論文の概要: B-Privacy: Defining and Enforcing Privacy in Weighted Voting
- arxiv url: http://arxiv.org/abs/2509.17871v1
- Date: Mon, 22 Sep 2025 15:11:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-30 14:22:35.369965
- Title: B-Privacy: Defining and Enforcing Privacy in Weighted Voting
- Title（参考訳）: B-Privacy: 軽量投票におけるプライバシの定義と強化
- Authors: Samuel Breckenridge, Dani Vilardell, Andrés Fábrega, Amy Zhao, Patrick McCorry, Rafael Solari, Ari Juels,
- Abstract要約: トークン保有率に比例して票を重み付けする投票システムは、既存の有権者プライバシの概念を覆すことを示す。
我々は、現在投票システムにおいて重要な問題である収賄に基づく「B-privacy」という概念を導入する。
本稿では,投票率を高く評価することで,B-privacyを高めるメカニズムを提案する。
- 参考スコア（独自算出の注目度）: 5.354673685777723
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In traditional, one-vote-per-person voting systems, privacy equates with ballot secrecy: voting tallies are published, but individual voters' choices are concealed. Voting systems that weight votes in proportion to token holdings, though, are now prevalent in cryptocurrency and web3 systems. We show that these weighted-voting systems overturn existing notions of voter privacy. Our experiments demonstrate that even with secret ballots, publishing raw tallies often reveals voters' choices. Weighted voting thus requires a new framework for privacy. We introduce a notion called B-privacy whose basis is bribery, a key problem in voting systems today. B-privacy captures the economic cost to an adversary of bribing voters based on revealed voting tallies. We propose a mechanism to boost B-privacy by noising voting tallies. We prove bounds on its tradeoff between B-privacy and transparency, meaning reported-tally accuracy. Analyzing 3,582 proposals across 30 Decentralized Autonomous Organizations (DAOs), we find that the prevalence of large voters ("whales") limits the effectiveness of any B-Privacy-enhancing technique. However, our mechanism proves to be effective in cases without extreme voting weight concentration: among proposals requiring coalitions of $\geq5$ voters to flip outcomes, our mechanism raises B-privacy by a geometric mean factor of $4.1\times$. Our work offers the first principled guidance on transparency-privacy tradeoffs in weighted-voting systems, complementing existing approaches that focus on ballot secrecy and revealing fundamental constraints that voting weight concentration imposes on privacy mechanisms.
- Abstract（参考訳）: 従来の1対1の投票システムでは、プライバシーは投票の秘密と同一であり、投票記録が発行されるが、個々の投票者の選択は隠されている。
しかし、トークン保有率に比例して票を重み付けする投票システムは、今や暗号通貨やWeb3システムで普及している。
これらの重み付け投票システムは、既存の有権者のプライバシーの概念を覆すことを示す。
我々の実験は、秘密投票であっても、生の投票を公表することは、しばしば有権者の選択を明らかにすることを実証している。
そのため、軽量投票にはプライバシーのための新しいフレームワークが必要である。
我々は、現在投票システムにおいて重要な問題である収賄に基づく「B-privacy」という概念を導入する。
B-privacyは、明らかにされた投票の集計に基づいて、有権者を賄う敵に対する経済的コストを捉えている。
本稿では,投票率を高く評価することで,B-privacyを高めるメカニズムを提案する。
われわれは、B-privacyと透明性のトレードオフに限界があることを証明している。
30の分散自治組織(DAOs)にわたる3,582の提案を分析し、大きな有権者(クジラ)の頻度が、B-Privacy-enhancingテクニックの有効性を制限することを発見した。
しかしながら、我々のメカニズムは、極端な投票重量集中のない場合に有効であることが証明されている: 結果の反転のために$\geq5$の連立を要求する提案の中で、我々のメカニズムは、幾何学的平均係数が4.1\times$によってB-privacyを上昇させる。
我々の研究は、重み付き投票システムにおける透明性とプライバシのトレードオフに関する最初の原則的なガイダンスを提供し、投票の秘密にフォーカスする既存のアプローチを補完し、投票重量集中がプライバシーメカニズムに課す基本的な制約を明らかにします。
関連論文リスト
- Inference Attacks on Encrypted Online Voting via Traffic Analysis [19.653420340564946]
本稿では,オンライン投票において,暗号化されたネットワークトラフィックのメタデータを利用して機密情報を明らかにする方法について検討する。
分析の結果, コンテンツにアクセスすることなく, 投票者が投票したかどうか, 投票が提出された正確なタイミング, 投票が有効か損なわれるかなど, 重要な投票者の行動を推測できることがわかった。
我々は2つの広く利用されているオンライン投票プラットフォーム(プロプライエタリと部分的にオープンソース)に対する攻撃を評価し、99.5%の分類精度を達成した。
論文 参考訳（メタデータ） (2025-09-19T07:14:01Z) - Efficient Lower Bounding of Single Transferable Vote Election Margins [56.12949230611067]
STV (Single Transferable vote) は、複数議席の選挙において、優先的な比例投票方式である。
勝利のマージン(英: margin of victory)は、勝利者の集合を変えるために操作される必要のある最小数の投票である。
マージンの低い境界は、正確なマージンを計算するのが難しい場合、この目的のためにも使われる。
論文 参考訳（メタデータ） (2025-01-24T13:39:23Z) - Learning to Manipulate under Limited Information [44.99833362998488]
私たちは、26サイズの10,000以上のニューラルネットワークをトレーニングし、8つの異なる投票方法に対処しました。
ボルダなど一部の投票手法は限られた情報を持つネットワークで高度に操作可能であるのに対して、Instant Runoffのような投票手法はそうではない。
論文 参考訳（メタデータ） (2024-01-29T18:49:50Z) - Private Multi-Winner Voting for Machine Learning [48.0093793427039]
本稿では,2進数,$tau$,Powerset投票の3つの新しいDPマルチウィンナ機構を提案する。
バイナリ投票は、構成を通じてラベルごとに独立して行われる。
$tau$ voting bounds vote in their $ell$ norm for tight data-independent guarantees。
パワーセット投票は、可能な結果をパワーセットとして見ることによって、バイナリベクター全体を操作する。
論文 参考訳（メタデータ） (2022-11-23T20:06:46Z) - Having your Privacy Cake and Eating it Too: Platform-supported Auditing
of Social Media Algorithms for Public Interest [70.02478301291264]
ソーシャルメディアプラットフォームは、情報や機会へのアクセスをキュレートするので、公衆の言論を形成する上で重要な役割を果たす。
これまでの研究では、これらのアルゴリズムが偏見や差別的な結果をもたらすことを示すためにブラックボックス法が用いられてきた。
本稿では,提案法の目標を満たすプラットフォーム支援型監査手法を提案する。
論文 参考訳（メタデータ） (2022-07-18T17:32:35Z) - Secure Order Based Voting Using Distributed Tallying [5.407319151576265]
電子投票システムの主な課題の1つは、計算結果がキャスト投票と一致していることを示すことである。
本稿では,秩序に基づく投票規則によって規制された選挙のためのセキュアな投票プロトコルを提案する。
我々のプロトコルは、集計タスクを複数の独立した集計業者に分散させ、完全な投票秘密を提供する。
論文 参考訳（メタデータ） (2022-05-21T12:17:21Z) - Obvious Manipulability of Voting Rules [105.35249497503527]
Gibbard-Satterthwaite の定理は、全会一致で非独裁的な投票規則は、戦略的なものではないと述べる。
我々は投票規則を再検討し、明らかでない操作性という戦略的安全性の弱い概念を考察する。
論文 参考訳（メタデータ） (2021-11-03T02:41:48Z) - Private Reinforcement Learning with PAC and Regret Guarantees [69.4202374491817]
エピソード強化学習(RL)のためのプライバシー保護探索ポリシーを設計する。
まず、共同微分プライバシー(JDP)の概念を用いた有意義なプライバシー定式化を提供する。
そこで我々は,強いPACと後悔境界を同時に達成し,JDP保証を享受する,プライベートな楽観主義に基づく学習アルゴリズムを開発した。
論文 参考訳（メタデータ） (2020-09-18T20:18:35Z)
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。