論文の概要: Blocklisted Oblivious Pseudorandom Functions

• arxiv url: http://arxiv.org/abs/2507.16040v1
• Date: Mon, 21 Jul 2025 20:13:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-23 21:34:13.875382
• Title: Blocklisted Oblivious Pseudorandom Functions
• Title（参考訳）: ブロックリスト付き擬似擬似関数
• Abstract要約: 暗黙の擬似乱数関数(OPRF)は、クライアントとサーバが相互作用して擬似乱数関数を評価するプロトコルである。 我々は,サーバがブロックリストを指定できるようにして,クライアントの入力がブロックリストにない場合にのみOPRF評価が成功するようにして,この概念を拡張した。
• 参考スコア（独自算出の注目度）: 5.230596278040867
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: An oblivious pseudorandom function (OPRF) is a protocol by which a client and server interact to evaluate a pseudorandom function on a key provided by the server and an input provided by the client, without divulging the key or input to the other party. We extend this notion by enabling the server to specify a blocklist, such that OPRF evaluation succeeds only if the client's input is not on the blocklist. More specifically, our design gains performance by embedding the client input into a metric space, where evaluation continues only if this embedding does not cluster with blocklist elements. Our framework exploits this structure to separate the embedding and blocklist check to enable efficient implementations of each, but then must stitch these phases together through cryptographic means. Our framework also supports subsequent evaluation of the OPRF on the same input more efficiently. We demonstrate the use of our design for password blocklisting in augmented password-authenticated key exchange, and to MAC only executables that are not similar to ones on a blocklist of known malware.
• Abstract（参考訳）: 暗黙の擬似乱数関数(OPRF)は、クライアントとサーバが対話して、サーバが提供した鍵とクライアントが提供した入力の擬似乱数関数を評価するプロトコルである。 我々は,サーバがブロックリストを指定できるようにして,クライアントの入力がブロックリストにない場合にのみOPRF評価が成功するようにして,この概念を拡張した。 具体的には、クライアント入力をメトリック空間に埋め込み、この埋め込みがブロックリスト要素をクラスタ化していない場合にのみ評価が継続する。 我々のフレームワークは、この構造を利用して埋め込みチェックとブロックリストチェックを分離し、それぞれの効率的な実装を可能にします。 提案フレームワークは, OPRFのその後の評価を, より効率的に行えるように支援する。 我々は、パスワード認証キー交換におけるパスワードブロックリスト化の設計を実証し、既知のマルウェアのブロックリストにないMACのみ実行可能ファイルに適用する。

関連論文リスト

• Stealing Reasoning Traces from Proprietary LLM APIs [84.58379404903394]
  我々は、暗号化された推論トレースのためのスケーラブルな復号化ジェイルブレイクを開発する。 抗蒸留機構を回避し、敵がプロプライエタリなモデルの推論を抽出できるようにする。 それは必然的に、推論プロセス内に隠された有害な情報を明らかにします。
  論文  参考訳（メタデータ） (2026-08-10T17:24:50Z)
• Pivot: Proactive and Verifiable Threshold Oblivious Pseudorandom Functions From Isogeny Group Actions [2.7399382174132167]
  明らかな擬似乱数関数(OPRF)は、クライアントがサーバにその入力を公開することなく、秘密の入力で鍵付き擬似乱数関数を評価することを可能にする。 既存のアイソジニーベースの閾値OPRFは、主に静的な破損モデルのために設計されている。 我々は,有効同種グループ行動に基づくディーラーレスしきい値 VOPRF フレームワーク PIVOT を紹介する。
  論文  参考訳（メタデータ） (2026-08-02T17:11:35Z)
• Towards Generalization of Block Attention via Automatic Segmentation and Block Distillation [61.19473093799777]
  ブロックアテンションは、Retrieval-Augmented Generation (RAG)のような長期コンテキストシナリオにおけるKVキャッシュの再利用を改善することができる。 しかし、入力テキストを意味のある自己完結ブロックに分割することの難しさと、性能低下のリスクを負う既存のブロック微調整手法の非効率性である。 ブロック微細チューニングよりも効率的な訓練フレームワークであるブロック蒸留を提案し, 凍結したフルアテンション教師モデルを用いて, ブロックアテンション学生を指導する。
  論文  参考訳（メタデータ） (2026-05-15T12:51:32Z)
• Half-Moon Cookie: Private, Similarity-Based Blocklisting with TOCTOU-Attack Resilience [16.553072306479635]
  本稿では,サーバが保持するプロプライエタリなブロックリストに対して,クライアントがアイテムをチェック可能な,プライベートなブロックリストフレームワークであるHalf-Moon Cookieを紹介する。 類似性に基づくマルウェア検出のために、Half-Moon Cookieをインスタンス化する方法を実証する。
  論文  参考訳（メタデータ） (2026-04-17T02:35:57Z)
• Compiling Activation Steering into Weights via Null-Space Constraints for Stealthy Backdoors [48.881343993730844]
  安全性に整合した大規模言語モデル(LLM)は、現実世界のパイプラインにますますデプロイされている。 敵は通常の評価では動作しないバックドアのチェックポイントを配布することができる。 最近のポストホック重み付け法は、そのようなバックドアを注入するための効率的なアプローチを提供する。
  論文  参考訳（メタデータ） (2026-04-14T06:48:33Z)
• Reverse Online Guessing Attacks on PAKE Protocols [0.43748379918040853]
  パスワード認証された鍵交換プロトコルは、オンラインの推測攻撃を逆転するために脆弱であることを示す。 リバース推測は 検出の重荷を クライアントにシフトさせるため ユニークなリスクとなる。 我々の分析は、利害関係者がデフォルトでは、ユーザーのパスワード以上の厳格な手段でサーバを認証すべきであることを示唆している。
  論文  参考訳（メタデータ） (2026-02-09T18:40:53Z)
• Proof of Trusted Execution: A Consensus Paradigm for Deterministic Blockchain Finality [0.391985484065646]
  本稿では,再実行を再現するのではなく,合意が検証実行から生じる合意パラダイムとして,信頼された実行の証明(PoTE)を提案する。 実行は決定論的であり、プロポーサは公開ランダム性から一意に派生しているため、PoTEはフォークを避け、スロット・タイムのボトルネックを排除し、1ラウンドの検証でブロックをコミットする。
  論文  参考訳（メタデータ） (2025-12-10T08:04:38Z)
• Federated Anonymous Blocklisting across Service Providers and its Application to Group Messaging [1.7616042687330637]
  Anonymous Blocklistingスキームでは、ユーザーは認証中に、以前の偽名がブロックされていないことを証明しなければならない。 我々は、集中型サービスプロバイダを小さな分散レルムに置き換える、代替のtextitFederated Anonymous Blocklisting (FAB)を提案する。
  論文  参考訳（メタデータ） (2025-11-05T14:11:46Z)
• Flexible Threshold Multi-client Functional Encryption for Inner Product in Federated Learning [6.909482184241419]
  Federated Learning(FL)は、複数のクライアントがローカルデータを開示することなく、共同で共有モデルをトレーニングできる分散機械学習パラダイムである。 本稿では,内積方式(FTMCFE-IP)のためのフレキシブルしきい値多重クライアント関数暗号を設計する。
  論文  参考訳（メタデータ） (2025-10-17T06:58:16Z)
• ZORRO: Zero-Knowledge Robustness and Privacy for Split Learning (Full Version) [58.595691399741646]
  Split Learning(SL)は、リソース制約のあるクライアントがディープニューラルネットワーク(DNN)を協調的にトレーニングすることを可能にする分散学習アプローチである。 このセットアップにより、SLはデータを共有せずにサーバの能力を活用することができ、機密データを扱うリソース制約のある環境で非常に効果的になる。 我々は、プライベートで検証可能な、堅牢なSL防御スキームであるZORROを提示する。
  論文  参考訳（メタデータ） (2025-09-11T18:44:09Z)
• Blockwise SFT for Diffusion Language Models: Reconciling Bidirectional Attention and Autoregressive Decoding [60.06816407728172]
  離散拡散言語モデルは、テキスト生成に強い可能性を示している。 半自己回帰推論による微調整ミスアライメントの標準化 我々は、応答を固定サイズブロックに分割するBlockwise SFTを提案する。
  論文  参考訳（メタデータ） (2025-08-27T02:49:33Z)
• Towards Anonymous Neural Network Inference [0.0]
  funionは、ニューラルネットワークの推論にエンドツーエンドの送信者-受信者非リンク性を提供するシステムである。 ユーザは匿名で、入力テンソルを疑似ランダムなストレージロケーションに格納し、計算サービスをニューラルネットワーク経由で処理し、入力と出力のパーティ間のトレーサブルな接続のない結果を取得することができる。
  論文  参考訳（メタデータ） (2025-05-23T22:05:20Z)
• The Latency Price of Threshold Cryptosystem in Blockchains [52.359230560289745]
  本稿では,Byzantine-fault Tolerant(BFT)コンセンサスプロトコルを用いた,しきい値暗号とブロックチェーンのクラス間の相互作用について検討する。 Aptosのメインネットからの測定によると、楽観的なアプローチは遅延オーバーヘッドを71%削減する。
  論文  参考訳（メタデータ） (2024-07-16T20:53:04Z)
• Asymmetric Mempool DoS Security: Formal Definitions and Provable Secure Designs [17.06992341258962]
  本稿では,非対称なDoS攻撃に対して防御可能なセキュアなブロックチェーン・メムプール設計を提案する。 提案するセキュアなトランザクション入力アルゴリズムであるtextscsaferAd-CP は,排除DoS攻撃の実行コストの証明可能な低境界を提供することにより,消去セキュリティを確保する。
  論文  参考訳（メタデータ） (2024-07-03T23:28:35Z)
• Certified Adversarial Robustness of Machine Learning-based Malware Detectors via (De)Randomized Smoothing [9.881799766856476]
  我々は,特定の実行可能および逆パッチサイズに対して,敵EXEmpleが存在しないことを保証する,パッチ攻撃に対する認証可能な防御を導入する。 提案手法は, 決定論的ロバスト性証明を提供する (de)randomized smoothing に着想を得たものである。 その結果,本手法は,強いコンテンツ挿入攻撃に対する不整合性を示し,ランダムなスムースティングに基づく防御性能に優れていた。
  論文  参考訳（メタデータ） (2024-05-01T08:45:57Z)
• Defending Large Language Models against Jailbreak Attacks via Semantic Smoothing [107.97160023681184]
  適応型大規模言語モデル(LLM)は、ジェイルブレイク攻撃に対して脆弱である。 提案するSEMANTICSMOOTHは,与えられた入力プロンプトのセマンティック変換されたコピーの予測を集約するスムージングベースのディフェンスである。
  論文  参考訳（メタデータ） (2024-02-25T20:36:03Z)
• Blind Evaluation Framework for Fully Homomorphic Encryption and Privacy-Preserving Machine Learning [0.0]
  Blind Evaluation Framework (BEF) は暗号的にセキュアなプログラミングフレームワークである。 インタラクティブ・ラウンド・オブ・デクリプション・アンド・アセスメント(IRDE)を使わずに、盲目で、正しい、プログラミングロジックの実行を可能にする。 これは、解読ラウンドなしでFHEで機械学習モデルのトレーニングと推論を可能にする最初のフレームワークである。
  論文  参考訳（メタデータ） (2023-10-19T20:33:02Z)
• FLCert: Provably Secure Federated Learning against Poisoning Attacks [67.8846134295194]
  FLCertは、有毒な攻撃に対して確実に安全であるアンサンブル・フェデレート学習フレームワークである。 実験の結果,テスト入力に対するFLCertで予測されたラベルは,有意な数の悪意のあるクライアントによって影響を受けないことが判明した。
  論文  参考訳（メタデータ） (2022-10-02T17:50:04Z)
• Blockchain-based Secure Client Selection in Federated Learning [18.001794899303626]
  ブロックチェーン技術を使って、フェデレートラーニングのための検証可能なクライアント選択プロトコルを提案しています。 本プロトコルでは,クライアントのランダムな選択を強制し,サーバが選択プロセスの判断で制御できないようにする。 この攻撃に対して当社のプロトコルが安全であることを示すセキュリティ証明を提示する。
  論文  参考訳（メタデータ） (2022-05-11T16:28:12Z)
• Quantum Proofs of Deletion for Learning with Errors [91.3755431537592]
  完全同型暗号方式として, 完全同型暗号方式を初めて構築する。 我々の主要な技術要素は、量子証明器が古典的検証器に量子状態の形でのLearning with Errors分布からのサンプルが削除されたことを納得させる対話的プロトコルである。
  論文  参考訳（メタデータ） (2022-03-03T10:07:32Z)
• Blockchain Assisted Decentralized Federated Learning (BLADE-FL) with Lazy Clients [124.48732110742623]
  フェデレートラーニング(FL)にブロックチェーンを統合する新しいフレームワークを提案する。 BLADE-FLは、プライバシー保護、改ざん抵抗、学習の効果的な協力の点で優れたパフォーマンスを持っている。 遅延クライアントは、他人のトレーニングされたモデルを盗聴し、不正行為を隠すために人工的なノイズを加える。
  論文  参考訳（メタデータ） (2020-12-02T12:18:27Z)
• Towards Bidirectional Protection in Federated Learning [70.36925233356335]
  F2ED-LEARNINGは、悪意のある集中型サーバとビザンティンの悪意のあるクライアントに対して双方向の防御を提供する。 F2ED-LEARNINGは各シャードの更新を安全に集約し、異なるシャードからの更新に対してFilterL2を起動する。 評価の結果,F2ED-LEARNing は最適あるいは最適に近い性能が得られることがわかった。
  論文  参考訳（メタデータ） (2020-10-02T19:37:02Z)
• FastSecAgg: Scalable Secure Aggregation for Privacy-Preserving Federated Learning [18.237186837994585]
  セキュアアグリゲーション'プロトコルは、サーバがクライアントのモデルをプライバシ保護方法で集約することを可能にする。 FastSecAggは計算と通信の面で効率的であり、クライアントのドロップアウトに対して堅牢である。
  論文  参考訳（メタデータ） (2020-09-23T16:49:02Z)

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。