Data Security in the Cloud Using pTree-based Homomorphic Intrinsic Data Encryption System (pHIDES)
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.
Notice bibliographique
Résumé
Cloud usage for storing data and performing operations has gained immense popularity in recent times. However, there are concerns that uploading data to the cloud increases the chances of unauthorized parties accessing it. One way to secure data from unauthorized access is to encrypt it. Even if the data is hacked, the hackers will not be able to retrieve any information from the data without knowing the 'Key' to decrypt it. But when data needs to be used for services such as data analytics, it must be in its original, non-encrypted form. Decrypting the data makes it vulnerable again, which is why Homomorphic Encryption could be the solution to this problem. In this encryption method, the analytical engine can use the encrypted data to perform analysis, where the analysis result will also be in decrypted form. Only authorized users can access the results using the 'Key.' This research proposal proposes a method called pHIDES to enhance data security in the cloud. The pHIDES (pTree-based Homomorphic Intrinsic Data Encryption System) represents data in pTree (Predicate tree) format, a data mining-ready data structure proven to manipulate a large volume of data effectively. The concept of Homomorphic Encryption (HME) along with pHIDES is discussed in our research, along with the algorithmic execution to analyze the effectiveness of the algorithm used to encrypt data in the cloud.
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 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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,006 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle