ConclusionIn this paper, we present

Conclusion
In this paper, we present an efficient, privacy-preserving K-means clustering algorithm in a social network setting. We present a mechanism where the private data of the users, sensitive intermediate values and the final clustering assignments are protected by means of encryption. The service provider, who does not have the decryption key, can still perform clustering without being able to access the content of private data. While the approach of processing encrypted data presents a concrete privacy protection for the users, it also introduces performance drawbacks compared to the version with plain text due to data expansion after encryption and expensive operations on the encrypted data. Previous work has shown different approaches to reduce the complexity of privacy-preserving K-means clustering such as using semi-trusted third parties. In this work, we build a mechanism on the common server-client model and reduce the costs by employing data packing. By this way, we reduce the number of encryption by a factor of K, thus introducing a considerable gain in terms of communication and computation.We also avoid interactive protocols such as secure comparison by exploiting the distributive setting. We also distribute trust among multiple random users for each iteration of the protocol, which introduces a computational gain proportional to the number of such users. The resulting cryptographic protocol is significantly more efficient compared to previous work in the semihonest security model. We also analyze the effects of different choices of parameters on the performance of the cryptographic protocol. Experimental results support our claim on the feasibility of privacy-preserving K-means clustering such that it takes 26 min to cluster 100,000 users. This result, which can be improved further on a real system, encourages the deployment of privacy-preserving K-means clustering algorithms based on homomorphic encryption.

ผลลัพธ์ (ไทย) 1:

บทสรุปในเอกสารนี้ เรานำเสนอมีประสิทธิภาพ รักษาความเป็นส่วนตัว K หมายถึงระบบคลัสเตอร์อัลกอริทึมในการตั้งค่าเครือข่ายสังคม เรานำเสนอระบบที่มีป้องกัน โดยการเข้ารหัสลับข้อมูลส่วนตัวของผู้ใช้ ค่ากลางที่สำคัญ และการกำหนดระบบคลัสเตอร์สุดท้าย ผู้ให้บริการ ที่มีคีย์ถอดรหัส สามารถยังทำคลัสเตอร์ โดยไม่มีความสามารถในการเข้าถึงเนื้อหาของข้อมูลส่วนตัว ในขณะที่การประมวลผลข้อมูลที่เข้ารหัสแสดงการป้องกันคอนกรีตความเป็นส่วนตัวสำหรับผู้ใช้ มันเกิดข้อเสียประสิทธิภาพเมื่อเทียบกับรุ่นข้อความล้วนเนื่องจากขยายข้อมูลหลังจากการเข้ารหัสลับและแพงดำเนินการเข้า งานก่อนหน้านี้ได้แสดงแนวทางต่าง ๆ เพื่อลดความซับซ้อนของการรักษาความเป็นส่วนตัวหมายถึง K คลัสเตอร์เช่นการใช้บุคคลที่สามที่เชื่อถือได้กึ่ง ในงานนี้ เราสร้างกลไกการไคลเอ็นต์เซิร์ฟเวอร์ทั่วไป และลดต้นทุน โดยใช้ข้อมูลบันทึก โดยวิธีนี้ เราลดจำนวนของการเข้ารหัสลับ โดยตัวของ K ดังนั้น แนะนำกำไรจำนวนมากในด้านการคำนวณและการสื่อสาร เรายังหลีกเลี่ยงการโพรโทคอลแบบโต้ตอบเช่นการเปรียบเทียบทาง โดย exploiting ค่าแจกแจง นอกจากนี้เรายังจำหน่ายเชื่อถือในหมู่ผู้สุ่มสำหรับแต่ละการเกิดซ้ำของโพรโทคอล ที่แนะนำกำไรคำนวณสัดส่วนจำนวนผู้ใช้ดังกล่าว โพรโทคอลในการเข้ารหัสลับได้มีประสิทธิภาพมากขึ้นอย่างมีนัยสำคัญเมื่อเทียบกับก่อนหน้านี้ทำงานในรูปแบบความปลอดภัย semihonest นอกจากนี้เรายังวิเคราะห์ผลกระทบของตัวเลือกต่าง ๆ ของพารามิเตอร์ในประสิทธิภาพการทำงานของโพรโทคอลการเข้ารหัสลับ ผลการทดลองสนับสนุนข้อเรียกร้องของเราในความเป็นไปได้ของการรักษาความเป็นส่วนตัวหมายถึง K คลัสเตอร์ที่ใช้นาที 26 ไปยังคลัสเตอร์ผู้ใช้ 100000 นี้ผล สามารถปรับปรุงเพิ่มเติมบนระบบจริง ให้ใช้รักษาความเป็นส่วนตัว K-หมายถึงอัลกอริทึมระบบคลัสเตอร์โดยใช้การเข้ารหัสลับ homomorphic

ผลลัพธ์ (ไทย) 2:

สรุปในบทความนี้เรานำเสนอที่มีประสิทธิภาพการรักษาความเป็นส่วนตัว K หมายถึงขั้นตอนวิธีการจัดกลุ่มในการตั้งค่าเครือข่ายทางสังคม
เรานำเสนอกลไกที่ข้อมูลส่วนตัวของผู้ใช้ค่ากลางที่สำคัญและกำหนดจัดกลุ่มสุดท้ายที่ได้รับการคุ้มครองโดยวิธีการของการเข้ารหัส ผู้ให้บริการที่ไม่ได้มีคีย์ถอดรหัสที่ยังคงสามารถดำเนินการจัดกลุ่มโดยไม่มีความสามารถในการเข้าถึงเนื้อหาของข้อมูลส่วนตัว ในขณะที่วิธีการของการประมวลผลการเข้ารหัสข้อมูลที่มีการป้องกันความเป็นส่วนตัวที่เป็นรูปธรรมสำหรับผู้ใช้ก็ยังแนะนำข้อบกพร่องประสิทธิภาพเมื่อเทียบกับรุ่นที่มีข้อความธรรมดาเนื่องจากการขยายตัวข้อมูลหลังจากการเข้ารหัสและการดำเนินงานที่มีราคาแพงในการเข้ารหัสข้อมูล งานก่อนหน้านี้ได้แสดงให้เห็นวิธีที่แตกต่างเพื่อลดความซับซ้อนของความเป็นส่วนตัวรักษา K-หมายถึงการจัดกลุ่มเช่นการใช้กึ่งไว้วางใจบุคคลที่สาม ในงานนี้เราสร้างกลไกในรูปแบบเซิร์ฟเวอร์ของลูกค้าทั่วไปและลดค่าใช้จ่ายโดยการบรรจุข้อมูล โดยวิธีการนี้เราลดจำนวนของการเข้ารหัสโดยปัจจัยที่ K จึงแนะนำกำไรมากในแง่ของการสื่อสารและ computation.We ยังหลีกเลี่ยงโปรโตคอลโต้ตอบเช่นการเปรียบเทียบการรักษาความปลอดภัยโดยการใช้ประโยชน์การตั้งค่าการจำหน่าย นอกจากนี้เรายังกระจายความไว้วางใจในหมู่ผู้ใช้สุ่มหลายซ้ำกันของโปรโตคอลที่แนะนำมีกำไรจากการคำนวณสัดส่วนกับจำนวนของผู้ใช้ดังกล่าว โปรโตคอลการเข้ารหัสลับที่ส่งผลอย่างมีนัยสำคัญมีประสิทธิภาพมากขึ้นเมื่อเทียบกับการทำงานก่อนหน้าในการรักษาความปลอดภัย semihonest รูปแบบ นอกจากนี้เรายังวิเคราะห์ผลกระทบของทางเลือกที่แตกต่างกันของพารามิเตอร์ในการทำงานของโปรโตคอลเข้ารหัสลับ ผลการทดลองสนับสนุนการเรียกร้องของเราในความเป็นไปได้ของความเป็นส่วนตัวรักษา K-หมายถึงการจัดกลุ่มดังกล่าวว่าจะใช้เวลา 26 นาทีไปยังกลุ่มผู้ใช้ 100,000 ผลที่ได้นี้ซึ่งสามารถปรับปรุงเพิ่มเติมในระบบจริงกระตุ้นให้เกิดการใช้งานของความเป็นส่วนตัวการรักษา K หมายถึงขั้นตอนวิธีการจัดกลุ่มขึ้นอยู่กับการเข้ารหัส homomorphic

ผลลัพธ์ (ไทย) 3:

สรุป
ในกระดาษนี้เรานำเสนอที่มีประสิทธิภาพการรักษาความเป็นส่วนตัว k-means การจัดกลุ่มขั้นตอนวิธีในเครือข่ายทางสังคม การตั้งค่า เราเสนอกลไกซึ่งข้อมูลส่วนบุคคลของผู้ใช้ ค่ากลางที่ละเอียดอ่อน และสุดท้ายกลุ่มได้รับมอบหมายป้องกันโดยใช้วิธีการเข้ารหัสลับ ผู้ให้บริการที่ไม่มีการถอดรหัสคีย์ยังสามารถแสดงข้อมูลโดยไม่สามารถเข้าถึงเนื้อหาของข้อมูลส่วนบุคคล ในขณะที่วิธีการของการประมวลผลข้อมูลที่เข้ารหัสนำเสนอการป้องกันความเป็นส่วนตัวคอนกรีตสำหรับผู้ใช้ นอกจากนี้ยังแนะนำการปฏิบัติข้อด้อยเมื่อเทียบกับรุ่นที่มีข้อความธรรมดาเนื่องจากการขยายตัวของข้อมูลหลังจากการเข้ารหัสและแพง การดำเนินการในการเข้ารหัสข้อมูลผลงานที่ผ่านมาได้แสดงให้เห็นวิธีที่แตกต่างกันเพื่อลดความซับซ้อนของการรักษาความเป็นส่วนตัว k-means คลัสเตอร์ เช่น การใช้กึ่งไว้ใจบุคคลที่สาม ในงานนี้เราสร้างกลไกในรูปแบบทั่วไปของไคลเอ็นต์เซิร์ฟเวอร์ และลดต้นทุน โดยการใช้ข้อมูลที่บรรจุ โดยวิธีนี้ เราสามารถลดจำนวนของการเข้ารหัสโดยปัจจัย K ,ดังนั้นการได้รับมากในแง่ของการสื่อสารและการคำนวณ นอกจากนี้เรายังหลีกเลี่ยงโปรโตคอลแบบโต้ตอบเช่นการเปรียบเทียบ โดยการตั้งค่าการกระจาย . เรายังกระจายความไว้วางใจในหมู่ผู้ใช้หลายสำหรับแต่ละการทำซ้ำของโปรโตคอลซึ่งได้เสนอการคำนวณได้สัดส่วนกับจำนวนของผู้ใช้เช่น