抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
クラウドコンピューティングは自分たちのデータおよびアプリケーションをアウトソーシングするユーザに機会を提供する。しかし,データプライバシーはいくつかの透明雲サーバに関するデータアウトソーシングしているユーザのための主要課題の一つである。データ暗号化は,クラウド上でのユーザのデータプライバシーを保護するための最良の選択肢である。しかし,暗号化法の計算のオーバヘッドは,いくつかの小さな計算機に高価であるが,限られた資源で移動またはIoTデバイス,電池など。著者らの以前の研究では,元のデータの内容をスクランブルに擬似ランダム置換(PRP)を用いたカオス系に基づく軽量データプライバシー法(DPM)を開発した。PRPの性質は並列化に対してであるが,ファイルをスクランブルする効率的な並列アルゴリズムを与えた,一方,ファイルを複数の塊に分裂した。並列DPMは,元のデータ(例えば,力づく攻撃を用いて)にアクセスする敵対者を回避し,各スクランブルデータの大きさが十分に大きい。本論文では,実装のためのNVIDIA CUDAプラットフォームを用いて,グラフィック処理ユニット(GPU)上でDPMを加速した。データに計算は多重GPUコア上の並列であるとき,擬似ランダムから発生したシャッフルアドレスとランダム性の分布を評価した。セット厳密な評価の結果は天然CUDA並列関数の最も時間消費をモニターした場合平行DPMは伝統DPMよりも優れた性能を提供することを示した。,安全で確実に平行なDPMのセキュリティ解析を行い,それはクラウド環境におけるユーザのデータプライバシーを保護するためのコスト効果的なモデルである。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】
