論文の概要: Zk-SNARK for String Match
- arxiv url: http://arxiv.org/abs/2505.13964v1
- Date: Tue, 20 May 2025 06:01:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-21 14:49:52.773443
- Title: Zk-SNARK for String Match
- Title（参考訳）: 文字列マッチングのためのZk-SNARK
- Authors: Taoran Li, Taobo Liao,
- Abstract要約: 我々はzk-SNARKを利用したセキュアで効率的な文字列マッチングプラットフォームを提案する。
当社のソリューションでは,公開プラットフォームにプライベート文字列が現れるかどうかを,文字列自体を公開せずに検証することが可能です。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a secure and efficient string-matching platform leveraging zk-SNARKs (Zero-Knowledge Succinct Non-Interactive Arguments of Knowledge) to address the challenge of detecting sensitive information leakage while preserving data privacy. Our solution enables organizations to verify whether private strings appear on public platforms without disclosing the strings themselves. To achieve computational efficiency, we integrate a sliding window technique with the Rabin-Karp algorithm and Rabin Fingerprint, enabling hash-based rolling comparisons to detect string matches. This approach significantly reduces time complexity compared to traditional character-by-character comparisons. We implement the proposed system using gnark, a high-performance zk-SNARK library, which generates succinct and verifiable proofs for privacy-preserving string matching. Experimental results demonstrate that our solution achieves strong privacy guarantees while maintaining computational efficiency and scalability. This work highlights the practical applications of zero-knowledge proofs in secure data verification and contributes a scalable method for privacy-preserving string matching.
- Abstract（参考訳）: 本稿では,zk-SNARK(Zero-Knowledge Succinct Non-Interactive Arguments of Knowledge)を利用したセキュアで効率的な文字列マッチングプラットフォームを提案する。
当社のソリューションでは,公開プラットフォームにプライベート文字列が現れるかどうかを,文字列自体を公開せずに検証することが可能です。
計算効率を向上させるため,Rabin-KarpアルゴリズムとRabin Fingerprintとスライディングウインドウ技術を統合し,ハッシュベースのローリング比較により文字列一致を検出する。
このアプローチは、従来のキャラクタ・バイ・キャラクタ比較と比較して、時間的複雑さを著しく低減する。
我々は,プライバシ保存文字列マッチングの簡潔かつ検証可能な証明を生成する高性能なzk-SNARKライブラリであるgnarkを用いて,提案システムを実装した。
実験の結果,提案手法は計算効率とスケーラビリティを維持しつつ,強力なプライバシ保証を実現することが示された。
この研究は、セキュアなデータ検証におけるゼロ知識証明の実践的応用を強調し、プライバシ保存文字列マッチングのためのスケーラブルな方法に貢献している。
関連論文リスト
- AutoSSVH: Exploring Automated Frame Sampling for Efficient Self-Supervised Video Hashing [72.10024026634976]
Self-Supervised Video Hashing (SSVH)は、動画をハッシュコードに圧縮し、ラベルなしのトレーニングビデオを使用して効率的なインデックス付けと検索を行う。
既存のアプローチは、ビデオの特徴を学習し、すべてのフレームを平等に扱うためにランダムなフレームサンプリングに依存している。
本稿では,ハッシュベースのコントラスト学習を用いた対数フレームサンプリングを用いたAutoSSVHという新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2025-04-04T16:56:17Z) - A Note on Efficient Privacy-Preserving Similarity Search for Encrypted Vectors [1.3824176915623292]
従来のベクトル類似性探索手法では、完全同型暗号(FHE)を用いて復号化せずに計算が可能であった。
この研究は、より効率的な代替手段を探究する: プライバシー保護類似性検索に加法的同型暗号(AHE)を使用する。
本稿では,AHE で暗号化された類似性探索のアルゴリズムを提案し,そのエラーの増大とセキュリティへの影響を解析する。
論文 参考訳（メタデータ） (2025-02-20T06:07:04Z) - SECRET: Towards Scalable and Efficient Code Retrieval via Segmented Deep Hashing [83.35231185111464]
ディープラーニングは、検索パラダイムを語彙ベースのマッチングから、ソースコードとクエリをベクトル表現にエンコードした。
従来の研究では、クエリやコードスニペットのハッシュコードを生成し、ハミング距離を使ってコード候補を高速にリコールするディープハッシュベースの手法が提案されている。
提案手法は,既存の深層ハッシュ法によって計算された長いハッシュコードを,反復的学習戦略により複数の短いハッシュコードセグメントに変換する手法である。
論文 参考訳（メタデータ） (2024-12-16T12:51:35Z) - Scalable Zero-Knowledge Proofs for Verifying Cryptographic Hashing in Blockchain Applications [16.72979347045808]
ゼロ知識証明(ZKP)は、現代のブロックチェーンシステムのスケーラビリティ問題に対処するための、有望なソリューションとして登場した。
本研究では,暗号ハッシュの計算完全性を保証するため,ZKPの生成と検証を行う手法を提案する。
論文 参考訳（メタデータ） (2024-07-03T21:19:01Z) - TernaryVote: Differentially Private, Communication Efficient, and
Byzantine Resilient Distributed Optimization on Heterogeneous Data [50.797729676285876]
本稿では, 3次圧縮機と多数決機構を組み合わせて, 差分プライバシー, 勾配圧縮, ビザンチンレジリエンスを同時に実現するternaryVoteを提案する。
提案アルゴリズムのF差分プライバシー(DP)とビザンチンレジリエンスのレンズによるプライバシー保証を理論的に定量化する。
論文 参考訳（メタデータ） (2024-02-16T16:41:14Z) - Verifiable Privacy-Preserving Computing [3.543432625843538]
我々は、検証可能性と、分散データ上のプライバシ保存計算を組み合わせた既存のソリューションを分析する。
我々は、ソリューションアプローチ、セキュリティ、効率、実用性に関する37の異なるスキームを分類し比較する。
論文 参考訳（メタデータ） (2023-09-15T08:44:13Z) - Simultaneously Learning Robust Audio Embeddings and balanced Hash codes
for Query-by-Example [8.585546027122808]
最先端のシステムは、ディープラーニングを使ってコンパクトなオーディオ指紋を生成する。
これらのシステムは、指紋を定量化し、教師なしの方法でハッシュコードにインデックスを配置し、検索を高速化する。
指紋とハッシュコードのバランスをエンドツーエンドに計算するための自己教師付き学習フレームワークを提案する。
論文 参考訳（メタデータ） (2022-11-20T19:22:44Z) - Towards Privacy-Preserving, Real-Time and Lossless Feature Matching [8.418466369442413]
本稿では,ランダムな置換,4L-DEC,および既存の同型暗号化技術によって特徴を保護するSecureというプラグインモジュールを提案する。
Secureは初めて、公開機能間のリアルタイムかつロスレスな機能マッチングを実現し、現在の最先端技術よりもはるかに高いセキュリティレベルを実現した。
論文 参考訳（メタデータ） (2022-07-30T13:25:59Z) - Smooth Anonymity for Sparse Graphs [69.1048938123063]
しかし、スパースデータセットを共有するという点では、差分プライバシーがプライバシのゴールドスタンダードとして浮上している。
本研究では、スムーズな$k$匿名性(スムーズな$k$匿名性)と、スムーズな$k$匿名性(スムーズな$k$匿名性)を提供する単純な大規模アルゴリズムを設計する。
論文 参考訳（メタデータ） (2022-07-13T17:09:25Z) - CIMON: Towards High-quality Hash Codes [63.37321228830102]
我々はtextbfComprehensive stextbfImilarity textbfMining と ctextbfOnsistency leartextbfNing (CIMON) という新しい手法を提案する。
まず、グローバルな洗練と類似度統計分布を用いて、信頼性とスムーズなガイダンスを得る。第二に、意味的整合性学習とコントラスト的整合性学習の両方を導入して、乱不変と差別的ハッシュコードの両方を導出する。
論文 参考訳（メタデータ） (2020-10-15T14:47:14Z) - Reinforcing Short-Length Hashing [61.75883795807109]
既存の手法は、非常に短いハッシュコードを用いた検索性能が劣っている。
本研究では, 短寿命ハッシュ(RSLH)を改良する新しい手法を提案する。
本稿では,ハッシュ表現とセマンティックラベルの相互再構成を行い,セマンティック情報を保存する。
3つの大規模画像ベンチマークの実験は、様々な短いハッシュシナリオ下でのRSLHの優れた性能を示す。
論文 参考訳（メタデータ） (2020-04-24T02:23:52Z)
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。