Sistema mejorado de almacenamiento seguro y gestión de la privacidad de los datos para grandes volúmenes de datos...

Área de la Ciencia:

• Ciencias de la computación
• Seguridad de los datos
• La computación en la nube

Sus antecedentes:

• La gestión y seguridad de datos sensibles a gran escala, en particular los registros de personal, es un desafío importante en entornos en la nube.
• La creciente complejidad y escala de los grandes sistemas de datos requieren soluciones de seguridad avanzadas.

Objetivo del estudio:

• Proponer un nuevo modelo de almacenamiento seguro en la nube multicapa (MLSCSM) para datos de personal a gran escala en entornos en la nube.
• Integrar métodos criptográficos y estadísticos para la preservación de la privacidad y el almacenamiento seguro de datos.

Principales métodos:

• El MLSCSM combina el cifrado ChaCha20, el particionamiento de datos de doble etapa (DSDP), la k-anonimización, el hashing SHA-512 y la dispersión basada en la matriz de Cauchy.
• Los bloques de datos están codificados de forma segura, enmascarados y distribuidos en múltiples plataformas en la nube en función de varios factores.
• El modelo incorpora registros de auditoría, balance de carga y evaluación de recursos en tiempo real.

Principales resultados:

• El modelo propuesto logró un tiempo de codificación de 250 ms (tamaño de bloque 75), un uso de CPU del 23% para datos de 256 MB y una baja latencia de 14 ms.
• Demostró un alto rendimiento de hasta 139 ms, superando a los modelos de referencia como RDFA, SDPMC y P&XE.
• La validación con el conjunto de datos MIMIC-III en un clúster Hadoop confirmó la eficacia del sistema.

Conclusiones:

• El MLSCSM ofrece seguridad superior, eficiencia y escalabilidad para aplicaciones de almacenamiento de big data basadas en la nube.
• La integración de técnicas criptográficas y estadísticas proporciona una solución sólida para la gestión de datos que preserva la privacidad.
• El modelo está optimizado para entornos de computación en nube distribuidos (CCE).