可解释加密可搜索神经网络
密码学与安全
2019-08-15 v1 机器学习
摘要
在云安全中，传统可搜索加密（SE）在动态搜索与更新时需要较高的计算与通信开销。机器学习（ML）与 SE 的巧妙结合可能是解决该问题的新途径。本文提出可解释加密可搜索神经网络（IESNN），以在加密云环境中探索概率查询、平衡索引树构建与自动权重更新。在 IESNN 中，利用概率学习获得可搜索索引的搜索排序，并基于密文索引执行概率查询，显著降低了查询的计算复杂度。相较于传统 SE，提出通过对用户最新数据集的及时查询采用对抗学习与自动权重更新，而无需昂贵的通信开销。所提出的 IESNN 性能优于以往工作，使查询复杂度更接近 ，并引入了较低的计算与通信开销。
引用
@article{arxiv.1908.04998,
title = {Interpretable Encrypted Searchable Neural Networks},
author = {Kai Chen and Zhongrui Lin and Jian Wan and Chungen Xu},
journal= {arXiv preprint arXiv:1908.04998},
year = {2019}
}
备注
The Second International Conference on Machine Learning for Cyber Security (ML4CS 2019). Keyword: Searchable Encryption; Searchable Neural Networks; Probabilistic Learning; Adversarial Learning; Automatic Weight Update