Cloud computing has garnered attention as a platform of query processing systems. However, data privacy leakage is a critical problem. Chowdhury et al. proposed Crypt(epsilon), which executes differential privacy (DP) over encrypted data on two non-colluding semi-honest servers. Further, the DP index proposed by these authors summarizes a dataset to prevent information leakage while improving the performance. However, two problems persist: 1) the original data are decrypted to apply sorting via a garbled circuit, and 2) the added noise becomes large because the sorted data are partitioned with equal width, regardless of the data distribution. To solve these problems, we propose a new method called DP-summary that summarizes a dataset into differentially private data over a homomorphic encryption without decryption, thereby enhancing data security. Furthermore, our scheme adopts Li et al.'s data-aware and workload-aware (DAWA) algorithm for the encrypted data, thereby minimizing the noise caused by DP and reducing the errors of query responses. An experimental evaluation using torus fully homomorphic encryption (TFHE), a bit-wise fully homomorphic encryption library, confirms the applicability of the proposed method, which summarized eight 16-bit data in 12.5 h. We also confirmed that there was no accuracy degradation even after adopting TFHE along with the DAWA algorithm.


翻译:云计算作为查询处理系统的平台引起了人们的注意。然而,数据隐私泄漏是一个严重问题。乔杜里等人(Chowdhury et al) 提议Crypt(epsilon),对两个非混合半诚实服务器的加密数据实施有区别的隐私(DP),此外,这些作者提议的DP指数汇总了一个数据集,以防止信息泄漏,同时改进性能。然而,有两个问题依然存在:(1) 原始数据被破解,以便通过模糊的电路进行分类;(2) 增加的噪音变得很大,因为分类的数据无论数据分布如何,均以同等的宽度进行分割。为了解决这些问题,我们提议了一种叫DP-Summy的新方法,将数据汇总成有区别的私人数据,而无需解密即可对同式加密,从而增强数据安全。此外,我们的方案采用Li et al(DAWA) 的数据觉和工作量觉识(DAWA) 算法,从而最大限度地减少DP造成的噪音,并减少查询答复的错误。一个实验性评估评价,使用完全的全同系加密加密(THEHE),一个略地将数据的精确性地总结为18。我们还确认了ADA-degregregrequel dal dalisalisquelation法。

0
下载
关闭预览

相关内容

【数据科学导论书】Introduction to Datascience,253页pdf
专知会员服务
48+阅读 · 2021年11月15日
知识图谱推理,50页ppt,Salesforce首席科学家Richard Socher
专知会员服务
105+阅读 · 2020年6月10日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
已删除
将门创投
3+阅读 · 2019年1月29日
Learning in the Frequency Domain
Arxiv
11+阅读 · 2020年3月12日
VIP会员
相关VIP内容
【数据科学导论书】Introduction to Datascience,253页pdf
专知会员服务
48+阅读 · 2021年11月15日
知识图谱推理,50页ppt,Salesforce首席科学家Richard Socher
专知会员服务
105+阅读 · 2020年6月10日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
已删除
将门创投
3+阅读 · 2019年1月29日
Top
微信扫码咨询专知VIP会员