Verifiable Outsourced Database Model: A Game-Theoretic \nApproach
Notice bibliographique
Résumé
In the verifiable database (VDB) model, a computationally weak client (database owner) delegates \nhis database management to a database service provider on the cloud, which is considered \nuntrusted third party, while users can query the data and verify the integrity of query results. Since \nthe process can be computationally costly and has a limited support for sophisticated query types \nsuch as aggregated queries, we propose in this research a framework that helps bridge the gap between \nsecurity and practicality. The proposed framework remodels the verifiable database problem \nusing Stackelberg security game. In the new model, the database owner creates and uploads to \nthe database service provider the database and its authentication structure (AS). Next, the game is \nplayed between the defender (verifier), who is a trusted party to the database owner and runs scheduled \nrandomized verifications using Stackelberg mixed strategy, and the database service provider. \nThe idea is to randomize the verification schedule in an optimized way that grants the optimal payoff \nfor the verifier while making it extremely hard for the database service provider or any attacker \nto figure out which part of the database is being verified next. \nWe have implemented and compared the proposed model performance with a uniform randomization \nmodel. Simulation results show that the proposed model outperforms the uniform randomization \nmodel. Furthermore, we have evaluated the efficiency of the proposed model against \ndifferent cost metrics.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».