Die Kosten-Effizienz und Zuverlässigkeit von Serverless Computing treiben dessen Adoption in der heterogenen Netzwerk-Datenverteilung voran, dennoch bestehen Herausforderungen in Bezug auf Datenleckrisiken und die Aufrechterhaltung der Mehr-Ebenen-Konsistenz. Aktuelle datenschutzwahrende Ansätze zur Konsistenz der mehrstufigen Netzwerkstruktur leiden an unzureichender Kopplung heterogener Knoten an Kantengewichte, unvernünftiger Zuweisung des Privatsphäre-Budgets für die differentielle Privatsphäre der Kantengewichte sowie mangelnder Berücksichtigung der Knotensensitivität bei der Wahrung der mehrstufigen Strukturkonsistenz. Daher schlagen wir ein mehrstufiges, konsistentes und effizient arbeitendes Datenschutzschutzrahmenwerk für Serverless Computing vor. Zunächst wird eine hierarchische Ähnlichkeitsmessung für verschiedene Knotentypen entwickelt, um die Konsistenz von Knotenmerkmalen und Kantengewichten sicherzustellen. Zweitens wird eine Methode zur Zuweisung des Privatsphäre-Budgets basierend auf den Merkmalswerten von Teilgraphstrukturen entwickelt, um Verschwendung des Privatsphäre-Budgets zu vermeiden. Drittens wird eine auf differenzieller Privatsphäre basierende Spektralclustering-Methode in Kombination mit einer Graphrekonstruktionsstrategie eingeführt, um die Privatsphäre von Gemeinschaftsteilgraphen zu schützen und die Konsistenz der Gemeinschaftsstruktur während Datenschutzstörungen zu gewährleisten. Schließlich wird der Datenschutz zwischen Gemeinschaften durch Kantenknotendiffusion und isomorphe Substitution in einer serverlosen Laufzeitumgebung erreicht. Experimentelle Auswertungen an drei realen Datensätzen unterschiedlicher Größe zeigen, dass unser Rahmenwerk nicht nur effektiv Datenschutz und Verfügbarkeit von Daten balanciert, sondern auch eine effiziente Aufrechterhaltung der Mehr-Ebenen-Konsistenz in einer serverlosen Umgebung ermöglicht.
Qu et al. (Wed,) untersuchten diese Fragestellung.