論文の概要: DTL: Data Tumbling Layer. A Composable Unlinkability for Smart Contracts

• arxiv url: http://arxiv.org/abs/2503.04260v1
• Date: Thu, 06 Mar 2025 09:43:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-07 15:57:09.673845
• Title: DTL: Data Tumbling Layer. A Composable Unlinkability for Smart Contracts
• Title（参考訳）: DTL: スマートコントラクトのための構成不可能なアンリンク
• Authors: Mohsen Minaei, Pedro Moreno-Sanchez, Zhiyong Fang, Srinivasan Raghuraman, Navid Alamati, Panagiotis Chatzigiannis, Ranjit Kumaresan, Duc V. Le,
• Abstract要約: 非対話型データタンブリングのための暗号方式であるData Tumbling Layer (DTL)を提案する。 中心となるコンセプトは、ユーザが特定のデータにコミットし、その後、異なるアプリケーション間で暗号化されたバージョンのデータに再利用できるようにすることである。 リンク不能で機密性の高い支払いアプリケーションでは、ユーザーはパーソナルノートパソコンで1.5ドル未満でそのような取引を開始することができる。
• 参考スコア（独自算出の注目度）: 10.971479174049698
• License:
• Abstract: We propose Data Tumbling Layer (DTL), a cryptographic scheme for non-interactive data tumbling. The core concept is to enable users to commit to specific data and subsequently re-use to the encrypted version of these data across different applications while removing the link to the previous data commit action. We define the following security and privacy notions for DTL: (i) no one-more redemption: a malicious user cannot redeem and use the same data more than the number of times they have committed the data; (ii) theft prevention: a malicious user cannot use data that has not been committed by them; (iii) non-slanderabilty: a malicious user cannot prevent an honest user from using their previously committed data; and (iv) unlinkability: a malicious user cannot link tainted data from an honest user to the corresponding data after it has been tumbled. To showcase the practicality of DTL, we use DTL to realize applications for (a) unlinkable fixed-amount payments; (b) unlinkable and confidential payments for variable amounts; (c) unlinkable weighted voting protocol. Finally, we implemented and evaluated all the proposed applications. For the unlinkable and confidential payment application, a user can initiate such a transaction in less than $1.5$s on a personal laptop. In terms of on-chain verification, the gas cost is less than $1.8$ million.
• Abstract（参考訳）: 非対話型データタンブリングのための暗号方式であるData Tumbling Layer (DTL)を提案する。 中心となるコンセプトは、ユーザが特定のデータにコミットし、その後、前のデータコミットアクションへのリンクを取り除き、異なるアプリケーション間で暗号化されたバージョンのデータに再利用できるようにすることである。 我々は、DTLのセキュリティとプライバシの概念を次のように定義する。 (i) もう一回は免除しない。悪意のあるユーザは、そのデータをコミットした回数以上、同じデータを再送して使用することはできない。 二 盗難防止... 悪意のある者が、その者が犯していないデータを使用できないこと。 三 悪質な利用者は、正直な利用者が予めコミットしたデータを使用するのを防げない。 (iv)非リンク性: 悪意のあるユーザは、不正なユーザからの汚染されたデータを、タンブルされた後に対応するデータにリンクできない。 DTLの実用性を示すために、我々はDTLを使用して応用を実現する。 a) リンク不能な固定額支払い b) 変動額の非連結及び秘密支払い (c) リンク不能な重み付き投票プロトコル。 最後に,提案したアプリケーションをすべて実装し,評価した。 リンク不能で機密性の高い支払いアプリケーションでは、ユーザーはパーソナルノートパソコンで1.5ドル未満でそのような取引を開始することができる。 オンチェーン検証の観点では、ガスコストは18万ドル以下である。

関連論文リスト

• Sharing without Showing: Secure Cloud Analytics with Trusted Execution Environments [3.360457684855856]
  多くのアプリケーションは、機密性を保持しながら、複数のユーザのデータに対する計算の恩恵を受ける。 本稿では,複数のユーザのデータを相互に信頼できない方法で集約する手法を提案する。 我々のソリューションは、秘密データをデータ所有者のキーで暗号化し、どこでも保存できるTrusted Execution Environment(Intel SGX)を使用することです。
  論文  参考訳（メタデータ） (2024-10-14T14:50:37Z)
• Are LLM-based methods good enough for detecting unfair terms of service? [67.49487557224415]
  大規模言語モデル(LLM)は、長いテキストベースの文書を解析するのに適している。 プライバシーポリシーの集合に対して個別に適用された12の質問からなるデータセットを構築します。 いくつかのオープンソースモデルは、いくつかの商用モデルと比較して高い精度を提供できる。
  論文  参考訳（メタデータ） (2024-08-24T09:26:59Z)
• Protecting the 'Stop Using My Data' Right through Blockchain-assisted Evidence Generation [4.760279587504299]
  この研究は、買収後のデータを正しく違反しないようにするための最初のエビデンス生成フレームワークを開発することを目的としている。 当社は、最初のブロックチェーン支援システムを設計し、実装しました。
  論文  参考訳（メタデータ） (2024-06-25T16:32:37Z)
• Debiasing Recommendation by Learning Identifiable Latent Confounders [49.16119112336605]
  コンバウンディングバイアスは、ユーザの露出とフィードバックの両方に影響を与える未測定変数の存在によって生じる。 既存の手法では,(1) 未測定変数について不確定な仮定を行うか,(2) 潜伏した共同創設者を直接ユーザの露出から推測する。 本稿では、上記の非識別問題の解決にプロキシ変数の集合を利用する新しい方法、すなわち、識別可能なデコノウ(iDCF)を提案する。
  論文  参考訳（メタデータ） (2023-02-10T05:10:26Z)
• Robbing the Fed: Directly Obtaining Private Data in Federated Learning with Modified Models [56.0250919557652]
  フェデレーション学習は、ユーザーのプライバシーと効率を高めるという約束で急速に人気を集めている。 ユーザプライバシに対する以前の攻撃はスコープが限られており、少数のデータポイントに集約されたグラデーション更新にはスケールしない。 共有モデルアーキテクチャの最小限ではあるが悪意のある変更に基づく新しい脅威モデルを導入する。
  論文  参考訳（メタデータ） (2021-10-25T15:52:06Z)
• Stronger Privacy for Federated Collaborative Filtering with Implicit Feedback [13.37601438005323]
  ユーザレベルの局所差分プライバシー (LDP) 下での暗黙のデータに対する実用的なフェデレーションレコメンダーシステムを提案する。 プライバシとユーティリティのトレードオフはパラメータ$epsilon$と$k$で制御され、更新毎のプライバシー予算と、各ユーザが送信する$epsilon$-LDPグラデーションの更新数を規制する。 5k項目の50kユーザに対して,K=10(HR@10)0.68でHit Ratioを達成し,MovieLensデータセット上でフレームワークの有効性を実証的に実証した。
  論文  参考訳（メタデータ） (2021-05-09T13:41:45Z)
• They are Not Completely Useless: Towards Recycling Transferable Unlabeled Data for Class-Mismatched Semi-Supervised Learning [61.46572463531167]
  SSL(Semi-Supervised Learning)とミスマッチしたクラスは、制限されたラベル付きデータにおける関心のクラスが、巨大なラベル付きデータに含まれるクラスのサブセットである、という問題に対処する。 本稿では,クラスミスマッチ型SSLを実現するために,TOOR(Transferable OOD data recycling)手法を提案する。
  論文  参考訳（メタデータ） (2020-11-27T02:29:35Z)
• Second layer data governance for permissioned blockchains: the privacy management challenge [58.720142291102135]
  新型コロナウイルス(COVID-19)やエボラウイルス(エボラ出血熱)のようなパンデミックの状況では、医療データを共有することに関連する行動は、大規模な感染を避け、死亡者を減らすために重要である。 この意味において、許可されたブロックチェーン技術は、スマートコントラクトが管理する不変で統一された分散データベースを通じて、データのオーナシップ、透明性、セキュリティを提供する権利をユーザに与えるために登場します。
  論文  参考訳（メタデータ） (2020-10-22T13:19:38Z)
• BeeTrace: A Unified Platform for Secure Contact Tracing that Breaks Data Silos [73.84437456144994]
  接触追跡は、新型コロナウイルスなどの感染症の拡散を制御する重要な方法である。 現在のソリューションでは、ビジネスデータベースや個々のデジタルデバイスに格納された大量のデータを利用できません。 データサイロを破り、プライバシーの目標を保証するために最先端の暗号化プロトコルをデプロイする統合プラットフォームであるBeeTraceを提案する。
  論文  参考訳（メタデータ） (2020-07-05T10:33:45Z)
• DECO: Liberating Web Data Using Decentralized Oracles for TLS [8.586202293273507]
  DECOを使用することで、TLSを介してアクセスされたデータの一部が特定のWebサイトから得られたことを証明できる。 DECOなしでは達成が難しい3つのアプリケーションを実装します。
  論文  参考訳（メタデータ） (2019-09-03T03:42:46Z)

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。