MétaCan
Menu
Retour à la cohorte
Enregistrement W4385387051 · doi:10.18280/ijsse.130315

A Proxy-Based and Collusion Resistant Multi-Authority Revocable CPABE Framework with Efficient User and Attribute-Level Revocation (PCMR-CPABE)

2023· article· en· W4385387051 sur OpenAlexvenueno aff
Shobha Chawla, Neha Gupta

Notice bibliographique

RevueInternational Journal of Safety and Security Engineering · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueNatural Language Processing Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRevocationCollusionProxy (statistics)Computer securityComputer scienceComputer networkBusinessOperating system

Résumé

récupéré en direct d'OpenAlex

The presence of multiple authorities in multi-authority ciphertext policy attribute based encryption (CPABE) schemes hinders an adversary's ability to compromise security.As each authority is responsible to provide secret keys to the users, thus enforcement of finegrained access control should be carefully designed to ensure data confidentiality.The current study critically reviews the methodologies employed to address user-level and attribute-level revocation in the existing studies.The study has focused on the revocation methodology of those CPABE schemes that are implemented using bilinear pairing cryptography for the encryption and Linear Secret Sharing Scheme (LSSS) for the access structure.It has been observed that the approaches implemented in the existing schemes are computationally expensive and are vulnerable to collusion attacks caused by the cloud and revoked users.Thus, an efficient proxy-based and collusion resistant multi-authority revocable CPABE framework (PCMR-CPABE) is proposed in the current study.The proposed framework is decentralized, dynamic, scalable, and ensures forward/backward secrecy.Additionally, the proposed framework is computationally efficient and is practical to implement as it does not require secret key or group secret key and ciphertext update to address revocation.Furthermore, the incorporation of time and identity-based components allows the proposed framework to resist collusion attacks efficiently.

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 enseignants0,002
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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,004
Science ouverte0,0020,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,012
Tête enseignante GPT0,259
Écart entre enseignants0,247 · 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

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Safety and Security EngineeringMême sujetNatural Language Processing TechniquesTravaux en français237 207