mini-ELSA：利用机器学习提升工业 4.0 边缘轻量级可搜索属性加密的空间效率
机器学习
2022-09-23 v1
摘要
在先前工作中，提出了一种新颖的边缘轻量级可搜索属性加密（ELSA）方法以支持工业 4.0，特别是工业物联网应用。本文中，我们旨在通过最小化查找表尺寸并集成适合在边缘执行的机器学习（ML）方法来汇总数据记录，从而改进 ELSA。该集成将通过评估对进一步处理的附加价值来消除不必要的数据记录。因此，在最小化查找表尺寸、云存储与网络流量的同时，充分利用边缘架构优势。我们在一个知名电厂数据集上演示了扩展的 mini-ELSA 方法。结果表明存储需求降低 21%，同时执行时间提升 1.27 倍。
引用
@article{arxiv.2209.10896,
title = {mini-ELSA: using Machine Learning to improve space efficiency in Edge Lightweight Searchable Attribute-based encryption for Industry 4.0},
author = {Jawhara Aljabri and Anna Lito Michala and Jeremy Singer and Ioannis Vourganas},
journal= {arXiv preprint arXiv:2209.10896},
year = {2022}
}