Preserving privacy with homomorphic encryption in 5G Network Data Analytics Function
5G Şebeke Veri Analitiği Fonksiyonu'nda homomorfik şifreleme ile mahremiyetin korunması
- Tez No: 831555
- Danışmanlar: PROF. DR. ERTAN ONUR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 101
Özet
Son dönemlerde bulut bilişim hizmetleri yaygın olarak kullanılmaktadır. Hesaplamaların herkese açık bulutlarda yapılması, birçok fayda sağlamasına rağmen, kullanıcıların ve verilerinin mahremiyetini riske atmaktadır. Homomorfik şifreleme (HE) yöntemi, bulut bilişim hizmetlerinin şifrelenmiş veriler üzerinde doğrudan hesaplama yapılabilmesini mümkün kılar ve bu da veri mahremiyetinin korunmasını sağlar. Şebeke Veri Analitiği Fonksiyonu (NWDAF), buluşsal (heuristic) veya makine öğrenimi (ML) tekniklerini kullanarak 5G şebekelerinde otonom ağ yönetimi ve güvenliği konusunda önemli bir rol oynar. Bu çalışmada, Şebeke Veri Analitiği Fonksiyonu'nun (NWDAF) gecikmeye toleranslı görevlerinin, homomorfik şifreleme (HE) kullanılarak kullanıcı ve veri gizliliğini korurken üçüncü taraf bulut sağlayıcılarına yüklenebileceği fikrini öneriyoruz. Fakat, derin sinir ağları (DNN) veya karmaşık analiz algoritmaları gibi yöntemler, yüksek hesaplama gereksinimleri nedeniyle çekirdek ağda konuşlandırılamayabilir. Ayrıca telekomünikasyon şirketleri, analitik methodlarını kendileri uygulamak yerine deneyimli üçüncü taraflara devretmeyi tercih edebilir. Bunun sonucunda da, telekomünikasyon şirketlerinin temel yeteneklerini genişletmesine ve sermaye ile operasyonel harcamalarını azaltmaya odaklanmasına olanak sağlayacaktır. Bu çalışmada önerilen fikri desteklemek adına, iki farklı Şebeke Veri Analitiği Fonksiyonu (NWDAF) kullanım senaryosu seçilmiştir ve homomorfik şifreleme ile veri gizliliğin korunabileceği gösterilmiştir. Kullanıcı ekipmanı (UE) için anormal davranış veya anomali tespiti ve kullanıcı ekipmanı (UE) için hareketlilik analitiği ve beklenen davranış tahmini kullanım senaryoları seçilmiştir. İlk senaryo için, çeşitli derin öğrenme (DL) modellerini düz metin verileriyle eğitiyoruz. Daha sonra, şifrelenmiş veriler üzerinde çıkarımın düz metin çıkarımı kadar doğru ve kesin olduğu gösteriliyor. Diğer senaryo için, şifreli bir çizgede veri gizliliğini bozmayacak bir şekilde adaları (bağlı bileşenleri) bulma yöntemi sunuluyor, ve bu yöntemin hareketlilik analitiği ve beklenen davranış tahmini için nasıl kullanılabileceği gösteriliyor. Sunduğumuz yöntemlerin çeşitli perfomans ölçümleri ile analizi sunuluyor, ve performans düşüşü karşılığında mahremiyetin korunabileceğini gösteriliyor.
Özet (Çeviri)
Recently, cloud computing services have found widespread use. Offloading computations to public clouds has many benefits albeit harming the privacy of users and data. Homomorphic encryption (HE) facilitates cloud computing services that can do computations over encrypted data in the cloud without requiring decryption and this enables privacy-preserving applications. In this thesis, we propose to offload delay-tolerant tasks of the Network Data Analytics Function (NWDAF) which plays a key role in autonomous network management and security in 5G networks using heuristic and machine learning (ML) techniques. Not all methods such as deep neural networks (DNN), and complex analysis algorithms can be deployed in the core network due to their high computational requirements. Besides, telecommunication companies may opt to outsource the analytics to experienced third-party providers rather than implementing them by themselves. By offloading Network Data Analytics Function (NWDAF) tasks to the cloud, telecommunication companies can concentrate on expanding their core capabilities, and reduce their capital and operational expenditures. To support the proposed idea, two of the Network Data Analytics Function (NWDAF) use cases are selected and it is shown that homomorphic encryption can be employed for preserving data privacy in both use cases. Selected use cases are user equipment (UE) abnormal behavior or anomaly detection, and user equipment (UE) mobility analytics and expected behavior prediction. For the former use case, various DL models are trained with plaintext data and it is demonstrated that inferencing on encrypted data is as accurate and precise as plaintext inferencing. For the latter use case, an approach for confidentially finding islands (connected components) in a graph is proposed and shown that how this approach can be used for mobility analytics and expected behavior prediction. Various performance evaluation results are quantified and it shows that privacy-preservation can be achieved with a cost of computation overhead.
Benzer Tezler
- Privacy-preserving XGBoost inference with homomorphic encryption
Homomorfik şifreleme ile gizlilik korumalı XGBoost tahmin algoritması
ŞEYMA SELCAN MAĞARA
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
PROF. DR. ERKAY SAVAŞ
- Privacy preserving homomorphicencryption in cloud storage
Gizlilik koruma homomorfikbulut depolamada şifreleme
ZAHRAA SABBAR LAFTA LAFTA
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMAD ILYAS
- Blokzincir tabanlı gizlilik korumalı istatistiksel hesaplamalar
Blockchain based privacy preserving statistical calculations
ZEYNEP DELAL MUTLU
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTOBB Ekonomi ve Teknoloji ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ AYDIN SELÇUK
- Privacy-preserving rare disease analysis with fully homomorphic encryption
Tam homomorfik şifreleme ile gizliliği koruyan nadir hastalık analizi
GÜLİZ AKKAYA
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİzmir Yüksek Teknoloji EnstitüsüBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NESLİ ERDOĞMUŞ
DR. METE AKGÜN
- Application of privacy-preserving clustering methods using homomorphic encryption algorithms
Homomorfik şifreleme algoritmaları kullanılarak mahremiyet korumalı gruplandırma yöntemlerinin uygulanması
İSMAİL AYDIN
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Şehir ÜniversitesiBilgi Güvenliği Mühendisliği Ana Bilim Dalı
PROF. DR. ENSAR GÜL
DR. FERHAT ÖZGÜR ÇATAK