論文の概要: Deploying ZKP Frameworks with Real-World Data: Challenges and Proposed
Solutions
- arxiv url: http://arxiv.org/abs/2307.06408v1
- Date: Wed, 12 Jul 2023 18:53:42 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 17:31:45.427025
- Title: Deploying ZKP Frameworks with Real-World Data: Challenges and Proposed
Solutions
- Title（参考訳）: 実世界データによるzkpフレームワークのデプロイ:課題と提案ソリューション
- Authors: Piergiuseppe Mallozzi
- Abstract要約: 本稿では,一般文のゼロ知識証明を設計,展開するためのエンドツーエンドフレームワークであるFact Fortressを紹介する。
当社のソリューションでは,データプロファイランスと監査可能なデータアクセスポリシの証明を活用して,機密データの扱いの信頼性を確保する。
- 参考スコア（独自算出の注目度）: 0.5584060970507506
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Zero-knowledge proof (ZKP) frameworks have the potential to revolutionize the
handling of sensitive data in various domains. However, deploying ZKP
frameworks with real-world data presents several challenges, including
scalability, usability, and interoperability. In this project, we present Fact
Fortress, an end-to-end framework for designing and deploying zero-knowledge
proofs of general statements. Our solution leverages proofs of data provenance
and auditable data access policies to ensure the trustworthiness of how
sensitive data is handled and provide assurance of the computations that have
been performed on it. ZKP is mostly associated with blockchain technology,
where it enhances transaction privacy and scalability through rollups,
addressing the data inherent to the blockchain. Our approach focuses on
safeguarding the privacy of data external to the blockchain, with the
blockchain serving as publicly auditable infrastructure to verify the validity
of ZK proofs and track how data access has been granted without revealing the
data itself. Additionally, our framework provides high-level abstractions that
enable developers to express complex computations without worrying about the
underlying arithmetic circuits and facilitates the deployment of on-chain
verifiers. Although our approach demonstrated fair scalability for large
datasets, there is still room for improvement, and further work is needed to
enhance its scalability. By enabling on-chain verification of computation and
data provenance without revealing any information about the data itself, our
solution ensures the integrity of the computations on the data while preserving
its privacy.
- Abstract（参考訳）: ゼロ知識証明(ZKP)フレームワークは、さまざまなドメインにおける機密データの処理に革命をもたらす可能性がある。
しかしながら、実世界のデータを使ったzkpフレームワークのデプロイには、スケーラビリティ、ユーザビリティ、相互運用性など、いくつかの課題がある。
本稿では,一般文のゼロ知識証明を設計,展開するためのエンドツーエンドフレームワークであるFact Fortressを紹介する。
当社のソリューションでは,データ生成証明と監査可能なデータアクセスポリシを活用して,機密性の高いデータの処理方法の信頼性を確保し,処理された計算の保証を行う。
ZKPは主にブロックチェーン技術に関連しており、ロールアップを通じてトランザクションのプライバシとスケーラビリティを高め、ブロックチェーン固有のデータに対処する。
このアプローチでは、ブロックチェーンが公開監査可能なインフラストラクチャとして機能し、ZK証明の有効性を確認し、データ自体を公開せずにデータアクセスが許可されたかを追跡することにより、ブロックチェーン外部のデータプライバシの保護に重点を置いています。
さらに,本フレームワークは,演算回路を気にすることなく複雑な計算を表現し,オンチェーン検証のデプロイを容易にする高レベルの抽象化を提供する。
当社のアプローチは,大規模なデータセットに対して公平なスケーラビリティを示すものだが,まだ改善の余地があり,スケーラビリティの向上にはさらなる作業が必要である。
データそのものに関する情報を明かさずに、計算とデータのオンチェーン検証を可能にすることにより、プライバシを保ちながら、データの計算の完全性を保証する。
関連論文リスト
- ZK-DPPS: A Zero-Knowledge Decentralised Data Sharing and Processing Middleware [3.2995127573095484]
従来のZKPを必要としないゼロ知識通信を実現するフレームワークであるZK-DPPSを提案する。
プライバシは、計算のためのFHE(Fully Homomorphic Encryption)と鍵再構成のためのSMPC(Secure Multi-Party Computations)を組み合わせることで保持される。
シミュレーションサプライチェーンシナリオによるZK-DPPSの有効性を実証した。
論文 参考訳（メタデータ） (2024-10-21T01:23:37Z) - Towards a Novel Privacy-Preserving Distributed Multiparty Data Outsourcing Scheme for Cloud Computing with Quantum Key Distribution [0.0]
本研究は、量子鍵分布(QKD)、CRYSTALS Kyber、Zero-Knowledge Proofs(ZKPs)を統合する包括的なフレームワークを提案することにより、脆弱性のエスカレーションに対処する。
我々は、量子攻撃に対するレジリエンスで知られる格子ベースの暗号メカニズムであるCRYSTALS Kyberを活用している。ZKPは、クラウドおよびブロックチェーン環境におけるデータのプライバシと検証プロセスを強化するために導入された。
この評価は、現実世界のクラウド環境におけるフレームワークの生存可能性に光を当て、量子脅威を緩和する効率を強調している。
論文 参考訳（メタデータ） (2024-07-09T15:53:04Z) - Scalable Zero-Knowledge Proofs for Verifying Cryptographic Hashing in Blockchain Applications [16.72979347045808]
ゼロ知識証明(ZKP)は、現代のブロックチェーンシステムのスケーラビリティ問題に対処するための、有望なソリューションとして登場した。
本研究では,暗号ハッシュの計算完全性を保証するため,ZKPの生成と検証を行う手法を提案する。
論文 参考訳（メタデータ） (2024-07-03T21:19:01Z) - FACOS: Enabling Privacy Protection Through Fine-Grained Access Control with On-chain and Off-chain System [11.901770945295391]
本稿では、ブロックチェーンベースのプライバシ保護による、チェーン上およびオフチェーン上のきめ細かいアクセス制御、すなわちFACOSを提案する。
暗号化データを集中あるいは非フォールトトレラントIPFSシステムにのみ格納する同様の作業と比較して、オフチェーンデータストレージのセキュリティとロバスト性を向上しました。
論文 参考訳（メタデータ） (2024-06-06T02:23:12Z) - Enhancing Trust and Privacy in Distributed Networks: A Comprehensive Survey on Blockchain-based Federated Learning [51.13534069758711]
ブロックチェーンのような分散型アプローチは、複数のエンティティ間でコンセンサスメカニズムを実装することで、魅力的なソリューションを提供する。
フェデレートラーニング(FL)は、参加者がデータのプライバシを保護しながら、協力的にモデルをトレーニングすることを可能にする。
本稿では,ブロックチェーンのセキュリティ機能とFLのプライバシ保護モデルトレーニング機能の相乗効果について検討する。
論文 参考訳（メタデータ） (2024-03-28T07:08:26Z) - CaPS: Collaborative and Private Synthetic Data Generation from Distributed Sources [5.898893619901382]
分散データホルダから合成データの協調的かつプライベートな生成のためのフレームワークを提案する。
我々は信頼されたアグリゲータをセキュアなマルチパーティ計算プロトコルに置き換え、差分プライバシー(DP)を介してプライバシを出力する。
MWEM+PGMおよびAIMの最先端選択測度生成アルゴリズムに対するアプローチの適用性とスケーラビリティを実証する。
論文 参考訳（メタデータ） (2024-02-13T17:26:32Z) - Blockchain-empowered Federated Learning for Healthcare Metaverses:
User-centric Incentive Mechanism with Optimal Data Freshness [66.3982155172418]
まず、医療メタバースのための分散型フェデレートラーニング(FL)に基づく、ユーザ中心のプライバシ保護フレームワークを設計する。
次に,情報時代(AoI)を有効データ更新度指標として利用し,観測理論(PT)に基づくAoIベースの契約理論モデルを提案し,センシングデータ共有の動機付けを行う。
論文 参考訳（メタデータ） (2023-07-29T12:54:03Z) - PS-FedGAN: An Efficient Federated Learning Framework Based on Partially
Shared Generative Adversarial Networks For Data Privacy [56.347786940414935]
分散計算のための効果的な学習パラダイムとして、フェデレートラーニング(FL)が登場した。
本研究は,部分的なGANモデル共有のみを必要とする新しいFLフレームワークを提案する。
PS-FedGANと名付けられたこの新しいフレームワークは、異種データ分散に対処するためのGANリリースおよびトレーニングメカニズムを強化する。
論文 参考訳（メタデータ） (2023-05-19T05:39:40Z) - Reinforcement Learning on Encrypted Data [58.39270571778521]
本稿では,DQNエージェントが,離散的かつ連続的な状態空間を持つ環境でどのように動作するかを予備的,実験的に検討する。
その結果,非決定論的暗号が存在する場合でも,エージェントは依然として小さな状態空間で学習することができるが,より複雑な環境では性能が低下することがわかった。
論文 参考訳（メタデータ） (2021-09-16T21:59:37Z) - Trustworthy Transparency by Design [57.67333075002697]
本稿では,ユーザ信頼とエクスペリエンスに関する研究を取り入れた,ソフトウェア設計のための透明性フレームワークを提案する。
私たちのフレームワークは、その設計に透明性を取り入れたソフトウェアの開発を可能にします。
論文 参考訳（メタデータ） (2021-03-19T12:34:01Z) - Faster Secure Data Mining via Distributed Homomorphic Encryption [108.77460689459247]
ホモモルフィック暗号化(HE)は、最近、暗号化されたフィールド上で計算を行う能力により、ますます注目を集めている。
本稿では,スケーリング問題の解決に向けて,新しい分散HEベースのデータマイニングフレームワークを提案する。
各種データマイニングアルゴリズムとベンチマークデータセットを用いて,新しいフレームワークの有効性と有効性を検証する。
論文 参考訳（メタデータ） (2020-06-17T18:14:30Z)
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。