論文の概要: A Review on Privacy in DAG-Based DLTs
- arxiv url: http://arxiv.org/abs/2504.15233v1
- Date: Mon, 21 Apr 2025 17:08:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-29 14:26:54.04534
- Title: A Review on Privacy in DAG-Based DLTs
- Title（参考訳）: DLT(DAG-based DLT)のプライバシに関するレビュー
- Authors: Mayank Raikwar,
- Abstract要約: Directed Acyclic Graph (DAG)ベースのDistributed Ledger Technologies (DLT)は、従来のブロックチェーン固有のスケーラビリティ問題に対する、有望なソリューションとして登場した。
本稿では,DAGベースのDLTにおけるプライバシー概念と課題を包括的に検証することで,このギャップに対処することを目的とする。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Directed Acyclic Graph (DAG)-based Distributed Ledger Technologies (DLTs) have emerged as a promising solution to the scalability issues inherent in traditional blockchains. However, amidst the focus on scalability, the crucial aspect of privacy within DAG-based DLTs has been largely overlooked. This paper seeks to address this gap by providing a comprehensive examination of privacy notions and challenges within DAG-based DLTs. We delve into potential methodologies to enhance privacy within these systems, while also analyzing the associated hurdles and real-world implementations within state-of-the-art DAG-based DLTs. By exploring these methodologies, we not only illuminate the current landscape of privacy in DAG-based DLTs but also outline future research directions in this evolving field.
- Abstract（参考訳）: Directed Acyclic Graph (DAG)ベースのDistributed Ledger Technologies (DLT)は、従来のブロックチェーン固有のスケーラビリティ問題に対する、有望なソリューションとして登場した。
しかしながら、スケーラビリティを重視する中で、DAGベースのDLTにおけるプライバシの重要な側面は、ほとんど見過ごされてきました。
本稿では,DAGベースのDLTにおけるプライバシー概念と課題を包括的に検証することで,このギャップに対処することを目的とする。
我々は、これらのシステム内のプライバシーを高めるための潜在的な方法論を探求するとともに、最先端のDAGベースのDLTにおける関連するハードルや実世界の実装を分析します。
これらの手法を探索することにより、DAGベースのDLTにおける現在のプライバシーの状況だけでなく、この発展途上分野における今後の研究方向性を概説する。
関連論文リスト
- Privacy-Preserving Federated Embedding Learning for Localized Retrieval-Augmented Generation [60.81109086640437]
我々はFedE4RAG(Federated Retrieval-Augmented Generation)と呼ばれる新しいフレームワークを提案する。
FedE4RAGはクライアント側RAG検索モデルの協調トレーニングを容易にする。
モデルパラメータの保護にフェデレート学習の準同型暗号化を適用する。
論文 参考訳（メタデータ） (2025-04-27T04:26:02Z) - From Data Behavior to Code Analysis: A Multimodal Study on Security and Privacy Challenges in Blockchain-Based DApp [1.6081378516701994]
最近のブロックチェーンベースの分散アプリケーション(DApp)の普及は、分散システムにおけるトランスフォーメーションの進歩を触媒している。
本研究は,経験的DAppデータセットから得られた行動パターンの系統的解析から開始する。
次に、Solidityを通じて開発された脆弱性ベースのスマートコントラクトにおける主要なセキュリティ脆弱性を批判的に検証する。
論文 参考訳（メタデータ） (2025-04-16T08:30:43Z) - Deep Graph Anomaly Detection: A Survey and New Perspectives [86.84201183954016]
グラフ異常検出(GAD)は、異常なグラフインスタンス(ノード、エッジ、サブグラフ、グラフ)を特定することを目的とする。
ディープラーニングアプローチ、特にグラフニューラルネットワーク(GNN)は、GADにとって有望なパラダイムとして現れています。
論文 参考訳（メタデータ） (2024-09-16T03:05:11Z) - Privacy in Large Language Models: Attacks, Defenses and Future Directions [84.73301039987128]
大規模言語モデル(LLM)を対象とした現在のプライバシ攻撃を分析し、敵の想定能力に応じて分類する。
本稿では、これらのプライバシー攻撃に対抗するために開発された防衛戦略について概説する。
論文 参考訳（メタデータ） (2023-10-16T13:23:54Z) - 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) - A Survey on Privacy in Graph Neural Networks: Attacks, Preservation, and
Applications [76.88662943995641]
グラフニューラルネットワーク(GNN)は、グラフ構造化データを扱う能力のため、大きな注目を集めている。
この問題に対処するため、研究者らはプライバシー保護のGNNの開発を開始した。
この進歩にもかかわらず、攻撃の包括的概要と、グラフドメインのプライバシを保存するためのテクニックが欠如している。
論文 参考訳（メタデータ） (2023-08-31T00:31:08Z) - Evolution of ESG-focused DLT Research: An NLP Analysis of the Literature [3.6935539346560766]
DLT(Distributed Ledger Technology)はその環境影響に対する監視の高まりに直面している。
DLTの既存の体系的な文献レビューの多くは、引用、抽象、キーワードの限定的な分析に依存している。
自然言語処理(NLP)を用いて24,539の出版物の全文を,DLT用の39,427のエンティティを手動でラベル付けしたNERデータセットを用いて解析した。
我々のNLPと時間グラフ分析の組み合わせは、DLTの進化とESGの影響において、暗号やピアツーピアネットワークにおける研究の重要な役割を含む重要な傾向を明らかにしている。
論文 参考訳（メタデータ） (2023-08-23T20:42:32Z) - Fairness Notions in DAG-based DLTs [13.174976028046933]
我々は,DAGに基づくDLTにおける公平さの総合的な理解を目指して,その異なる側面と測定基準について検討する。
フェアネスの様々な次元を記述し、DLTの異なる成分とどのように関連しているかを比較分析する。
論文 参考訳（メタデータ） (2023-08-09T09:40:14Z) - Advancing Differential Privacy: Where We Are Now and Future Directions for Real-World Deployment [100.1798289103163]
差分プライバシ(DP)分野における現状と現状の方法論の詳細なレビューを行う。
論文のポイントとハイレベルな内容は,「認知プライバシ(DP:次のフロンティアへの挑戦)」の議論から生まれた。
この記事では、プライバシの領域におけるアルゴリズムおよび設計決定の基準点を提供することを目標とし、重要な課題と潜在的研究の方向性を強調します。
論文 参考訳（メタデータ） (2023-04-14T05:29:18Z) - Latent Dirichlet Allocation Model Training with Differential Privacy [20.62970028874134]
Collapsed Gibbs Sampling(CGS)に基づくLDA学習アルゴリズムのプライバシ保護について検討する。
また,クラウドソースデータに基づくローカルプライベートなLDAトレーニングアルゴリズム(LP-LDA)を提案し,個々のデータコントリビュータに対して局所的な差分プライバシーを提供する。
論文 参考訳（メタデータ） (2020-10-09T06:58:40Z)
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。