برون سپاری محصولات اسکالر و محصولات ماتریکس در داده های رمزگذاری نشده محافظت شده با حریم شخصی ذخیره شده در ابرهای غیر قابل اعتماد

کنترل کننده های داده ها اطلاعات بیشتری را در مورد افراد جمع آوری می کنند، که نسبت قابل توجهی از اطلاعات قابل شناسایی و از این رو حساس هستند. ذخیره سازی و پردازش داده ها در مکان های محلی به طور فزاینده ای ناخوشایند است، اما استفاده از ذخیره سازی و پردازش ابر باعث افزایش امنیت و مسائل مربوط به حفظ حریم خصوصی می شود. ما نشان می دهیم که چگونه از ابرهای غیر قابل اعتماد برای محاسبه محصولات اسکالر و محصولات ماتریکس در داده های حفاظت شده حریم خصوصی ذخیره شده در آنها استفاده کنیم. این عملیات در آمار، جبر خطی، تجزیه و تحلیل داده ها و مهندسی مفید است. در راه حل های ما، داده های حساس محافظت شده با حریم شخصی ذخیره شده در ابرها رمزگذاری نمی شوند، اما برخی از ابزار (یعنی برخی از ویژگی های آماری) از داده های اصلی را حفظ می کنند. ما دو نوع از ابرهای صادقانه اما کنجکاو را در نظر می گیریم: ابرها که اطلاعات را با یکدیگر به اشتراک نمی گذارند و ابرها که ممکن است با به اشتراک گذاشتن اطلاعات با یکدیگر رقابت کنند. علاوه بر تجزیه و تحلیل امنیت پروتکل های پیشنهادی، ما همچنین عملکرد آنها را در مقایسه با یک ارزیابی اولیه که شامل دانلود محاسبات محلی است را ارزیابی می کنیم.