Skip to content

On Leveraging GPUs for Security: discussing k-anonymity and pattern matching

Informazioni tesi

  Autore: Leonardo Jero
  Tipo: Tesi di Laurea Magistrale
  Anno: 2012-13
  Università: Università degli Studi Roma Tre
  Facoltà: Scienze Matematiche, Fisiche e Naturali
  Corso: Matematica
  Relatore: Roberto Di Pietro
  Lingua: Inglese
  Num. pagine: 75

Recent GPU improvements led to an increased use of these hardware devices for tasks not related to graphical issues. With the advent of GPGPU, programmers have token advantage of GPUs increasingly, trying to improve a wide variety of algorithms via parallelization. According to the need to make GPUs easily programmable, the manufacturers of the graphic cards developed some parallel computing libraries such as CUDA, by NVIDIA, and OpenCL, by Khronos Group. Privacy and security problems can benefit from parallel computing resources.

Contributions
In our work we contributed to improve GPU usefulness for security, showing that it is possible to improve performance thanks to this hardware component.
Furthermore, Aparapi allowed us to extend Java’s paradigm “Write Once Run Anywhere” to parallel computing.
To reach this goal we have studied the k-anonymity problem, emphasizing its mathematical aspects but also the need for fast results calculation, in order to keep the privacy of the respondents of a large amount of datasets all over the world.
We have performed an in-depth thorough study of the actual parallelization issues of algorithms on GPUs. As a consequence, we have learnt a big deal of information over the advantages, benefits and caveats of such approach.
Particularly, we have focused on the micro-aggregation technique, investigating two algorithms, MDAV and HyperCubes. We have improved their performance and we have also proposed an hybrid version for the MDAV algorithm.
We seen that parallelization is very helpful in improving performance of algorithms which contain parallelizable portions of code. Furthermore, GPUs allow the parallelization to be very performant, even if there are still several issues related to the usage of graphic cards.
In conclusion we have collected a large amount of high-quality experimental data that can be used further to better model actual GPU usage. These GPU collected results are particularly interesting, as the trend for future GPUs and CPUs will see:
1. a widening of the gap for performance and
2. a unified address space, resulting in a scaling issues improvement.

Lessons learnt
Our work allowed us to make some observations about Aparapi and parallelization.
Despite several issues, such as the lack of support for multiple entrypoints kernel, Aparapi has shown to be a very powerful tool, that allows to fully exploit the power of the GPUs.
We have learnt how to improve performance avoiding the main bottleneck due to GPU usage: the data transfer between CPU and GPU. We have also learnt how to achieve the best performance from different hardware architectures, managing the chunkSize value.
In conclusion it is not trivial to parallelize on GPUs: the development of parallel code implementing tools is not finished yet.

Future works
After having devised a hybrid version of the MDAV algorithm, we are going to improve our approach allowing the micro-aggregation of larger datasets. In practice we are going to overcome the GPU memory limits by partitioning the dataset to be micro-aggregated and by computing micro-aggregation of different subsets on different GPUs. In this approach it is important to pay attention to how data are distributed on the GPUs, in order to avoid the increase of the SSE. A solution to this issue consists in totally ordering the records in the dataset, by one or two components, before partitioning it.

CONSULTA INTEGRALMENTE QUESTA TESI

La consultazione è esclusivamente in formato digitale .PDF

Acquista
Mostra/Nascondi contenuto.
Chapter 1 Introduction In recent years the need to solve complex problems that require large com- puting resources in shorter time has especially arisen. Some of these in the scientific field are: weather forecast, seismic simulations, chemical reactions simulation and studies on the human genoma [1]. All of them belong to the “Grand Challenge Problems” set. As can be noted, solving these problems within strict time limits is very interesting for many areas of scientific re- search. Other relevant problems exist in the computer science and business fields: database management and data-mining [2], search engine development on the web [3], medical diagnostic, advanced graphic [4], virtual reality [5], network broadcasting, highly complex information security [6] and data confidential- ity [7]. In the past, the solution of these problems used to take large amounts of time, due to the need of leveraging very large computing capacity to solve them. Now, thanks to the development of parallel computing, larger and cheaper resources are available, that can be used to address such problems. Parallel computing potentially allows: • to solve larger problems than before; • to improve computing time; • to reduce costs (by splitting work among multiple cheaper processors). Despite the hopes placed in parallel computing, some problems, requiring super-polinomial algorithms, are still far from being solved in acceptable time. However parallelization can help reduce computing time in order to speed up results availability. 3

CONSULTA INTEGRALMENTE QUESTA TESI

La consultazione è esclusivamente in formato digitale .PDF

Acquista

FAQ

Per consultare la tesi è necessario essere registrati e acquistare la consultazione integrale del file, al costo di 29,89€.
Il pagamento può essere effettuato tramite carta di credito/carta prepagata, PayPal, bonifico bancario, bollettino postale.
Confermato il pagamento si potrà consultare i file esclusivamente in formato .PDF accedendo alla propria Home Personale. Si potrà quindi procedere a salvare o stampare il file.
Maggiori informazioni
Ingiustamente snobbata durante le ricerche bibliografiche, una tesi di laurea si rivela decisamente utile:
  • perché affronta un singolo argomento in modo sintetico e specifico come altri testi non fanno;
  • perché è un lavoro originale che si basa su una ricerca bibliografica accurata;
  • perché, a differenza di altri materiali che puoi reperire online, una tesi di laurea è stata verificata da un docente universitario e dalla commissione in sede d'esame. La nostra redazione inoltre controlla prima della pubblicazione la completezza dei materiali e, dal 2009, anche l'originalità della tesi attraverso il software antiplagio Compilatio.net.
  • L'utilizzo della consultazione integrale della tesi da parte dell'Utente che ne acquista il diritto è da considerarsi esclusivamente privato.
  • Nel caso in cui l'Utente volesse pubblicare o citare una tesi presente nel database del sito www.tesionline.it deve ottenere autorizzazione scritta dall'Autore della tesi stessa, il quale è unico detentore dei diritti.
  • L'Utente è l'unico ed esclusivo responsabile del materiale di cui acquista il diritto alla consultazione. Si impegna a non divulgare a mezzo stampa, editoria in genere, televisione, radio, Internet e/o qualsiasi altro mezzo divulgativo esistente o che venisse inventato, il contenuto della tesi che consulta o stralci della medesima. Verrà perseguito legalmente nel caso di riproduzione totale e/o parziale su qualsiasi mezzo e/o su qualsiasi supporto, nel caso di divulgazione nonché nel caso di ricavo economico derivante dallo sfruttamento del diritto acquisito.
  • L'Utente è a conoscenza che l'importo da lui pagato per la consultazione integrale della tesi prescelta è ripartito, a partire dalla seconda consultazione assoluta nell'anno in corso, al 50% tra l'Autore/i della tesi e Tesionline Srl, la società titolare del sito www.tesionline.it.
L'obiettivo di Tesionline è quello di rendere accessibile a una platea il più possibile vasta il patrimonio di cultura e conoscenza contenuto nelle tesi.
Per raggiungerlo, è fondamentale superare la barriera rappresentata dalla lingua. Ecco perché cerchiamo persone disponibili ad effettuare la traduzione delle tesi pubblicate nel nostro sito.
Scopri come funziona

DUBBI? Contattaci

Contatta la redazione a
[email protected]

Ci trovi su Skype (redazione_tesi)
dalle 9:00 alle 13:00

Oppure vieni a trovarci su

Parole chiave

privacy
gpgpu
microaggregation
parallelization

Non hai trovato quello che cercavi?


Abbiamo più di 45.000 Tesi di Laurea: cerca nel nostro database

Oppure consulta la sezione dedicata ad appunti universitari selezionati e pubblicati dalla nostra redazione

Ottimizza la tua ricerca:

  • individua con precisione le parole chiave specifiche della tua ricerca
  • elimina i termini non significativi (aggettivi, articoli, avverbi...)
  • se non hai risultati amplia la ricerca con termini via via più generici (ad esempio da "anziano oncologico" a "paziente oncologico")
  • utilizza la ricerca avanzata
  • utilizza gli operatori booleani (and, or, "")

Idee per la tesi?

Scopri le migliori tesi scelte da noi sugli argomenti recenti


Come si scrive una tesi di laurea?


A quale cattedra chiedere la tesi? Quale sarà il docente più disponibile? Quale l'argomento più interessante per me? ...e quale quello più interessante per il mondo del lavoro?

Scarica gratuitamente la nostra guida "Come si scrive una tesi di laurea" e iscriviti alla newsletter per ricevere consigli e materiale utile.


La tesi l'ho già scritta,
ora cosa ne faccio?


La tua tesi ti ha aiutato ad ottenere quel sudato titolo di studio, ma può darti molto di più: ti differenzia dai tuoi colleghi universitari, mostra i tuoi interessi ed è un lavoro di ricerca unico, che può essere utile anche ad altri.

Il nostro consiglio è di non sprecare tutto questo lavoro:

È ora di pubblicare la tesi