論文の概要: Seagull: Privacy preserving network verification system

• arxiv url: http://arxiv.org/abs/2402.08956v2
• Date: Sat, 08 Nov 2025 01:42:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-11 21:18:44.229185
• Title: Seagull: Privacy preserving network verification system
• Title（参考訳）: Seagull: プライバシ保護ネットワーク検証システム
• Authors: Jaber Daneshamooz, Melody Yu, Sucheer Maddury,
• Abstract要約: ボーダーゲートウェイプロトコル(BGP)は、自律システム間のルーティングを管理するコアメカニズムとして機能する。 安定かつセキュアなインターネットを維持するためには,BGP構成の正しさと収束性を検証することが不可欠である。 本稿では,マルチパーティ計算を利用したプライバシ保護検証フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.07646713951724012
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Internet relies on routing protocols to direct traffic efficiently across interconnected networks, with the Border Gateway Protocol (BGP) serving as the core mechanism managing routing between autonomous systems. However, BGP configurations are largely manual, making them susceptible to human errors that can lead to outages or security vulnerabilities. Verifying the correctness and convergence of BGP configurations is therefore essential for maintaining a stable and secure Internet. Yet, this verification process faces two key challenges: preserving the privacy of proprietary routing information and ensuring scalability across large, distributed networks. This paper introduces a privacy-preserving verification framework that leverages multiparty computation (MPC) to validate BGP configurations without exposing sensitive routing data. Our approach overcomes both privacy and scalability challenges by ensuring that no information beyond the verification outcome is revealed. Through formal analysis, we show that the proposed method achieves strong privacy guarantees and practical scalability, providing a secure and efficient foundation for verifying BGP-based routing in the Internet backbone.
• Abstract（参考訳）: インターネットは相互接続されたネットワーク間で効率的にトラフィックを転送するためのルーティングプロトコルに依存しており、BGP(Border Gateway Protocol)が自律システム間のルーティングを管理する中核的なメカニズムとして機能している。 しかしながら、BGP設定は大部分が手動であり、人間のエラーの影響を受けやすいため、機能停止やセキュリティ上の脆弱性につながる可能性がある。 したがって、安定かつセキュアなインターネットを維持するためには、BGP構成の正しさと収束性を検証することが不可欠である。 しかし、この検証プロセスでは、プロプライエタリなルーティング情報のプライバシ保護と、大規模分散ネットワークでのスケーラビリティ確保という、2つの大きな課題に直面している。 本稿では、多要素計算(MPC)を活用して、機密ルーティングデータを公開せずにBGP構成を検証するプライバシー保護検証フレームワークを提案する。 当社のアプローチでは,検証結果以外の情報が明らかにされることを確実にすることで,プライバシとスケーラビリティの両面での課題を克服しています。 形式解析により,提案手法は強力なプライバシ保証と実用的なスケーラビリティを実現し,インターネットバックボーン内のBGPベースのルーティングをセキュアかつ効率的に検証する基盤を提供する。

関連論文リスト

• A Provably Secure Network Protocol for Private Communication with Analysis and Tracing Resistance [24.74468505942983]
  本稿では,トレースやトラフィック解析に抵抗する分散型匿名ルーティングプロトコルを提案する。 非常に敵対的な環境でも、ユーザーにとって識別不能なプライバシーを厳格に証明している。 提案プロトコルは,デジタル環境におけるプライバシ保護通信のためのセキュアなソリューションを提供する。
  論文  参考訳（メタデータ） (2025-08-03T10:50:04Z)
• Privacy-Preserving Anonymization of System and Network Event Logs Using Salt-Based Hashing and Temporal Noise [5.85293491327449]
  個人識別可能な情報を含むイベントログ(PII) 過度に攻撃的な匿名化はコンテキスト整合性を損なう可能性があるが、弱いテクニックはリンクや推論攻撃による再識別を危険にさらす。 本稿では,このトレードオフに対処する新しいフィールド固有匿名化手法を提案する。
  論文  参考訳（メタデータ） (2025-07-29T15:16:42Z)
• Convergent Privacy Framework with Contractive GNN Layers for Multi-hop Aggregations [9.399260063250635]
  微分プライバシー(DP)は、機密構造情報を保護するためにグラフニューラルネットワーク(GNN)に統合されている。 理論的保証に必要な契約性を保証するための,シンプルで効果的な契約グラフ層(CGL)を提案する。 当社のフレームワークであるCARIBOUは,トレーニングと推論の両方をサポートし,契約集約モジュール,プライバシ割り当てモジュール,プライバシ監査モジュールを備えている。
  論文  参考訳（メタデータ） (2025-06-28T02:17:53Z)
• Enhancing Privacy in Semantic Communication over Wiretap Channels leveraging Differential Privacy [51.028047763426265]
  セマンティック通信(SemCom)は,タスク関連情報に着目して伝送効率を向上させる。 セマンティックリッチなデータをセキュアでないチャネルで送信すると、プライバシのリスクが生じる。 本稿では,セマンティックなセマンティックな特徴を保護するために,差分プライバシー機構を統合した新しいSemComフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-04-23T08:42:44Z)
• SecureNT: A Practical Framework for Efficient Topology Protection and Monitoring [0.0]
  ネットワークトモグラフィーはネットワーク監視と管理において重要な役割を果たしている。 トポロジー情報は、様々な推論アルゴリズムを用いてエンドツーエンドの測定によって推測することができる。 既存の保護手法は、エンドツーエンドの遅延測定を操作してトポロジ情報を確保しようとする。 本稿では,これらの制約に対処する新しいプライバシー保護フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-11T08:07:40Z)
• Collaborative Inference over Wireless Channels with Feature Differential Privacy [57.68286389879283]
  複数の無線エッジデバイス間の協調推論は、人工知能(AI)アプリケーションを大幅に強化する可能性がある。 抽出された特徴を抽出することは、プロセス中に機密性の高い個人情報が暴露されるため、重大なプライバシーリスクをもたらす。 本稿では,ネットワーク内の各エッジデバイスが抽出された機能のプライバシを保護し,それらを中央サーバに送信して推論を行う,新たなプライバシ保存協調推論機構を提案する。
  論文  参考訳（メタデータ） (2024-10-25T18:11:02Z)
• Decentralized Federated Anomaly Detection in Smart Grids: A P2P Gossip Approach [0.44328715570014865]
  本稿では,ランダムウォーク(Random Walk)とエピデミック(Epidemic)という2つの主要なゴシッププロトコルに基づく分散化フェデレーション異常検出手法を提案する。 従来のフェデレートラーニングに比べて,トレーニング時間の35%が顕著に改善されている。
  論文  参考訳（メタデータ） (2024-07-20T10:45:06Z)
• A Privacy-Preserving Graph Encryption Scheme Based on Oblivious RAM [0.0]
  本稿では,アクセスパターンとクエリパターンの漏洩を緩和する新しいグラフ暗号化手法を提案する。 提案手法は,(1)暗号化されたグラフで表現された敵が,基盤となるグラフに関する情報に従わないことを保証し,(2)アクセスパターンを隠蔽して問合せ不能を解消する,という2つのキーとなるセキュリティ目標を定めている。
  論文  参考訳（メタデータ） (2024-05-29T16:47:38Z)
• KiNETGAN: Enabling Distributed Network Intrusion Detection through Knowledge-Infused Synthetic Data Generation [0.0]
  合成ネットワーク活動データ(KiNETGAN)を生成するための知識注入型ジェネレーティブ・アドバイサル・ネットワークを提案する。 弊社のアプローチは、プライバシー問題に対処しながら、分散侵入検知のレジリエンスを高める。
  論文  参考訳（メタデータ） (2024-05-26T08:02:02Z)
• Private Online Community Detection for Censored Block Models [60.039026645807326]
  検閲ブロックモデル(CBM)を用いた動的コミュニティにおけるプライベートオンライン変更検出問題について検討する。 ユーザのプライバシーを維持しつつ,コミュニティ構造の変化を識別するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-05-09T12:35:57Z)
• Secure Routing for Mobile Ad hoc Networks [2.965855310793378]
  本稿では,MANETネットワークにおける悪意行動の影響を緩和する経路探索プロトコルを提案する。 我々のプロトコルは、生成された、妥協された、あるいは再生されたルート応答が拒否されるか、クエリノードに決して届かないことを保証します。 このスキームは、多数の非凝固ノードの存在下で堅牢である。
  論文  参考訳（メタデータ） (2024-03-01T09:50:00Z)
• Adversarial Client Detection via Non-parametric Subspace Monitoring in the Internet of Federated Things [3.280202415151067]
  Internet of Federated Things (IoFT)は、フェデレート学習をバックボーンとする相互接続システムのネットワークである。 本稿では、敵攻撃問題に対処する効果的な非パラメトリックアプローチFedRRを提案する。 提案手法は,敵のクライアントを正確に検出し,攻撃が起こらないシナリオ下での誤報率を制御する。
  論文  参考訳（メタデータ） (2023-10-02T18:25:02Z)
• Robust and efficient verification of graph states in blind measurement-based quantum computation [52.70359447203418]
  Blind Quantum Computing (BQC) は、クライアントのプライバシを保護するセキュアな量子計算手法である。 資源グラフ状態が敵のシナリオで正確に準備されているかどうかを検証することは重要である。 本稿では,任意の局所次元を持つ任意のグラフ状態を検証するための,堅牢で効率的なプロトコルを提案する。
  論文  参考訳（メタデータ） (2023-05-18T06:24:45Z)
• Differentially Private Decentralized Optimization with Relay Communication [1.2695958417031445]
  プライバシリーク頻度(PLF)は,アルゴリズムの通信とプライバシリークの関係を明らかにする指標である。 DP-RECAL は, 演算子分割法と中継通信機構を利用して, PLF の低減を図っている。
  論文  参考訳（メタデータ） (2022-12-21T09:05:36Z)
• Is Vertical Logistic Regression Privacy-Preserving? A Comprehensive Privacy Analysis and Beyond [57.10914865054868]
  垂直ロジスティック回帰(VLR)をミニバッチ降下勾配で訓練した。 我々は、オープンソースのフェデレーション学習フレームワークのクラスにおいて、VLRの包括的で厳密なプライバシー分析を提供する。
  論文  参考訳（メタデータ） (2022-07-19T05:47:30Z)
• Privacy-preserving Traffic Flow Prediction: A Federated Learning Approach [61.64006416975458]
  本稿では,フェデレート学習に基づくGated Recurrent Unit Neural Network Algorithm (FedGRU) というプライバシ保護機械学習手法を提案する。 FedGRUは、現在の集中学習方法と異なり、安全なパラメータアグリゲーション機構を通じて、普遍的な学習モデルを更新する。 FedGRUの予測精度は、先進的なディープラーニングモデルよりも90.96%高い。
  論文  参考訳（メタデータ） (2020-03-19T13:07:49Z)
• CryptoSPN: Privacy-preserving Sum-Product Network Inference [84.88362774693914]
  総生産ネットワーク(SPN)のプライバシ保護のためのフレームワークを提案する。 CryptoSPNは、中規模のSPNに対して秒の順序で高効率で正確な推論を行う。
  論文  参考訳（メタデータ） (2020-02-03T14:49:18Z)

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。