面向云端的隐私保护大规模非线性规划外包
密码学与安全
2020-05-26 v1
摘要
各种来源产生的日益海量的数据催生了大数据分析。求解大规模非线性规划问题（NLP）是一项重要的数据分析任务，在交通与物流等诸多领域有应用。然而，NLP 对资源受限的用户通常计算开销过大。幸运的是，云计算为资源受限用户提供了一种替代且经济的服务，将其计算任务外包给云。然而，外包 NLP 的一个主要担忧是 NLP 表述与结果中所包含的用户私人信息的泄露。尽管隐私保护计算任务外包已有大量工作，但对 NLP 的关注甚少。本文中，我们首次研究具有非线性约束的一般大规模 NLP 的安全外包。提出了用户端一种安全高效的变换方案以保护用户私人信息；云端采用广义简约梯度法有效求解变换后的大规模 NLP。所提协议在云计算测试平台上实现。实验评估表明，用户可节省大量时间，且所提机制具有实用潜力。
引用
@article{arxiv.1810.01048,
title = {Privacy-Preserving Outsourcing of Large-Scale Nonlinear Programming to the Cloud},
author = {Ang Li and Wei Du and Qinghua Li},
journal= {arXiv preprint arXiv:1810.01048},
year = {2020}
}
备注
Ang Li and Wei Du equally contributed to this work. This work was done when Wei Du was at the University of Arkansas. 2018 EAI International Conference on Security and Privacy in Communication Networks (SecureComm)