論文の概要: Practical Secure Aggregation by Combining Cryptography and Trusted Execution Environments

• arxiv url: http://arxiv.org/abs/2504.08325v1
• Date: Fri, 11 Apr 2025 07:49:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-14 14:17:23.335995
• Title: Practical Secure Aggregation by Combining Cryptography and Trusted Execution Environments
• Title（参考訳）: 暗号と信頼された実行環境の組み合わせによる安全確保
• Authors: Romain de Laage, Peterson Yuhala, François-Xavier Wicht, Pascal Felber, Christian Cachin, Valerio Schiavoni,
• Abstract要約: セキュアアグリゲーションは、それぞれがプライベートインプットを持っている相互不信な当事者の集団が、アグリゲーション値を協調的に計算することを可能にする。 実用的な用途にセキュアアグリゲーションアプローチを採用する上での大きな課題は、基盤となる暗号プロトコルの計算オーバーヘッドである。 信頼された実行環境(TEE)のようなハードウェアベースのセキュリティ技術は、ほぼネイティブな速度での計算を可能にする。 本稿では,暗号技術とTEE技術の両方を統合するセキュアアグリゲーションアーキテクチャについて紹介する。
• 参考スコア（独自算出の注目度）: 1.3068730884406587
• License:
• Abstract: Secure aggregation enables a group of mutually distrustful parties, each holding private inputs, to collaboratively compute an aggregate value while preserving the privacy of their individual inputs. However, a major challenge in adopting secure aggregation approaches for practical applications is the significant computational overhead of the underlying cryptographic protocols, e.g. fully homomorphic encryption. This overhead makes secure aggregation protocols impractical, especially for large datasets. In contrast, hardware-based security techniques such as trusted execution environments (TEEs) enable computation at near-native speeds, making them a promising alternative for reducing the computational burden typically associated with purely cryptographic techniques. Yet, in many scenarios, parties may opt for either cryptographic or hardware-based security mechanisms, highlighting the need for hybrid approaches. In this work, we introduce several secure aggregation architectures that integrate both cryptographic and TEE-based techniques, analyzing the trade-offs between security and performance.
• Abstract（参考訳）: セキュアアグリゲーションは、それぞれがプライベートインプットを持っている相互不信な当事者の集団が、個々のインプットのプライバシを保持しながら、アグリゲーション値を協調的に計算することを可能にする。 しかし、実用的な用途に安全なアグリゲーションアプローチを採用する上での大きな課題は、基礎となる暗号プロトコル、例えば完全同型暗号の計算オーバーヘッドである。 このオーバーヘッドは、特に大規模なデータセットに対して、セキュアなアグリゲーションプロトコルを非現実的にします。 対照的に、信頼された実行環境(TEE)のようなハードウェアベースのセキュリティ技術は、ほぼネイティブに近い速度での計算を可能にし、純粋な暗号技術に関連する計算負担を減らすための有望な代替手段となる。 しかし、多くのシナリオでは、当事者は暗号またはハードウェアベースのセキュリティメカニズムを選択し、ハイブリッドアプローチの必要性を強調している。 本稿では,暗号技術とTEE技術の両方を統合し,セキュリティとパフォーマンスのトレードオフを分析するセキュアアグリゲーションアーキテクチャについて紹介する。

関連論文リスト

• Trusted Machine Learning Models Unlock Private Inference for Problems Currently Infeasible with Cryptography [30.57370996703948]
  有能な機械学習モデルは信頼できるサードパーティの役割を果たすことができると我々は主張する。 このアプローチは、プライバシと計算効率のバランスを達成することを目的としている。 単純な古典的暗号問題でさえ、すでにTCMEで解決できることが示されている。
  論文  参考訳（メタデータ） (2025-01-15T17:28:53Z)
• Encrypted Computation of Collision Probability for Secure Satellite Conjunction Analysis [0.5497663232622965]
  $mathcalP_c$計算の精度と精度は、計算資源とデータ可用性の制限によってしばしば損なわれる。 提案プロトコルである Encrypted $mathcalP_c$ はモンテカルロ推定アルゴリズムと暗号解を統合する。 本研究は,$mathcalP_c$計算のためのセキュアなMPCプロトコルを開発することにより,セキュアな接続解析を推し進める。
  論文  参考訳（メタデータ） (2025-01-13T16:48:22Z)
• The Communication-Friendly Privacy-Preserving Machine Learning against Malicious Adversaries [14.232901861974819]
  プライバシー保護機械学習(PPML)は、機密情報を保護しながらセキュアなデータ分析を可能にする革新的なアプローチである。 セキュアな線形関数評価のための効率的なプロトコルを導入する。 我々は、このプロトコルを拡張して、線形層と非線形層を扱い、幅広い機械学習モデルとの互換性を確保する。
  論文  参考訳（メタデータ） (2024-11-14T08:55:14Z)
• Coding-Based Hybrid Post-Quantum Cryptosystem for Non-Uniform Information [53.85237314348328]
  我々は、新しいハイブリッドユニバーサルネットワーク符号化暗号(NU-HUNCC)を導入する。 NU-HUNCCは,リンクのサブセットにアクセス可能な盗聴者に対して,個別に情報理論的に保護されていることを示す。
  論文  参考訳（メタデータ） (2024-02-13T12:12:39Z)
• A Survey and Comparative Analysis of Security Properties of CAN Authentication Protocols [92.81385447582882]
  コントロールエリアネットワーク(CAN)バスは車内通信を本質的に安全でないものにしている。 本稿では,CANバスにおける15の認証プロトコルをレビューし,比較する。 実装の容易性に寄与する本質的な運用基準に基づくプロトコルの評価を行う。
  論文  参考訳（メタデータ） (2024-01-19T14:52:04Z)
• HasTEE+ : Confidential Cloud Computing and Analytics with Haskell [50.994023665559496]
  信頼性コンピューティングは、Trusted Execution Environments(TEEs)と呼ばれる特別なハードウェア隔離ユニットを使用して、コテナントクラウドデプロイメントにおける機密コードとデータの保護を可能にする。 低レベルのC/C++ベースのツールチェーンを提供するTEEは、固有のメモリ安全性の脆弱性の影響を受けやすく、明示的で暗黙的な情報フローのリークを監視するための言語構造が欠如している。 私たちは、Haskellに埋め込まれたドメイン固有言語(cla)であるHasTEE+を使って、上記の問題に対処します。
  論文  参考訳（メタデータ） (2024-01-17T00:56:23Z)
• Secure Synthesis of Distributed Cryptographic Applications (Technical Report) [1.9707603524984119]
  我々はセキュアなプログラムパーティショニングを用いて暗号アプリケーションを合成することを提唱する。 このアプローチは有望だが、そのようなコンパイラのセキュリティに関する公式な結果はスコープに限られている。 我々は、堅牢で効率的なアプリケーションに不可欠な微妙さを扱うコンパイラのセキュリティ証明を開発した。
  論文  参考訳（メタデータ） (2024-01-06T02:57:44Z)
• AHSecAgg and TSKG: Lightweight Secure Aggregation for Federated Learning Without Compromise [7.908496863030483]
  AHSecAggは、加法的ホモモルフィックマスクを用いた軽量なセキュアアグリゲーションプロトコルである。 TSKGはThreshold Signatureベースのマスキング鍵生成方式である。
  論文  参考訳（メタデータ） (2023-12-08T10:06:17Z)
• SOCI^+: An Enhanced Toolkit for Secure OutsourcedComputation on Integers [50.608828039206365]
  本稿では,SOCIの性能を大幅に向上させるSOCI+を提案する。 SOCI+は、暗号プリミティブとして、高速な暗号化と復号化を備えた(2, 2)ホールドのPaillier暗号システムを採用している。 実験の結果,SOCI+は計算効率が最大5.4倍,通信オーバヘッドが40%少ないことがわかった。
  論文  参考訳（メタデータ） (2023-09-27T05:19:32Z)
• 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)

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。