EncDBDB: Searchable Encrypted, Fast, Compressed, In-Memory Database\n using Enclaves
Notice bibliographique
Résumé
Data confidentiality is an important requirement for clients when outsourcing\ndatabases to the cloud. Trusted execution environments, such as Intel SGX,\noffer an efficient, hardware-based solution to this cryptographic problem.\nExisting solutions are not optimized for column-oriented, in-memory databases\nand pose impractical memory requirements on the enclave. We present EncDBDB, a\nnovel approach for client-controlled encryption of a column-oriented, in-memory\ndatabases allowing range searches using an enclave. EncDBDB offers nine\nencrypted dictionaries, which provide different security, performance and\nstorage efficiency tradeoffs for the data. It is especially suited for complex,\nread-oriented, analytic queries, e.g., as present in data warehouses. The\ncomputational overhead compared to plaintext processing is within a millisecond\neven for databases with millions of entries and the leakage is limited.\nCompressed encrypted data requires less space than a corresponding plaintext\ncolumn. Furthermore, the resulting code - and data - in the enclave is very\nsmall reducing the potential for security-relevant implementation errors and\nside-channel leakages.\n
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,007 | 0,014 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».