A Generalized Framework for Preserving Both Privacy and Utility in Data Outsourcing
A Generalized Framework for Preserving Both Privacy and Utility in Data Outsourcing
复制标题
数据外包中保护隐私和实用性的通用框架
DOI：
10.1109/tkde.2021.3078099
复制
发表时间：
2022
影响因子：
8.9
通讯作者：
Hong, Yuan
中科院分区：
文献类型：
--
作者：
Xie, Shangyu;Mohammady, Meisam;Wang, Han;Wang, Lingyu;Vaidya, Jaideep;Hong, Yuan
属性保留加密技术已经显著地提高了加密数据在各种数据外包设置（例如，云）。然而，在保留某些特性（例如，数据的前缀或顺序），这种加密方案通常限于特定的数据类型（例如，前缀保留的IP地址）或应用（例如，在顺序保持数据上的范围查询），并且非常容易受到新兴的推理攻击，这可能极大地限制其在实践中的应用。在本文中，据我们所知，我们第一次尝试通过前缀感知编码来推广前缀保留加密，它不仅适用于更一般的数据类型（例如，地理位置、购物篮数据、DNA序列、数字数据和时间戳），而且还能防止推理攻击。此外，我们提出了一个通用的多视图外包框架，生成多个不可分割的数据视图，其中一个视图完全保留了数据分析的效用，其准确的分析结果可以被遗忘检索。在给定任何特定的隐私泄漏边界的情况下，计算和通信开销最小化，以有效地抵御不同的推理攻击。我们经验性地评估我们的外包框架对两个不同的真实的数据集上的两种常见的推理攻击的性能：签入位置数据集和网络流量数据集，分别。实验结果表明，我们提出的框架既保留了隐私（有限的泄漏和不可分割的数据视图）和实用程序（100%的分析准确率）。
Property preserving encryption techniques have significantly advanced the utility of encrypted data in various data outsourcing settings (e.g., the cloud). However, while preserving certain properties (e.g., the prefixes or order of the data) in the encrypted data, such encryption schemes are typically limited to specific data types (e.g., prefix-preserved IP addresses) or applications (e.g., range queries over order-preserved data), and highly vulnerable to the emerging inference attacks which may greatly limit their applications in practice. In this paper, to the best of our knowledge, we make the first attempt to generalize the prefix preserving encryption viaprefix-awareencoding that is not only applicable to more general data types (e.g., geo-locations, market basket data, DNA sequences, numerical data and timestamps) but also secure against the inference attacks. Furthermore, we present a generalizedmulti-view outsourcingframework that generates multipleindistinguishabledata views in which one view fully preserves the utility for data analysis, and its accurate analysis result can be obliviously retrieved. Given any specified privacy leakage bound, the computation and communication overheads are minimized to effectively defend against different inference attacks. We empirically evaluate the performance of our outsourcing framework against two common inference attacks on two different real datasets: the check-in location dataset and network traffic dataset, respectively. The experimental results demonstrate that our proposed framework preserves both privacy (with bounded leakage and indistinguishability of data views) and utility (with 100 percent analysis accuracy).
登录
查看更多内容
尝试利用 T 结肠造影中大肠突起病变的分形分析来诊断恶性肿瘤
DOI：
--
发表时间：
2022
期刊：
影响因子：
--
作者：
間宮悠;栃木透
通讯作者：
栃木透
分析企业数据包追踪匿名化中的隐私
DOI：
--
发表时间：
2008
期刊：
Network and Distributed System Security Symposium
影响因子：
--
作者：
Bruno Ribeiro;Weifeng Chen;G. Miklau;D. Towsley
通讯作者：
D. Towsley
DOI：
--
发表时间：
2013-03
期刊：
AMIA Summits on Translational Science Proceedings
影响因子：
--
作者：
Jaideep Vaidya;Basit Shafiq;Xiaoqian Jiang;L. Ohno-Machado
通讯作者：
Jaideep Vaidya;Basit Shafiq;Xiaoqian Jiang;L. Ohno-Machado
针对网络日志匿名化攻击的分类和对抗模型
DOI：
--
发表时间：
2009
期刊：
ACM Symposium on Applied Computing
影响因子：
--
作者：
Justin King;Kiran Lakkaraju;A. Slagell
通讯作者：
A. Slagell
粗略流量摘要中的浏览器指纹识别：技术和含义
DOI：
--
发表时间：
2009
期刊：
International Conference on Detection of intrusions and malware, and vulnerability assessment
影响因子：
--
作者：
T. Yen;Xin Huang;F. Monrose;M. Reiter
通讯作者：
M. Reiter