Préservation de la vie privée par la méthode Bi-Lanczos d'ordre élevé dans le calcul Cloud–Fog pour les applications industrielles

Les systèmes cyber-physiques-sociaux industriels (CPSS), un paradigme de données prédominant, couplent et coordonnent étroitement l'espace social dans des systèmes cyber-physiques (CPS) au sein d'environnements industriels. Avec la prolifération du calcul cloud-fog, celui-ci devient le paradigme de calcul le plus en vue utilisé pour mettre en œuvre l'analyse des données industrielles. Cependant, l'environnement ouvert du calcul cloud-fog et le contrôle limité des utilisateurs des CPSS industriels rendent l'analyse des données industrielles sans compromettre la vie privée des utilisateurs un grand défi de recherche dans des applications industrielles pratiques basées sur le cloud-fog. L'approche Bi-Lanczos d'ordre élevé (HOBI-Lanczos) a montré un succès remarquable dans l'analyse des données hétérogènes dans les applications industrielles. Dans cet article, une nouvelle approche HOBI-Lanczos préservant la vie privée utilisant des trains de tenseurs dans le calcul cloud-fog est proposée pour les applications de données industrielles. Plus précisément, un modèle d'analyse de données industrielles préservant la vie privée utilisant le calcul cloud-fog et des trains de tenseurs est d'abord proposé. Le modèle proposé permet aux fogs et aux clouds de mener en toute sécurité des analyses de données industrielles pour des tenseurs à grande échelle donnés au format de train de tenseurs. De plus, en utilisant ce modèle, une approche HOBI-Lanczos préservant la vie privée est fournie. Enfin et surtout, en utilisant une étude de cas de système robotique contrôlé par le cerveau, l'approche proposée est analysée théoriquement et empiriquement. Notre approche proposée s'est avérée sécurisée. Une série d'expériences corroborent la supériorité de l'approche proposée dans le calcul cloud-fog pour les applications industrielles.