論文の概要: More is Merrier: Relax the Non-Collusion Assumption in Multi-Server PIR

• arxiv url: http://arxiv.org/abs/2201.07740v6
• Date: Mon, 08 Sep 2025 01:13:36 GMT
• ステータス: 情報取得中
• システム内更新日: 2025-09-10 13:33:22.595647
• Title: More is Merrier: Relax the Non-Collusion Assumption in Multi-Server PIR
• Title（参考訳）: Merrier の詳細:マルチサーバ PIR における非衝突的仮定を緩和する
• Authors: Tiantian Gong, Ryan Henry, Alexandros Psomas, Aniket Kate,
• Abstract要約: セキュアな計算に関する長い研究により、計算可能なものは何でも、非解決パーティの集合を使って安全に計算できることが確認された。 しかし、コンピュータ関係者の間では、隠蔽され、検出不能な共謀に非常に敏感である。 この研究は、セキュアな計算タスクを実行するために必要となるパーティの数よりも、利用可能な計算パーティの数がはるかに多い場合、プライバシを保存する計算における共謀の試みを抑えることができるという観察に起因している。
• 参考スコア（独自算出の注目度）: 61.13962963550403
• License:
• Abstract: A long line of research on secure computation has confirmed that anything that can be computed, can be computed securely using a set of non-colluding parties. Indeed, this non-collusion assumption makes a number of problems solvable, as well as reduces overheads and bypasses computational hardness results, and it is pervasive across different privacy-enhancing technologies. However, it remains highly susceptible to covert, undetectable collusion among computing parties. This work stems from an observation that if the number of available computing parties is much higher than the number of parties required to perform a secure computation task, collusion attempts in privacy-preserving computations could be deterred. We focus on the prominent privacy-preserving computation task of multi-server $1$-private information retrieval (PIR) that inherently assumes no pair-wise collusion. For PIR application scenarios, such as those for blockchain light clients, where the available servers can be plentiful, a single server's deviating action is not tremendously beneficial to itself. We can make deviations undesired via small amounts of rewards and penalties, thus significantly raising the bar for collusion resistance. We design and implement a collusion mitigation mechanism on a public bulletin board with payment execution functions, considering only rational and malicious parties with no honest non-colluding servers. Privacy protection is offered for an extended period after the query executions.
• Abstract（参考訳）: セキュアな計算に関する長い研究により、計算可能なものは何でも、非解決パーティの集合を使って安全に計算できることが確認された。 実際、この非衝突仮定は、多くの問題を解決し、オーバーヘッドを減らし、計算の困難さを回避し、異なるプライバシー保護技術にまたがって広まっています。 しかし、コンピュータ関係者の間では、隠蔽され、検出不可能な共謀に非常に敏感である。 この研究は、セキュアな計算タスクを実行するために必要となるパーティの数よりも、利用可能な計算パーティの数がはるかに多い場合、プライバシを保存する計算における共謀の試みを抑えることができるという観察に起因している。 我々は,ペアワイズ共謀を前提としないPIR(Pulti-server $1$-private Information Search)の顕著なプライバシ保護計算タスクに着目する。 利用可能なサーバが豊富であるブロックチェーンライトクライアントなど、PIRアプリケーションシナリオでは、単一のサーバの逸脱アクションは、それ自体にとって大きなメリットはありません。 わずかな報酬や罰則によって逸脱を望まないままにできるので、共謀抵抗の限界を著しく高めることができる。 我々は,正当性のないサーバを持たない合理的かつ悪意のある当事者のみを考慮した,支払い実行機能を備えた公開掲示板上での共謀緩和機構の設計と実装を行う。 プライバシ保護は、クエリ実行後に長期にわたって提供される。

関連論文リスト

• Cascade: Token-Sharded Private LLM Inference [31.561665382764076]
  本稿では,シークエンス次元のシャーディングを利用してプライバシを維持することで,時間的コストを回避するマルチパーティ推論プロトコルCascadeを提案する。 我々はカスケードが他の統計的プライバシスキームに対して非常に効果的である最近の攻撃の一般化に耐性があることを実証した。
  論文  参考訳（メタデータ） (2025-07-07T17:37:16Z)
• SVIP: Towards Verifiable Inference of Open-source Large Language Models [33.910670775972335]
  本稿では,秘密ベースで検証可能なLarge Language Models推論プロトコルであるSVIPを紹介する。 我々のプロトコルは、LLMから生成されたテキストと処理された隠された表現の両方を返さなければならない。 SVIPは5%未満の偽陰性率と3%未満の偽陰性率を達成し、検証のプロンプトクエリ毎に0.01秒未満である。
  論文  参考訳（メタデータ） (2024-10-29T17:52:45Z)
• On the Necessity of Collaboration for Online Model Selection with Decentralized Data [53.244188985271606]
  我々は,100万ドル以上の分散データを用いたオンラインモデル選択について検討し,クライアント間のコラボレーションの必要性について検討する。 i) クライアント上の計算コストが$o(K)$に制限された場合, (ii) クライアント上での計算制約がない場合, (i) 協調は不要であり, (ii) クライアント上での計算コストは$o(K)$に制限される。
  論文  参考訳（メタデータ） (2024-04-15T06:32:28Z)
• Having your Privacy Cake and Eating it Too: Platform-supported Auditing of Social Media Algorithms for Public Interest [70.02478301291264]
  ソーシャルメディアプラットフォームは、情報や機会へのアクセスをキュレートするので、公衆の言論を形成する上で重要な役割を果たす。 これまでの研究では、これらのアルゴリズムが偏見や差別的な結果をもたらすことを示すためにブラックボックス法が用いられてきた。 本稿では,提案法の目標を満たすプラットフォーム支援型監査手法を提案する。
  論文  参考訳（メタデータ） (2022-07-18T17:32:35Z)
• THE-X: Privacy-Preserving Transformer Inference with Homomorphic Encryption [112.02441503951297]
  トランスフォーマーモデルのプライバシ保護推論は、クラウドサービスユーザの要求に基づいています。 我々は、事前訓練されたモデルのプライバシ保存推論を可能にするトランスフォーマーの近似アプローチである$textitTHE-X$を紹介した。
  論文  参考訳（メタデータ） (2022-06-01T03:49:18Z)
• Differential Secrecy for Distributed Data and Applications to Robust Differentially Secure Vector Summation [32.004283989604154]
  本稿では,各コントリビューションのユークリッドノルムがほぼ有界であることを検証したベクトル和のプロトコルを提案する。 必然的に整数を大きな有限体の要素にキャストするSMCアルゴリズムとは異なり、我々のアルゴリズムは整数/実数上で動作し、それによってさらなる効率が期待できる。
  論文  参考訳（メタデータ） (2022-02-22T02:06:42Z)
• ABG: A Multi-Party Mixed Protocol Framework for Privacy-Preserving Cooperative Learning [13.212198032364363]
  本稿では、さまざまなデータ所有者が機械学習に協力できるプライバシー保護型多人数協調学習システムを提案する。 また,ロジスティック回帰やニューラルネットワークなど,一般的な機械学習手法に対して,特定のプライバシ保護計算プロトコルを設計する。 実験の結果,特に低レイテンシのネットワーク環境において,ABG$n$は優れた性能を示した。
  論文  参考訳（メタデータ） (2022-02-07T03:57:57Z)
• Secure Summation via Subset Sums: A New Primitive for Privacy-Preserving Distributed Machine Learning [15.275126264550943]
  サミネーションは計算手段、カウント、ミニバッチ勾配にとって重要なプリミティブである。 多くの場合、データはプライバシーに敏感であり、中央サーバーでは収集できない。 分散和と計算プライバシ保証の既存のソリューションは、現実の環境で満たされない信頼や接続の前提を定めている。 本稿では,悪意のあるサーバと2つの正直なクライアントの存在下で機能する分散和法であるSecure Summation via Subset Sums (S5)を提案する。
  論文  参考訳（メタデータ） (2019-06-27T23:27:16Z)

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。