論文の概要: TruChain: A Multi-Layer Architecture for Trusted, Verifiable, and Immutable Open Banking Data

• arxiv url: http://arxiv.org/abs/2507.08286v1
• Date: Fri, 11 Jul 2025 03:19:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-14 18:03:54.233695
• Title: TruChain: A Multi-Layer Architecture for Trusted, Verifiable, and Immutable Open Banking Data
• Title（参考訳）: TruChain: 信頼できる、検証可能な、不変なオープンバンキングデータのためのマルチレイヤアーキテクチャ
• Authors: Aufa Nasywa Rahman, Bimo Sunarfri Hantono, Guntur Dharma Putra,
• Abstract要約: 3つの信頼レベルを持つデータの保証を提供する階層アーキテクチャを提案する。 第1のレイヤは、分散IDと検証可能なプレゼンテーションを使用して、ソースの正当性を保証する。 第2のレイヤは、暗号署名を使用してデータの信頼性と一貫性を検証する。 第3のレイヤは、有向非循環グラフ分散台帳であるTangleを通じて、データの不変性を保証する。
• 参考スコア（独自算出の注目度）: 0.351124620232225
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Open banking framework enables third party providers to access financial data across banking institutions, leading to unprecedented innovations in the financial sector. However, some open banking standards remain susceptible to severe technological risks, including unverified data sources, inconsistent data integrity, and lack of immutability. In this paper, we propose a layered architecture that provides assurance in data trustworthiness with three distinct levels of trust, covering source validation, data-level authentication, and tamper-proof storage. The first layer guarantees the source legitimacy using decentralized identity and verifiable presentation, while the second layer verifies data authenticity and consistency using cryptographic signing. Lastly, the third layer guarantees data immutability through the Tangle, a directed acyclic graph distributed ledger. We implemented a proof-of-concept implementation of our solution to evaluate its performance, where the results demonstrate that the system scales linearly with a stable throughput, exhibits a 100% validation rate, and utilizes under 35% of CPU and 350 MiB memory. Compared to a real-world open banking implementation, our solution offers significantly reduced latency and stronger data integrity assurance. Overall, our solution offers a practical and efficient system for secure data sharing in financial ecosystems while maintaining regulatory compliance.
• Abstract（参考訳）: オープンバンキングフレームワークは、サードパーティのプロバイダが金融機関間で金融データにアクセスできるようにする。 しかしながら、いくつかのオープンバンキング標準は、検証されていないデータソース、一貫性のないデータ整合性、不変性の欠如など、深刻な技術的リスクの影響を受け続けている。 本稿では,データの信頼性を3つの信頼レベルで保証し,ソース検証,データレベルの認証,タンパ保護ストレージを網羅する階層アーキテクチャを提案する。 第1のレイヤは、分散IDと検証可能なプレゼンテーションを使用してソースの正当性を保証する一方、第2のレイヤは、暗号署名を使用してデータの信頼性と一貫性を検証する。 最後に、第3のレイヤは、有向非循環グラフ分散台帳であるTangleを通じて、データの不変性を保証する。 提案手法の実証-概念実装を実装し, 性能評価を行った結果, システムは安定スループットで線形にスケールし, 100%のバリデーションレートを示し, 35%未満のCPUと350MiBメモリを利用することがわかった。 実世界のオープンバンキング実装と比較して、当社のソリューションはレイテンシを大幅に削減し、データ完全性を保証する。 全体として、当社のソリューションは、規制コンプライアンスを維持しつつ、金融エコシステム内のデータ共有をセキュアにするための実用的で効率的なシステムを提供しています。

関連論文リスト

• Provably Secure Retrieval-Augmented Generation [7.412110686946628]
  本稿では,RAG(Retrieval-Augmented Generation)システムのための,信頼性の高い最初のフレームワークを提案する。 我々のフレームワークは、検索したコンテンツとベクトル埋め込みの両方の二重保護を保証するために、プレストレージのフル暗号化方式を採用している。
  論文  参考訳（メタデータ） (2025-08-01T21:37:16Z)
• Towards Secure and Private AI: A Framework for Decentralized Inference [14.526663289437584]
  大規模マルチモーダル基盤モデルは、スケーラビリティ、信頼性、潜在的な誤用に関する課題を提示する。 分散システムは、ワークロードの分散と障害の中心的なポイントの緩和によるソリューションを提供する。 これらの課題に対処するためには、AI開発に責任を負うように設計された包括的なフレームワークを使います。
  論文  参考訳（メタデータ） (2024-07-28T05:09:17Z)
• Benchmarking the performance of a self-custody, non-ledger-based, obliviously managed digital payment system [1.2277343096128712]
  本稿では,ユニバーシティ・カレッジ・ロンドンで開発された既存の小売CBDCフレームワークについて述べる。 提案した設計により、仲介サービスプロバイダを必要とせずに、ユーザは自分の資産を直接管理することができる。 並行して、高速で不変で分散化されたトランザクションバリデーションを提供するために設計された、合理化されたDigital Ledgerを導入します。
  論文  参考訳（メタデータ） (2024-04-19T11:57:32Z)
• Starlit: Privacy-Preserving Federated Learning to Enhance Financial Fraud Detection [2.436659710491562]
  Federated Learning(FL)は、さまざまなクライアントとローカルデータの間で協調的なモデルトレーニングを可能にする、データ最小化のアプローチである。 不正な金融取引を識別するための最先端のFLソリューションは、以下の制限のサブセットを示している。 Starlitは,これらの制限を克服する,スケーラブルなプライバシ保護機構である。
  論文  参考訳（メタデータ） (2024-01-19T15:37:11Z)
• Secure and Verifiable Data Collaboration with Low-Cost Zero-Knowledge Proofs [30.260427020479536]
  本稿では,セキュアかつ検証可能なデータコラボレーションのための新しい高効率ソリューションRiseFLを提案する。 まず,ZKP生成と検証のコストを大幅に削減する確率論的整合性検査法を提案する。 第3に,ビザンチンのロバスト性を満たすハイブリッドなコミットメントスキームを設計し,性能を向上する。
  論文  参考訳（メタデータ） (2023-11-26T14:19:46Z)
• Binary Classification with Confidence Difference [100.08818204756093]
  本稿では,信頼性差分法 (ConfDiff) という,弱教師付き二項分類問題について考察する。 本稿では,この問題に対処するためのリスク一貫性のあるアプローチを提案し,推定誤差が最適収束率と一致することを示す。 また,整合性や収束率も証明されたオーバーフィッティング問題を緩和するためのリスク補正手法も導入する。
  論文  参考訳（メタデータ） (2023-10-09T11:44:50Z)
• Auditing and Generating Synthetic Data with Controllable Trust Trade-offs [54.262044436203965]
  合成データセットとAIモデルを包括的に評価する総合監査フレームワークを導入する。 バイアスや差別の防止、ソースデータへの忠実性の確保、実用性、堅牢性、プライバシ保護などに焦点を当てている。 多様なユースケースにまたがる様々な生成モデルを監査することにより,フレームワークの有効性を実証する。
  論文  参考訳（メタデータ） (2023-04-21T09:03:18Z)
• Trustworthy Transparency by Design [57.67333075002697]
  本稿では,ユーザ信頼とエクスペリエンスに関する研究を取り入れた,ソフトウェア設計のための透明性フレームワークを提案する。 私たちのフレームワークは、その設計に透明性を取り入れたソフトウェアの開発を可能にします。
  論文  参考訳（メタデータ） (2021-03-19T12:34:01Z)
• Trustworthy AI [75.99046162669997]
  入力データの小さな敵対的変化への脆さ、決定の説明能力、トレーニングデータのバイアスに対処する能力は、最も顕著な制限である。 我々は,AIシステムに対するユーザおよび公的な信頼を高める上での6つの重要な問題に対処するために,信頼に値するAIに関するチュートリアルを提案する。
  論文  参考訳（メタデータ） (2020-11-02T20:04:18Z)
• Regulation conform DLT-operable payment adapter based on trustless - justified trust combined generalized state channels [77.34726150561087]
  物の経済(EoT)は、ピアツーピアの信頼性のないネットワークで動作するソフトウェアエージェントに基づいています。 基本的価値と技術的可能性が異なる現在のソリューションの概要を述べる。 我々は,暗号ベースの分散型の信頼できない要素の強みと,確立された,十分に規制された支払い手段を組み合わせることを提案する。
  論文  参考訳（メタデータ） (2020-07-03T10:45:55Z)
• Super-App Behavioral Patterns in Credit Risk Models: Financial, Statistical and Regulatory Implications [110.54266632357673]
  従来の官僚データとは対照的に、アプリベースのマーケットプレースから派生した代替データが信用スコアモデルに与える影響を提示する。 2つの国にまたがって検証した結果、これらの新たなデータソースは、低体重者や若年者における金融行動を予測するのに特に有用であることが示された。
  論文  参考訳（メタデータ） (2020-05-09T01:32:03Z)

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。