Privacy-preserving algorithm for outsourcing matrix multiplication based on Strassen’s algorithm

Mostafavi Toroqi, Moeedreza (2020). Privacy-preserving algorithm for outsourcing matrix multiplication based on Strassen’s algorithm. Mémoire de maîtrise électronique, Montréal, École de technologie supérieure.

Prévisualisation	PDF Télécharger (1MB) | Prévisualisation
Prévisualisation	PDF Télécharger (348kB) | Prévisualisation

Résumé

Matrix Multiplication is a fundamental mathematical tool and basic problem with various applications in many domains such as data mining and data analyzing. Most of the time, limited-resource clients cannot afford the cost of heavy computations and needs to outsource the information and computations to a powerful and efficient cloud system. In this data exchanging, security and privacy concerning become a significant issue due to the value of some sensitive data such as private personal information or industrial data. The untrusted cloud servers beside malicious adversaries are always a kind of hazard for the clients and increase the risk of information leakage in data outsourcing. There exist many secure algorithms with creative data masking methods which are already usable in the industry, but due to numerous system and treat models, and the importance of the level of the security, new algorithms always emerge to improve the existing schemes.

In this thesis, we propose four privacy-preserving algorithms based on Strassen’s scheme to provide the desirable result of matrix multiplication for the clients who are not able to process the regular matrix multiplication algorithms because of lake of powerful resources.

Titre traduit

Algorithme distribué efficace pour la multiplication matricielle protégeant la confidentialité des données

Résumé traduit

La multiplication de matrices est un outil mathématique fondamental et un problème de base dans de nombreux domaines tels que l’ingénierie et l’informatique. Fréquemment, les clients dont les ressources sont limitées ne peuvent supporter le coût de ce type de calcul et doivent externaliser les informations et les calculs vers un système infonuagique puissant et efficace. Dans cet échange de données, la sécurité et la confidentialité deviennent un problème important en raison de la valeur de certaines données sensibles telles que des informations personnelles privées ou des données industrielles. Les serveurs infonuagiques non fiables représentent toujours un risque important pour les clients et augmentent le risque de fuite d’informations lors de l’externalisation des données. Il existe de nombreux algorithmes sécurisés avec des méthodes de chiffrement de données qui sont déjà utilisés dans l’industrie, mais en raison de nombreux modèles de système et de traitement et de l’importance du niveau de sécurité, de nouveaux algorithmes apparaissent toujours pour améliorer les schémas existants.

Dans ce mémoire, nous proposons quatre algorithmes préservant la confidentialité des données basés sur le schéma de Strassen afin de fournir le résultat souhaité aux clients qui ne sont pas en mesure d’effectuer ce type de calcul par manque de ressources.

Type de document:	Mémoire ou thèse (Mémoire de maîtrise électronique)
Renseignements supplémentaires:	"Thesis presented to École de technologie supérieure in partial fulfillment of a master's degree with thesis, information technology". Comprend des références bibliographiques (pages 55-56)
Mots-clés libres:	multiplication de matrices, schéma de Strassen
Directeur de mémoire/thèse:	Directeur de mémoire/thèse Robert, Jean-Marc
Programme:	Maîtrise en ingénierie > Génie des technologies de l'information
Date de dépôt:	30 juin 2020 14:33
Dernière modification:	09 déc. 2020 21:46
URI:	https://espace.etsmtl.ca/id/eprint/2495

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt