論文の概要: Trust Me If You Can: Trusted Transformation Between (JSON) Schemas to
Support Global Authentication of Education Credentials
- arxiv url: http://arxiv.org/abs/2106.12793v1
- Date: Thu, 24 Jun 2021 07:03:23 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-25 16:19:19.932378
- Title: Trust Me If You Can: Trusted Transformation Between (JSON) Schemas to
Support Global Authentication of Education Credentials
- Title（参考訳）: trust me if you can: 教育証明書のグローバル認証をサポートするための(json)スキーマ間の信頼できる変換
- Authors: Stefan More and Peter Grassberger and Felix H\"orandner and Andreas
Abraham and Lukas Daniel Klausner
- Abstract要約: 世界中のリクルート業者や機関は、多様かつグローバルな教育環境で発行された卒業証書の検証に苦慮している。
本稿では,発行者の正当性を自動検証し,未知のスキーマにおける認証情報を解釈する分散型かつオープンなシステムを提案する。
- 参考スコア（独自算出の注目度）: 0.27961972519572437
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recruiters and institutions around the world struggle with the verification
of diplomas issued in a diverse and global education setting. Firstly, it is a
nontrivial problem to identify bogus institutions selling education
credentials. While institutions are often accredited by qualified authorities
on a regional level, there is no global authority fulfilling this task.
Secondly, many different data schemas are used to encode education credentials,
which represents a considerable challenge to automated processing.
Consequently, significant manual effort is required to verify credentials.
In this paper, we tackle these challenges by introducing a decentralized and
open system to automatically verify the legitimacy of issuers and interpret
credentials in unknown schemas. We do so by enabling participants to publish
transformation information, which enables verifiers to transform credentials
into their preferred schema. Due to the lack of a global root of trust, we
utilize a distributed ledger to build a decentralized web of trust, which
verifiers can query to gather information on the trustworthiness of issuing
institutions and to establish trust in transformation information. Going beyond
diploma fraud, our system can be generalized to tackle the generalized problem
for other domains lacking a root of trust and agreements on data schemas.
- Abstract（参考訳）: 世界中のリクルーターや機関は、多様でグローバルな教育環境において発行された卒業証書の検証に苦しむ。
第一に、教育証明書を売っているボゴス機関を特定することは非自明な問題である。
機関は地域レベルでは適格な当局によって認定されることが多いが、この任務を果たすグローバルな権限は存在しない。
第二に、多くの異なるデータスキーマが教育証明書のエンコードに使われており、これは自動化処理に対する大きな課題である。
そのため、認証の検証にはかなりの手作業が必要となる。
本稿では、発行者の正当性を自動検証し、未知のスキーマで認証情報を解釈する分散オープンシステムを導入することで、これらの課題に取り組む。
私たちは、参加者が変換情報を公開できるようにすることで、検証者が認証情報を好みのスキーマに変換することができます。
グローバルな信頼の根源が欠如しているため、分散台帳を用いて分散信頼の網を構築し、検証者が発行機関の信頼度に関する情報を収集し、転換情報に対する信頼を確立することができる。
ディプロマ詐欺以外にも,データスキーマ上の信頼と合意の根源を欠いた他のドメインの一般的な問題に対処するために,システムを一般化することができる。
関連論文リスト
- Lifecycle Management of Resumés with Decentralized Identifiers and Verifiable Credentials [0.0]
本稿では,デジタルリサム認証を管理するための信頼枠組を紹介する。
我々は,仲介者なしで検証可能なクレデンシャルをリアルタイムに発行し,保存し,検証するためのフレームワークを提案する。
論文 参考訳（メタデータ） (2024-06-17T13:37:44Z) - TELLER: A Trustworthy Framework for Explainable, Generalizable and Controllable Fake News Detection [37.394874500480206]
本稿では,モデルの説明可能性,一般化性,制御性を重視した,信頼に値する偽ニュース検出のための新しいフレームワークを提案する。
これは認知と意思決定システムを統合するデュアルシステムフレームワークによって実現される。
提案手法の有効性と信頼性を実証し,4つのデータセットに対する総合的な評価結果を示す。
論文 参考訳（メタデータ） (2024-02-12T16:41:54Z) - AI and Democracy's Digital Identity Crisis [0.0]
プライバシー保護のアイデンティティ証明は、偽造の事例を劇的に減らし、偽情報を識別しやすくし、潜在的に妨げる可能性がある。
本稿では, 政府, バイオメトリック, フェデレーション, 信頼に基づくWebなど, 検査のタイプについて論じる。
これらのシステムは、悪意あるアクターの手にAIが作用する民主主義に対する脅威のいくつかを防ぎ、アイデンティティを認証するための最良のアプローチだと考えています。
論文 参考訳（メタデータ） (2023-09-25T14:15:18Z) - FedSOV: Federated Model Secure Ownership Verification with Unforgeable
Signature [60.99054146321459]
フェデレートラーニングにより、複数のパーティがプライベートデータを公開せずにグローバルモデルを学ぶことができる。
本稿では,FedSOVという暗号署名に基づくフェデレート学習モデルのオーナシップ検証手法を提案する。
論文 参考訳（メタデータ） (2023-05-10T12:10:02Z) - Auditing and Generating Synthetic Data with Controllable Trust Trade-offs [54.262044436203965]
合成データセットとAIモデルを包括的に評価する総合監査フレームワークを導入する。
バイアスや差別の防止、ソースデータへの忠実性の確保、実用性、堅牢性、プライバシ保護などに焦点を当てている。
多様なユースケースにまたがる様々な生成モデルを監査することにより,フレームワークの有効性を実証する。
論文 参考訳（メタデータ） (2023-04-21T09:03:18Z) - Understanding metric-related pitfalls in image analysis validation [59.15220116166561]
この研究は、画像解析におけるバリデーションメトリクスに関連する落とし穴に関する情報にアクセスするための、初めての包括的な共通点を提供する。
バイオメディカル画像解析に焦点をあてるが、他の分野へ移行する可能性があるため、対処された落とし穴はアプリケーションドメイン全体にわたって一般化され、新しく作成されたドメインに依存しない分類に分類される。
論文 参考訳（メタデータ） (2023-02-03T14:57:40Z) - VeriFi: Towards Verifiable Federated Unlearning [59.169431326438676]
フェデレートラーニング(FL)は、参加者がプライベートデータを共有せずに強力なモデルを共同でトレーニングする、協調学習パラダイムである。
参加者を去るには、グローバルモデルからプライベートデータを削除するよう要求する権利がある。
フェデレートされた未学習と検証を統合した統合フレームワークであるVeriFiを提案する。
論文 参考訳（メタデータ） (2022-05-25T12:20:02Z) - FacTeR-Check: Semi-automated fact-checking through Semantic Similarity
and Natural Language Inference [61.068947982746224]
FacTeR-Checkは、ファクトチェックされた情報の検索、未確認のクレームの検証、ソーシャルメディア上での危険な情報の追跡を可能にする。
このアーキテクチャは、NLI19-SPと呼ばれる新しいデータセットを使って検証されている。
この結果から,各ベンチマークにおける最先端性能と,61種類のホアックスの時間経過に伴う進化の有用な解析結果が得られた。
論文 参考訳（メタデータ） (2021-10-27T15:44:54Z) - Decentralised Learning from Independent Multi-Domain Labels for Person
Re-Identification [69.29602103582782]
ディープラーニングは多くのコンピュータビジョンタスクで成功している。
しかし、プライバシー問題に対する意識の高まりは、特に人物の再識別(Re-ID)において、ディープラーニングに新たな課題をもたらす。
我々は,複数のプライバシ保護されたローカルモデル(ローカルクライアント)を同時に学習することにより,汎用的なグローバルモデル(中央サーバ)を構築するための,フェデレート・パーソナライゼーション(FedReID)と呼ばれる新しいパラダイムを提案する。
このクライアントサーバ共同学習プロセスは、プライバシコントロールの下で反復的に実行されるため、分散データを共有したり、収集したりすることなく、分散学習を実現することができる。
論文 参考訳（メタデータ） (2020-06-07T13:32:33Z) - A Distributed Trust Framework for Privacy-Preserving Machine Learning [4.282091426377838]
本稿では,分散エージェント間のピアツーピア信頼を促進するために使用される分散インフラストラクチャについて概説する。
Hyperledger Aries、分散識別子(DID)、検証クレデンシャル(VC)を使用した概念実証について詳述する。
論文 参考訳（メタデータ） (2020-06-03T18:06:13Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。