques are often utilized by medical institutes to build medical decision models, which can be outsourced to a cloud server for producing medical decisions based on medical features from remote clients. In this article, we propose a verifiable and secure SVM classification scheme ( <inline-formula xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink"> <tex-math notation="LaTeX">$\mathsf {VSSVMC}$ </tex-math></inline-formula> ) for cloud-based health monitoring services in a malicious setting, where the cloud server may return invalid decisions. By constructing verifiable indices, <inline-formula xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink"> <tex-math notation="LaTeX">$\mathsf {VSSVMC}$ </tex-math></inline-formula> ensures the verifiability of medical decisions, which enables clients to detect whether the cloud server returns incorrect or incomplete medical decisions. Symmetric key encryption is leveraged to ensure the confidentiality of the medical decision model and medical data with computational efficiency. We give security and verifiability definitions and provide formal security and verifiability proofs for <inline-formula xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink"> <tex-math notation="LaTeX">$\mathsf {VSSVMC}$ </tex-math></inline-formula> . Performance analyses show that <inline-formula xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink"> <tex-math notation="LaTeX">$\mathsf {VSSVMC}$ </tex-math></inline-formula> is extremely efficient in terms of computation, communication, and storage. Experimental evaluations demonstrate that <inline-formula xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink"> <tex-math notation="LaTeX">$\mathsf {VSSVMC}$ </tex-math></inline-formula> achieves microsecond-level execution time with kilobyte-level communication and storage overheads on the tested data set.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,646
Score d'incertitude au seuil0,372

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,028
Tête enseignante GPT0,286
Écart entre enseignants0,259 · 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