論文の概要: A Survey on the Applications of Zero-Knowledge Proofs

• arxiv url: http://arxiv.org/abs/2408.00243v1
• Date: Thu, 1 Aug 2024 02:47:30 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-04 21:55:12.802550
• Title: A Survey on the Applications of Zero-Knowledge Proofs
• Title（参考訳）: ゼロ知識証明の応用に関する調査研究
• Authors: Ryan Lavin, Xuekai Liu, Hardhik Mohanty, Logan Norman, Giovanni Zaarour, Bhaskar Krishnamachari,
• Abstract要約: ゼロ知識計算(ゼロ知識計算、ZKP)は、計算の完全性とプライバシ技術における革命的な進歩である。 ZKPには、普遍性と最小限のセキュリティ仮定の点で、ユニークな利点がある。 この調査はzk-SNARKSと呼ばれるZKPのサブセットに焦点を当てている。
• 参考スコア（独自算出の注目度）: 4.3871352596331255
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Zero-knowledge proofs (ZKPs) represent a revolutionary advance in computational integrity and privacy technology, enabling the secure and private exchange of information without revealing underlying private data. ZKPs have unique advantages in terms of universality and minimal security assumptions when compared to other privacy-sensitive computational methods for distributed systems, such as homomorphic encryption and secure multiparty computation. Their application spans multiple domains, from enhancing privacy in blockchain to facilitating confidential verification of computational tasks. This survey starts with a high-level overview of the technical workings of ZKPs with a focus on an increasingly relevant subset of ZKPs called zk-SNARKS. While there have been prior surveys on the algorithmic and theoretical aspects of ZKPs, our work is distinguished by providing a broader view of practical aspects and describing many recently-developed use cases of ZKPs across various domains. These application domains span blockchain privacy, scaling, storage, and interoperability, as well as non-blockchain applications like voting, authentication, timelocks, and machine learning. Aimed at both practitioners and researchers, the survey also covers foundational components and infrastructure such as zero-knowledge virtual machines (zkVM), domain-specific languages (DSLs), supporting libraries, frameworks, and protocols. We conclude with a discussion on future directions, positioning ZKPs as pivotal in the advancement of cryptographic practices and digital privacy across many applications.
• Abstract（参考訳）: ゼロ知識証明(ZKPs)は、計算整合性とプライバシ技術における革命的な進歩であり、基礎となるプライベートデータを明らかにすることなく、安全かつプライベートな情報の交換を可能にする。 ZKPは、ホモモルフィック暗号化やセキュアなマルチパーティ計算など、分散システムの他のプライバシに敏感な計算方法と比較して、普遍性と最小限のセキュリティ仮定の点で、独特な利点がある。 それらのアプリケーションは、ブロックチェーンのプライバシの強化から、計算タスクの機密性検証の促進まで、複数のドメインにまたがる。 この調査は、zk-SNARKSと呼ばれるZKPの関連性の高いサブセットに焦点を当てた、ZKPの技術的な作業の高レベルな概要から始まった。 ZKPのアルゴリズム的および理論的側面に関する以前の調査はあったが、我々の研究は、実用的側面のより広い視点を提供し、最近開発されたZKPの様々な領域における多くのユースケースを記述することで区別されている。 これらのアプリケーションドメインは、ブロックチェーンのプライバシ、スケーリング、ストレージ、相互運用性、投票、認証、タイムロック、マシンラーニングといった非ブロックチェーンアプリケーションにまたがる。 実践者と研究者の両方を対象とした調査では、ゼロ知識仮想マシン(zkVM)、ドメイン固有言語(DSL)、ライブラリ、フレームワーク、プロトコルのサポートなど、基礎的なコンポーネントとインフラストラクチャについても取り上げている。 我々は、ZKPを多くのアプリケーションにおける暗号の実践とデジタルプライバシの進歩の鍵となるものとして、今後の方向性に関する議論で締めくくった。

関連論文リスト

• Differential Privacy Overview and Fundamental Techniques [63.0409690498569]
  この章は、"Differential Privacy in Artificial Intelligence: From Theory to Practice"という本の一部である。 まず、データのプライバシ保護のためのさまざまな試みについて説明し、その失敗の場所と理由を強調した。 次に、プライバシ保護データ分析の領域を構成する重要なアクター、タスク、スコープを定義する。
  論文  参考訳（メタデータ） (2024-11-07T13:52:11Z)
• 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)
• Federated Learning with Quantum Computing and Fully Homomorphic Encryption: A Novel Computing Paradigm Shift in Privacy-Preserving ML [4.92218040320554]
  フェデレートラーニング(Federated Learning)は、複数の学習クライアントがプライベートデータを公開せずにモデル知識を共有できるようにする、従来の方法に代わるプライバシ保護手法である。 この研究は、古典層と量子層の両方を統合するフェデレート学習ニューラルネットワークアーキテクチャに完全同型暗号化スキームを適用した。
  論文  参考訳（メタデータ） (2024-09-14T01:23:26Z)
• Provable Privacy with Non-Private Pre-Processing [56.770023668379615]
  非プライベートなデータ依存前処理アルゴリズムによって生じる追加のプライバシーコストを評価するための一般的なフレームワークを提案する。 当社のフレームワークは,2つの新しい技術的概念を活用することにより,全体的なプライバシー保証の上限を確立する。
  論文  参考訳（メタデータ） (2024-03-19T17:54:49Z)
• Libertas: Privacy-Preserving Computation for Decentralised Personal Data Stores [19.54818218429241]
  セキュアなマルチパーティ計算をSolidと統合するためのモジュール設計を提案する。 私たちのアーキテクチャであるLibertasでは、基盤となるSolidの設計にプロトコルレベルの変更は必要ありません。 既存の差分プライバシー技術と組み合わせて、出力プライバシーを確保する方法を示す。
  論文  参考訳（メタデータ） (2023-09-28T12:07:40Z)
• A Unified View of Differentially Private Deep Generative Modeling [60.72161965018005]
  プライバシー上の懸念のあるデータには、データアクセスとデータ共有を頻繁に禁止する厳格な規制が伴う。 これらの障害を克服することは、プライバシーに敏感なデータを含む多くの現実世界のアプリケーションシナリオにおいて、技術的進歩の鍵となる。 差分的プライベート(DP)データパブリッシングは、データの衛生化された形式のみを公開する、魅力的なソリューションを提供する。
  論文  参考訳（メタデータ） (2023-09-27T14:38:16Z)
• Deploying ZKP Frameworks with Real-World Data: Challenges and Proposed Solutions [0.5584060970507506]
  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。
  論文  参考訳（メタデータ） (2023-07-12T18:53:42Z)
• A Survey of Secure Computation Using Trusted Execution Environments [80.58996305474842]
  本稿では、TEEベースのセキュアな計算プロトコルの体系的なレビューと比較を行う。 まず、セキュアな計算プロトコルを3つの主要なカテゴリ、すなわち、セキュアなアウトソース計算、セキュアな分散計算、セキュアなマルチパーティ計算に分類する分類法を提案する。 これらの基準に基づき,汎用計算関数と特殊目的計算の両方に対して,最先端のTEEベースのセキュアな計算プロトコルを検証,検討し,比較する。
  論文  参考訳（メタデータ） (2023-02-23T16:33:56Z)
• 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)
• 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)
• Provably-secure symmetric private information retrieval with quantum cryptography [0.0]
  本稿では,セキュアな通信と共有ランダム性要件の両方を実現するための実装として,量子鍵分布(QKD)を提案する。 我々は、QKDがSPIRプロトコルのセキュリティを維持しており、外部の盗聴者に対しても安全であることを証明した。
  論文  参考訳（メタデータ） (2020-04-29T02:08:10Z)

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。