An efficient and secure ridge regression outsourcing scheme in wearable devices

رجیج رگرسیون یک رویکرد مهم در بسیاری از برنامه های کاربردی مانند سیستم مراقبت بهداشتی از وسایل پوشیدنی هوشمند است. با توجه به منابع محدود دستگاه های پوشیدنی، برون سپاری یک پارادایم محاسباتی امیدوار کننده است. با این وجود، آن نیز از برخی چالش های حفظ حریم خصوصی رنج می برد، زیرا محاسبات برون سپاری احتمالا شامل برخی از اطلاعات حساس می شود. در این مقاله، ما یک طرح برون سپاری رگرسیون ریدج را پیشنهاد می کنیم که می تواند به طور امن از ابر برای تجزیه و تحلیل داده ها در دستگاه های پوشیدنی در مقیاس بزرگ استفاده کند و به طور چشمگیری هزینه های محاسبه مشتریان محدود منابع را کاهش دهد. از لحاظ فنی، از بردارهای تصادفی و ماتریسهای متراکم استفاده می کنیم تا داده های ورودی و خروجی رگرسیون را تحریک کنند، به طوری که هر دو حریم خصوصی و حفظ حریم خصوصی خروجی می توانند به طور موثر محافظت شوند. سپس، ما یک الگوریتم تأیید بسیار کارآمد را ارائه می دهیم تا قویا پاسخ صحیح پاسخ ابر ​​را در برابر یک سرور ابر نادرست / تنبل بررسی کنیم. در نهایت، طرح ما را از طریق تجزیه و تحلیل نظری و آزمایش های گسترده ارزیابی می کنیم. نتایج نشان می دهد که می توانیم حریم خصوصی ورود، خروجی، صحت، قابلیت اطمینان و کارایی عملی را به دست آوریم.