Privacy-preserving anomaly detection in cloud with lightweight homomorphic encryption

تشخیص آنومالی در داده های بزرگ، پیچیده و پویا، یک سرویس ضروری است که برای فعال کردن قابلیت های هوشمند در اکثر سیستم ها ضروری است. افزایش وابستگی به زیرساخت های محاسبات ابری برای پردازش چنین داده ها، چالش های حیاتی را در ارتباط با امنیت و حریم خصوصی ایجاد می کند. این مقاله یک چارچوب عملی را معرفی می کند که از منابع ابری بهره می گیرد تا یک حریم خصوصی سبک و قابل انطباق را حفظ کند و سرویس تشخیص آنومالی را برای داده های سنسور حفظ کند. یک طرح رمزگذاری سبک هومومورفیک برای اطمینان از امنیت داده ها و حریم خصوصی با هرگونه محدودیت محاسباتی استفاده می شود که از طریق یک مدل پردازش داده مناسب برداشته می شود که یک سرور خصوصی شخصی را با مجموعه ای از سرورهای عمومی در یک مرکز داده ابر متصل می کند. گره های مجازی که در سرورهای عمومی اجرا می شوند عملیات تشخیص آنومالی گرانشی را بر روی داده های رمزگذاری شده انجام می دهند. آزمایش جامع نشان می دهد دقت تشخیص دائمی با هزینه های کمتر در یک مدل تشخیص آنومالی مبتنی بر ابر است که هر دو سبک وزن و مقیاس پذیر است در حالی که اطمینان حفظ حریم خصوصی داده ها.