論文の概要: List-Decodable Byzantine Robust PIR: Lower Communication Complexity, Higher Byzantine Tolerance, Smaller List Size

• arxiv url: http://arxiv.org/abs/2506.17625v1
• Date: Sat, 21 Jun 2025 07:52:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-24 19:06:36.511111
• Title: List-Decodable Byzantine Robust PIR: Lower Communication Complexity, Higher Byzantine Tolerance, Smaller List Size
• Title（参考訳）: List-Decodable Byzantine Robust PIR:低通信複雑度、高ビザンチン耐性、より小さいリストサイズ
• Authors: Pengzhen Ke, Liang Feng Zhang, Huaxiong Wang, Li-Ping Wang,
• Abstract要約: プライバシ保護プリミティブ(Private Information Retrieval, PIR)は、暗号におけるプライバシ保護プリミティブである。 本稿では,2つの完全リスト復号化可能なBRPIRスキームを提案する。
• 参考スコア（独自算出の注目度）: 11.008282819485693
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Private Information Retrieval (PIR) is a privacy-preserving primitive in cryptography. Significant endeavors have been made to address the variant of PIR concerning the malicious servers. Among those endeavors, list-decodable Byzantine robust PIR schemes may tolerate a majority of malicious responding servers that provide incorrect answers. In this paper, we propose two perfect list-decodable BRPIR schemes. Our schemes are the first ones that can simultaneously handle a majority of malicious responding servers, achieve a communication complexity of $o(n^{1/2})$ for a database of size n, and provide a nontrivial estimation on the list sizes. Compared with the existing solutions, our schemes attain lower communication complexity, higher byzantine tolerance, and smaller list size.
• Abstract（参考訳）: プライバシ保護プリミティブ(Private Information Retrieval, PIR)は、暗号におけるプライバシ保護プリミティブである。 悪意のあるサーバに関して、PIRの変種に対処するための重要な取り組みがなされている。 これらの取り組みの中で、リスト化可能なByzantineの堅牢なPIRスキームは、誤った回答を提供する悪意のある応答サーバの大部分を許容する可能性がある。 本稿では,2つの完全リスト復号化可能なBRPIRスキームを提案する。 我々のスキームは、悪意のある応答サーバの大部分を同時に処理し、nサイズのデータベースに対して$o(n^{1/2})$の通信複雑性を達成し、リストサイズを非自明に見積もる最初のものである。 既存のソリューションと比較すると,通信の複雑さが低く,ビザンチン耐性が高く,リストサイズも小さい。

関連論文リスト

• BRIEF: Bridging Retrieval and Inference for Multi-hop Reasoning via Compression [91.23933111083389]
  Retrieval-augmented Generation (RAG)は、外部知識を統合することで、大きな言語モデル(LLM)を補完することができる。 本稿では,クエリ対応マルチホップ推論を行う軽量なアプローチであるBRIEFを提案する。 オープンソースモデルで構築した合成データに基づいて,BRIEFはより簡潔な要約を生成する。
  論文  参考訳（メタデータ） (2024-10-20T04:24:16Z)
• FastQuery: Communication-efficient Embedding Table Query for Private LLM Inference [3.9340847245305732]
  我々はFastQueryと呼ばれるプライベートな埋め込みテーブルクエリ最適化フレームワークを提案する。 FastQueryは通信対応の埋め込みテーブル量子化アルゴリズムと1ホット対応の高密度パッキングアルゴリズムを備えている。 従来のHEベースのフレームワークと比較して、FastQueryは、それぞれ4.3times$、2.7times$、1.3times$遅延削減を達成した。
  論文  参考訳（メタデータ） (2024-05-25T13:58:45Z)
• Optimal Communication Unbalanced Private Set Union [3.174848963159788]
  我々は、アンバランス・プライベート・セット・ユニオン問題のための新しい2つのプロトコルを提案する。 我々のプロトコルは、Sender の計算コストと通信容量が Sender の集合のサイズにのみ線形である最初のものである。 HElibを用いた予備的な結果は、例えば、1000個の要素を持つSenderが、2秒未満の計算時間と10MB未満の通信量を使用して、最初のプロトコルを完了できることを示している。
  論文  参考訳（メタデータ） (2024-02-26T08:36:11Z)
• Network Fault-tolerant and Byzantine-resilient Social Learning via Collaborative Hierarchical Non-Bayesian Learning [2.236663830879273]
  通信障害や敵攻撃に弱いネットワーク上での非ベイズ学習の問題に対処する。 まず,パケットドロップリンクの頻繁な障害に拘わらず,平均コンセンサスを達成できる階層的頑健なプッシュサムアルゴリズムを提案する。 次に,パケットドロップによるフォールトトレラントな非ベイズ学習アルゴリズムを提案し,コンバージェンス保証を実現する。
  論文  参考訳（メタデータ） (2023-07-27T15:46:46Z)
• Efficient Adversarial Contrastive Learning via Robustness-Aware Coreset Selection [59.77647907277523]
  敵対的コントラスト学習(ACL)は、高価なデータアノテーションを必要としないが、敵対的攻撃に耐える堅牢な表現を出力する。 ACLは、すべてのトレーニングデータの逆の変種を生成するのに、膨大な実行時間が必要です。 本稿では,ACLの高速化を目的としたロバストネス対応コアセット選択(RCS)手法を提案する。
  論文  参考訳（メタデータ） (2023-02-08T03:20:14Z)
• MUDGUARD: Taming Malicious Majorities in Federated Learning using Privacy-Preserving Byzantine-Robust Clustering [34.429892915267686]
  Byzantine-robust Federated Learning (FL)は、悪意のあるクライアントに対抗し、攻撃の成功率を極端に低く保ちながら、正確なグローバルモデルをトレーニングすることを目的としている。 しかし、既存のシステムのほとんどは、クライアントが正直な場合にのみ堅牢である。 本稿では,サーバ側とクライアント側の両方で悪意あるマイノリティの求職者多数で運用可能な,ビザンチン・ロバスト・プライバシ保護型FLシステム MUDGUARD を提案する。
  論文  参考訳（メタデータ） (2022-08-22T09:17:58Z)
• Byzantine-Robust Online and Offline Distributed Reinforcement Learning [60.970950468309056]
  本稿では,複数のエージェントが環境を探索し,その経験を中央サーバを通じて伝達する分散強化学習環境について考察する。 エージェントの$alpha$-fractionは敵対的であり、任意の偽情報を報告することができる。 我々は、これらの対立エージェントの存在下で、マルコフ決定プロセスの根底にある準最適政策を特定することを模索する。
  論文  参考訳（メタデータ） (2022-06-01T00:44:53Z)
• Byzantine-Robust Decentralized Learning via ClippedGossip [61.03711813598128]
  ビザンチン・ロバスト・コンセンサス最適化のためのClippedGossipアルゴリズムを提案する。 ClippedGossipの実証実験性能を多数の攻撃下で実証した。
  論文  参考訳（メタデータ） (2022-02-03T12:04:36Z)
• Quantum Private Information Retrieval for Quantum Messages [71.78056556634196]
  量子メッセージのための量子プライベート情報検索(QPIR)は、1つまたは複数のサーバから複数の量子状態のうちの1つを、どの状態が検索されたかを明らかにすることなく取得するプロトコルである。 我々はQPIRを,サーバがメッセージ状態の1つのコピーを含むブラインド設定と,サーバがメッセージ状態の記述を含む可視設定の2つの異なる設定で検討する。
  論文  参考訳（メタデータ） (2021-01-22T10:28:32Z)

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。