Computação da Quadratura Gaussiana em um Esquema Criptográfico Parcialmente Homomórfico

  • Paulo Ricardo Reis LNCC
  • Pedro Lara CEFET/RJ
  • Fábio Borges LNCC

Resumo


É crescente a atenção ao uso de criptografia homomórfica, isto é, sistemas criptográficos capazes de realizar operações matemáticas com os dados no domínio cifrado. Embora tais sistemas proporcionem um enorme ganho no que se refere à privacidade dos dados, estes demonstram ser expressivamente mais lentos. Este trabalho avalia a aplicabilidade do sistema Paillier no cálculo da quadratura gaussiana. Foi constatado um aumento médio de 3234 vezes no tempo computacional utilizando o sistema homomórfico e precisão de nove casas decimais.

Referências

Bhagadia, D., Bhanpurawala, M., Dalal, D., and Kanani, P. (2020). Securing pharmaceutical data using homomorphic encryption. International Journal of Future Generation Communication and Networking, 13(1s):331–341.

Borges, F., Lara, P., and Portugal, R. (2017). Parallel algorithms for modular multi-exponentiation. Applied Mathematics and Computation, 292:406–416.

Epperson, J. F. (2013). An introduction to numerical methods and analysis. John Wiley & Sons.

Hasan, R. and Shaw, K. (2018). A survey paper on privacy of medical data storage on the cloud.

Paillier, P. (1999). Public-key cryptosystems based on composite degree residuosity classes. In International conference on the theory and applications of cryptographic techniques, pages 223–238. Springer.

Pallavi and Joshi, S. (2020). An efficient Paillier cryptographic technique for secure data storage on the cloud. In 2020 4th International Conference on Intelligent Computing and Control Systems (ICICCS), pages 145–149.
Publicado
13/10/2020
Como Citar

Selecione um Formato
REIS, Paulo Ricardo; LARA, Pedro; BORGES, Fábio. Computação da Quadratura Gaussiana em um Esquema Criptográfico Parcialmente Homomórfico. In: SIMPÓSIO BRASILEIRO DE SEGURANÇA DA INFORMAÇÃO E DE SISTEMAS COMPUTACIONAIS (SBSEG), 20. , 2020, Petrópolis. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2020 . p. 502-507. DOI: https://doi.org/10.5753/sbseg.2020.19262.

Artigos mais lidos do(s) mesmo(s) autor(es)