| مشخصات مقاله | |
| ترجمه عنوان مقاله | یک مدل محاسباتی ابری مبتنی بر FHE علمی |
| عنوان انگلیسی مقاله | A methodical FHE-based cloud computing model |
| انتشار | مقاله سال 2019 |
| تعداد صفحات مقاله انگلیسی | 29 صفحه |
| هزینه | دانلود مقاله انگلیسی رایگان میباشد. |
| پایگاه داده | نشریه الزویر |
| نوع نگارش مقاله |
مقاله پژوهشی (Research article) |
| مقاله بیس | این مقاله بیس نمیباشد |
| نمایه (index) | scopus – master journals – JCR |
| نوع مقاله | ISI |
| فرمت مقاله انگلیسی | |
| ایمپکت فاکتور(IF) |
5.341 در سال 2017 |
| شاخص H_index | 85 در سال 2019 |
| شاخص SJR | 0.844 در سال 2017 |
| شناسه ISSN | 0167-739X |
| شاخص Quartile (چارک) | Q1 در سال 2017 |
| رشته های مرتبط | مهندسی کامپیوتر |
| گرایش های مرتبط | الگوریتم و محاسبات – رایانش ابری |
| نوع ارائه مقاله |
ژورنال |
| مجله / کنفرانس | سیستم های کامپیوتری نسل آینده – Future Generation Computer Systems |
| دانشگاه | INESC-ID, Instituto Superior Técnico, Universidade de Lisboa, Rua Alves Redol, 9, 1000-029 Lisboa, Portugal |
| کلمات کلیدی | رمزگذاری همومورفیک، حساب کامپیوتری، محاسبات ابری |
| کلمات کلیدی انگلیسی | Homomorphic Encryption, Computer Arithmetic, Cloud Computing |
| شناسه دیجیتال – doi |
https://doi.org/10.1016/j.future.2019.01.046 |
| کد محصول | E11995 |
| وضعیت ترجمه مقاله | ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید. |
| دانلود رایگان مقاله | دانلود رایگان مقاله انگلیسی |
| سفارش ترجمه این مقاله | سفارش ترجمه این مقاله |
| فهرست مطالب مقاله: |
| Outline Highlights Abstract Keywords 1. Introduction 2. Background 3. Proposed FHE-based cloud computing system 4. Implementation details and experimental results 5. Related art 6. Conclusion Acknowledgements References |
| بخشی از متن مقاله: |
| Abstract Attacks such as Meldown and Spectre have shown that traditional cloud computing isolation mechanisms are not sufficient to guarantee the confidentiality of processed data. With Fully Homomorphic Encryption (FHE), data may be processed encrypted in the cloud, making any leaked information look random to an attacker. Furthermore, a client might also be interested in protecting the processing algorithm. While there has been research on ensuring the confidentiality of the processing algorithm, the resulting systems are impractical. Herein, we propose an automatic and methodical technique to approximate a wide range of functions homomorphically. As the approximations are all evaluated in the same manner, a homomorphic evaluator has no way to distinguish them. Since the derivation of the FHE circuit is decoupled from the function development process, users benefit from traditional programming and debugging tools. The proposed tools may exploit different kinds of number representations during the homomorphic evaluation of functions, namely stochastic number representations and fixed-point arithmetic, each with its own characteristics. Additionally, an implementation of the system is presented, its applicability is verified in practice for commonly used applications, including image processing and machine learning, and the two number representations are thoroughly compared. |