Fugu-MT 論文翻訳(概要): Multi-Party Private Set Operations from Predicative Zero-Sharing

論文の概要: Multi-Party Private Set Operations from Predicative Zero-Sharing

arxiv url: http://arxiv.org/abs/2504.20050v1
Date: Thu, 10 Apr 2025 16:38:10 GMT
ステータス: 翻訳完了
システム内更新日: 2025-05-05 01:46:36.920529
Title: Multi-Party Private Set Operations from Predicative Zero-Sharing
Title（参考訳）: 述語ゼロシェアリングによる多人数プライベート・セット・オペレーション
Authors: Minglang Dong, Yu Chen, Cong Zhang, Yujie Bai, Yang Cao,
Abstract要約: 我々はMPSOフレームワークを提案し、これはm個のパーティがそれぞれ集合を持ち、それぞれのプライベート集合上の任意の集合公式を安全に計算することを可能にする。我々のフレームワークは非常に多用途であり、幅広いMPSO機能に対応できるようにインスタンス化することができる。
参考スコア（独自算出の注目度）: 8.27056097136535
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Typical protocols in the multi-party private set operations (MPSO) setting enable m > 2 parties to perform certain secure computation on the intersection or union of their private sets, realizing a very limited range of MPSO functionalities. Most works in this field focus on just one or two specific functionalities, resulting in a large variety of isolated schemes and a lack of a unified framework in MPSO research. In this work, we present an MPSO framework, which allows m parties, each holding a set, to securely compute any set formulas (arbitrary compositions of a finite number of binary set operations, including intersection, union and difference) on their private sets. Our framework is highly versatile and can be instantiated to accommodate a broad spectrum of MPSO functionalities. To the best of our knowledge, this is the first framework to achieve such a level of flexibility and generality in MPSO, without relying on generic secure multi-party computation (MPC) techniques. Our framework exhibits favorable theoretical and practical performance. The computation and communication complexity scale linearly with the set size n, and it achieves optimal complexity that is on par with the naive solution for widely used functionalities, such as multi-party private set intersection (MPSI), MPSI with cardinality output (MPSI-card), and MPSI with cardinality and sum (MPSI-card-sum), in the standard semi-honest model. Furthermore, the instantiations of our framework mainly from symmetric-key techniques yield efficient protocols for MPSI, MPSI-card, MPSI-card-sum, and multi-party private set union (MPSU), with online performance surpassing or matching the state of the art.
Abstract（参考訳）: マルチパーティ・プライベート・セット・オペレーション(MPSO)の典型的なプロトコルは、m > 2 のパーティが特定のセキュアな計算をプライベート・セットの交わりや結合で行え、非常に限られた範囲のMPSO機能を実現する。この分野でのほとんどの研究は1つか2つの特定の機能だけに焦点を当てており、その結果、様々な独立したスキームが生まれ、MPSO研究において統一された枠組みが欠如している。本研究では,m 個が集合を持つMPSOフレームワークを用いて,その集合上の任意の集合公式(交叉,和,差分を含む有限個の二元集合演算の任意構成)を安全に計算する。我々のフレームワークは非常に多用途であり、幅広いMPSO機能に対応できるようにインスタンス化することができる。我々の知る限りでは、汎用的なセキュアなマルチパーティ計算(MPC)技術に頼ることなく、MPSOにおけるそのような柔軟性と汎用性を達成した最初のフレームワークである。我々の枠組みは理論的かつ実践的な性能を示す。計算と通信の複雑さは、設定サイズnと線形にスケールし、標準半真性モデルにおいて、多人数のプライベートセット交差点(MPSI)、濃度出力付きMPSI(MPSI-card)、濃度と和を持つMPSI(MPSI-card-sum)といった、広く使われる機能に対する単純解に匹敵する最適な複雑性を達成する。さらに,MPSI,MPSI-card,MPSI-card-sum,Multi-party private set union (MPSU) の効率的なプロトコルが提案される。

関連論文リスト

Multi Activity Sequence Alignment via Implicit Clustering [50.3168866743067]
暗黙のクラスタリングによるシーケンスアライメントによる制約を克服する新しいフレームワークを提案する。具体的には、列内のフレームをアライメントしながら、暗黙的なクリップレベルのクラスタリングを行うという考え方です。実験の結果,提案手法は最先端の結果よりも優れていた。
論文参考訳（メタデータ） (2025-03-16T14:28:46Z)
Reinforcement learning with combinatorial actions for coupled restless bandits [62.89013331120493]
提案するSEQUOIAは,動作空間に対する長期報酬を直接最適化するRLアルゴリズムである。我々は,複数介入,経路制約,二部間マッチング,容量制約という,制約を伴う4つの新しいレスレス・バンディット問題に対して,SEQUOIAを実証的に検証した。
論文参考訳（メタデータ） (2025-03-01T21:25:21Z)
Combinatorial Multivariant Multi-Armed Bandits with Applications to Episodic Reinforcement Learning and Beyond [58.39457881271146]
CMAB(Multi-armed bandits)の多変量および確率的トリガーアーム(CMAB-MT)を用いた新しい枠組みを導入する。 CMAB-MTは既存のCMABと比べ、モデリング能力を高めるだけでなく、多変量確率変数の異なる統計特性を活用することで結果を改善することができる。本フレームワークは, エピソード強化学習(RL)や商品分布の確率的最大カバレッジなど, 応用として多くの重要な問題を含むことができる。
論文参考訳（メタデータ） (2024-06-03T14:48:53Z)
Secure and Scalable Circuit-based Protocol for Multi-Party Private Set Intersection [4.946124980718068]
回路ベースのアプローチは、このタスクを達成するためにカスタムプロトコルを使用するよりも利点がある。 2つのパーティ間のセキュアな計算を使用することで、プロトコルは複数パーティ間のインタラクションに関連する複雑さを回避します。回路ベース構築に伴うオーバヘッドを軽減するため,単純なハッシュ方式と置換型ハッシュ関数を用いることで,プロトコルをさらに強化した。
論文参考訳（メタデータ） (2023-09-14T03:20:33Z)
Advancement on Security Applications of Private Intersection Sum Protocol [1.0485739694839666]
セキュアな計算プロトコルは、関係者からの入力を組み合わせて、入力をプライベートに保ちながら出力を生成する。プライベート・セット・インターセクション (PSI) はセキュアな計算プロトコルであり、2つのパーティが他のものを明らかにすることなくそれらのセットの交点を学習することができる。プライベート・インターセクション・サム(PIS)は、両者が交差点の基数を学びたいときにPSIを拡張する。 Private Join and Compute (PJC) は PIS プロトコルのスケーラブルな拡張であり、組織が機密データセットと連携するのに役立つ。
論文参考訳（メタデータ） (2023-08-28T17:42:53Z)
(Amplified) Banded Matrix Factorization: A unified approach to private training [15.922315074913255]
差分プライバシ(DP)のための行列分解(MF)機構は、MLアプリケーションにおけるプライバシ・ユーティリティ・コンピューティングトレードオフの最先端性を大幅に改善した。フェデレーションおよび集中型トレーニング設定の両方において、MFが先行技術アルゴリズムをサブスクライブする方法を示す。
論文参考訳（メタデータ） (2023-06-13T21:53:17Z)
Permutation Invariant Policy Optimization for Mean-Field Multi-Agent Reinforcement Learning: A Principled Approach [128.62787284435007]
本稿では,平均場近似ポリシ最適化(MF-PPO)アルゴリズムを提案する。我々は,MF-PPOが収束のサブ線形速度で世界的最適政策を達成することを証明した。特に、置換不変ニューラルアーキテクチャによって引き起こされる誘導バイアスは、MF-PPOが既存の競合より優れていることを示す。
論文参考訳（メタデータ） (2021-05-18T04:35:41Z)
Strengthening Deterministic Policies for POMDPs [5.092711491848192]
我々は、時間論理制約の形で洗練された仕様をサポートする新しいMILP符号化を提供する。我々は、メモリベースの決定を包含するために、POMDPの事前処理を採用する。提案手法の利点は, 計算的トラクタビリティを損なうことなく, 簡単な決定論的政策を強化する柔軟性と, 任意に多くの仕様の証明可能な満足度を強制する能力である。
論文参考訳（メタデータ） (2020-07-16T14:22:55Z)

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。