論文の概要: Enabling decision support over confidential data

• arxiv url: http://arxiv.org/abs/2509.02413v1
• Date: Tue, 02 Sep 2025 15:20:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-04 15:17:04.080353
• Title: Enabling decision support over confidential data
• Title（参考訳）: 機密データによる意思決定支援の実現
• Authors: Edoardo Marangone, Eugenio Nerio Nemmi, Daniele Friolo, Giuseppe Ateniese, Ingo Weber, Claudio Di Ciccio,
• Abstract要約: 我々は、信頼されたアプリケーション(SPARTA)アプローチによる自動決定ルールのためのセキュアプラットフォームを提案する。 信頼された実行環境(TEE)をその中核に活用することにより、SPARTAは決定ロジックとデータが保護されていることを保証します。 決定プロセスの透明性と一貫性を保証するため、SPARTAは決定ルールをTEE内にデプロイされた検証可能なソフトウェアオブジェクトにエンコードする。
• 参考スコア（独自算出の注目度）: 5.257378698269123
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Enabling automated decision-making processes by leveraging data-driven analysis is a core goal of Decision Support Systems (DSSs). In multi-party scenarios where decisions rely on distributed and sensitive data, though, ensuring confidentiality, verifiability, transparency, integrity, and consistency at once remains an open challenge for DSSs. To tackle this multi-faceted problem, we propose the Secure Platform for Automated decision Rules via Trusted Applications (SPARTA) approach. By leveraging Trusted Execution Environments (TEEs) at its core, SPARTA ensures that the decision logic and the data remain protected. To guarantee transparency and consistency of the decision process, SPARTA encodes decision rules into verifiable software objects deployed within TEEs. To maintain the confidentiality of the outcomes while keeping the information integrity, SPARTA employs cryptography techniques on notarized data based on user-definable access policies. Based on experiments conducted on public benchmarks and synthetic data, we find our approach to be practically applicable and scalable.
• Abstract（参考訳）: データ駆動分析を利用する自動意思決定プロセスの実現は、決定支援システム(DSS)の中核的な目標である。 しかし、決定が分散データと機密データに依存するマルチパーティのシナリオでは、機密性、検証可能性、透明性、整合性、一貫性を確保することは、DSSにとってオープンな課題である。 この多面的問題に対処するために、信頼されたアプリケーション(SPARTA)アプローチによる自動決定ルールのためのセキュアプラットフォームを提案する。 信頼された実行環境(TEE)をその中核に活用することにより、SPARTAは決定ロジックとデータが保護されていることを保証します。 決定プロセスの透明性と一貫性を保証するため、SPARTAは決定ルールをTEE内にデプロイされた検証可能なソフトウェアオブジェクトにエンコードする。 情報整合性を維持しつつ結果の機密性を維持するため、SPARTAはユーザ定義アクセスポリシーに基づいて、通知されたデータに暗号化技術を採用する。 公開ベンチマークと合成データを用いて行った実験から、我々のアプローチは実用的に適用可能でスケーラブルであることがわかった。

関連論文リスト

• Building a Privacy Web with SPIDEr -- Secure Pipeline for Information De-Identification with End-to-End Encryption [3.8909411486426033]
  SPIDErはエンドツーエンドの暗号化データ識別パイプラインである。 抑制、偽名化、一般化、集約をサポートする。 本稿では,TEE内の非識別操作をエンド・ツー・エンドでセキュアに実行するための制御フローの設計について述べる。
  論文  参考訳（メタデータ） (2024-12-12T12:24:12Z)
• Balancing Confidentiality and Transparency for Blockchain-based Process-Aware Information Systems [43.253676241213626]
  機密性と透明性を維持するために,ブロックチェーンベースのPAISアーキテクチャを提案する。 スマートコントラクトは公開インタラクションを制定、強制、保存し、属性ベースの暗号化技術は機密情報へのアクセス許可を指定するために採用されている。 システム的脅威モデル解析によりソリューションの安全性を評価し,その実用性を評価する。
  論文  参考訳（メタデータ） (2024-12-07T20:18:36Z)
• Trustworthy AI: Securing Sensitive Data in Large Language Models [0.0]
  大規模言語モデル(LLM)は、堅牢なテキスト生成と理解を可能にすることで自然言語処理(NLP)を変革した。 本稿では, 機密情報の開示を動的に制御するために, 信頼機構をLCMに組み込むための包括的枠組みを提案する。
  論文  参考訳（メタデータ） (2024-09-26T19:02:33Z)
• Convergent Differential Privacy Analysis for General Federated Learning: the $f$-DP Perspective [57.35402286842029]
  フェデレートラーニング(Federated Learning, FL)は、ローカルプライバシを重視した効率的な協調トレーニングパラダイムである。 ディファレンシャルプライバシ(DP)は、私的保護の信頼性を捕捉し、保証するための古典的なアプローチである。
  論文  参考訳（メタデータ） (2024-08-28T08:22:21Z)
• Privacy-Preserving Joint Edge Association and Power Optimization for the Internet of Vehicles via Federated Multi-Agent Reinforcement Learning [74.53077322713548]
  プライバシ保護型共同エッジアソシエーションと電力配分問題について検討する。 提案されたソリューションは、最先端のソリューションよりも高いプライバシレベルを維持しながら、魅力的なトレードオフにぶつかる。
  論文  参考訳（メタデータ） (2023-01-26T10:09:23Z)
• Decentralized Stochastic Optimization with Inherent Privacy Protection [103.62463469366557]
  分散最適化は、現代の協調機械学習、分散推定と制御、大規模センシングの基本的な構成要素である。 データが関与して以降、分散最適化アルゴリズムの実装において、プライバシ保護がますます重要になっている。
  論文  参考訳（メタデータ） (2022-05-08T14:38:23Z)
• Differential Privacy and Fairness in Decisions and Learning Tasks: A Survey [50.90773979394264]
  プライバシーと公正が目標と一致したり、対照的になったりした条件をレビューする。 意思決定問題や学習タスクにおいて、DPが偏見や不公平を悪化させる理由と理由を分析します。
  論文  参考訳（メタデータ） (2022-02-16T16:50:23Z)

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。