論文の概要: Collusion-Resilient Hierarchical Secure Aggregation with Heterogeneous Security Constraints

• arxiv url: http://arxiv.org/abs/2507.14768v1
• Date: Sat, 19 Jul 2025 23:09:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-22 20:51:32.044363
• Title: Collusion-Resilient Hierarchical Secure Aggregation with Heterogeneous Security Constraints
• Title（参考訳）: 不均質なセキュリティ制約を伴うコルーシオン耐性階層型セキュアアグリゲーション
• Authors: Zhou Li, Xiang Zhang, Jiawen Lv, Jihao Fan, Haiqiang Chen, Giuseppe Caire,
• Abstract要約: FL(Federated Learning)によって動機づけられたセキュアアグリゲーションは、多くのユーザに対して分散された入力の集合の合計を、可能な限り効率的に安全に計算することを目的としている。 We study weakly-secure HSA (WS-HSA) with collusion resistance。 サーバとリレーの両方のセキュリティを確保するのに必要な独立鍵記号の総数を特徴付ける。
• 参考スコア（独自算出の注目度）: 42.80769898523078
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Motivated by federated learning (FL), secure aggregation (SA) aims to securely compute, as efficiently as possible, the sum of a set of inputs distributed across many users. To understand the impact of network topology, hierarchical secure aggregation (HSA) investigated the communication and secret key generation efficiency in a 3-layer relay network, where clusters of users are connected to the aggregation server through an intermediate layer of relays. Due to the pre-aggregation of the messages at the relays, HSA reduces the communication burden on the relay-to-server links and is able to support a large number of users. However, as the number of users increases, a practical challenge arises from heterogeneous security requirements--for example, users in different clusters may require varying levels of input protection. Motivated by this, we study weakly-secure HSA (WS-HSA) with collusion resilience, where instead of protecting all the inputs from any set of colluding users, only the inputs belonging to a predefined collection of user groups (referred to as security input sets) need to be protected against another predefined collection of user groups (referred to as collusion sets). Since the security input sets and collusion sets can be arbitrarily defined, our formulation offers a flexible framework for addressing heterogeneous security requirements in HSA. We characterize the optimal total key rate, i.e., the total number of independent key symbols required to ensure both server and relay security, for a broad range of parameter configurations. For the remaining cases, we establish lower and upper bounds on the optimal key rate, providing constant-factor gap optimality guarantees.
• Abstract（参考訳）: フェデレートラーニング(FL)によって動機づけられたセキュアアグリゲーション(SA)は、多くのユーザに分散された入力の集合の合計を可能な限り効率的に安全に計算することを目的としている。 ネットワークトポロジの影響を理解するため,階層型セキュアアグリゲーション (HSA) は3層リレーネットワークにおける通信と秘密鍵生成効率を調べた。 リレーにおけるメッセージの事前集約のため、HSAはリレー-サーバ間リンクの通信負担を軽減し、多数のユーザをサポートすることができる。 しかし、ユーザ数が増えるにつれて、異種セキュリティ要件から現実的な課題が発生する。例えば、異なるクラスタのユーザは、さまざまなレベルの入力保護を必要とする可能性がある。 このことから, 弱セキュアなHSA (WS-HSA) とコラシオンレジリエンス (コラシオン・レジリエンス) について検討し, コンラシオン・ユーザからのすべての入力を保護する代わりに, 事前に定義されたユーザグループ(セキュリティ・インプット・セット)のコレクションに属する入力のみを, 事前に定義された別のユーザグループ(コラシオン・セット)のコレクションに対して保護する必要があることを示した。 セキュリティ入力セットとコラシオンセットは任意に定義できるので、我々の定式化はHSAの異種セキュリティ要件に対処するための柔軟なフレームワークを提供する。 パラメータ設定の幅が広い場合に,サーバとリレーの両方のセキュリティを確保するために必要な独立鍵記号の総数,すなわち,最適な総鍵レートを特徴付ける。 残りのケースでは、最適鍵レートの上下境界を確立し、定数係数ギャップ最適性を保証する。

関連論文リスト

• Edge-Assisted Collaborative Fine-Tuning for Multi-User Personalized Artificial Intelligence Generated Content (AIGC) [38.59865959433328]
  クラウドベースのソリューションは計算を助けるが、プライバシのリスク、パーソナライズ効率、通信コストに対処するのに不足することが多い。 本稿では,クラスタを意識した新しい階層型統合フレームワークを提案する。 このフレームワークは,スケーラブルなマルチユーザパーソナライズAIGCサービスの実用性を維持しつつ,収束の加速を実現する。
  論文  参考訳（メタデータ） (2025-08-06T06:07:24Z)
• Information-Theoretic Decentralized Secure Aggregation with Collusion Resilience [98.31540557973179]
  情報理論の観点から分散型セキュアアグリゲーション(DSA)の問題点を考察する。 DSAの最小到達可能な通信量と秘密鍵率を指定する最適レート領域を特徴付ける。 本研究は,DSAの基本性能限界を確立し,信頼性の高い通信効率の高いプロトコルの設計に関する知見を提供する。
  論文  参考訳（メタデータ） (2025-08-01T12:51:37Z)
• Practical Secure Aggregation by Combining Cryptography and Trusted Execution Environments [1.3068730884406587]
  セキュアアグリゲーションは、それぞれがプライベートインプットを持っている相互不信な当事者の集団が、アグリゲーション値を協調的に計算することを可能にする。 実用的な用途にセキュアアグリゲーションアプローチを採用する上での大きな課題は、基盤となる暗号プロトコルの計算オーバーヘッドである。 信頼された実行環境(TEE)のようなハードウェアベースのセキュリティ技術は、ほぼネイティブな速度での計算を可能にする。 本稿では,暗号技術とTEE技術の両方を統合するセキュアアグリゲーションアーキテクチャについて紹介する。
  論文  参考訳（メタデータ） (2025-04-11T07:49:09Z)
• Fundamental Limits of Hierarchical Secure Aggregation with Cyclic User Association [93.46811590752814]
  階層型セキュアアグリゲーションは、フェデレートラーニング(FL)によって動機付けられる 本稿では,各ユーザが連続する$B$のリレーに接続される循環型アソシエーションパターンを用いたHSAについて考察する。 勾配符号化にインスパイアされた入力に対するメッセージ設計を含む効率的なアグリゲーション方式を提案する。
  論文  参考訳（メタデータ） (2025-03-06T15:53:37Z)
• Co-clustering for Federated Recommender System [33.70723179405055]
  Federated Recommender System(FRS)は、高品質なレコメンデーションの提供とユーザのプライバシの保護のバランスをとるソリューションを提供する。 パーソナライズされた意思決定パターンによって一般的に観察されるFRSにおける統計的不均一性の存在は、課題を引き起こす可能性がある。 本稿では,Co-clustering Federated RecommendationメカニズムであるCoFedRecを提案する。
  論文  参考訳（メタデータ） (2024-11-03T21:32:07Z)
• PriRoAgg: Achieving Robust Model Aggregation with Minimum Privacy Leakage for Federated Learning [49.916365792036636]
  フェデレートラーニング(FL)は、大規模分散ユーザデータを活用する可能性から、最近大きな勢いを増している。 送信されたモデル更新は、センシティブなユーザ情報をリークする可能性があり、ローカルなトレーニングプロセスの集中的な制御の欠如は、モデル更新に対する悪意のある操作の影響を受けやすいグローバルモデルを残します。 我々は、Lagrange符号化計算と分散ゼロ知識証明を利用した汎用フレームワークPriRoAggを開発し、集約されたプライバシを満たすとともに、幅広いロバストな集約アルゴリズムを実行する。
  論文  参考訳（メタデータ） (2024-07-12T03:18:08Z)
• Is Vertical Logistic Regression Privacy-Preserving? A Comprehensive Privacy Analysis and Beyond [57.10914865054868]
  垂直ロジスティック回帰(VLR)をミニバッチ降下勾配で訓練した。 我々は、オープンソースのフェデレーション学習フレームワークのクラスにおいて、VLRの包括的で厳密なプライバシー分析を提供する。
  論文  参考訳（メタデータ） (2022-07-19T05:47:30Z)
• Safe RAN control: A Symbolic Reinforcement Learning Approach [62.997667081978825]
  本稿では,無線アクセスネットワーク(RAN)アプリケーションの安全管理のためのシンボル強化学習(SRL)アーキテクチャを提案する。 我々は、ユーザが所定のセルネットワークトポロジに対して高レベルの論理的安全性仕様を指定できる純粋に自動化された手順を提供する。 ユーザがシステムに意図仕様を設定するのを支援するために開発されたユーザインターフェース(UI)を導入し、提案するエージェントの動作の違いを検査する。
  論文  参考訳（メタデータ） (2021-06-03T16:45:40Z)

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。