Fugu-MT 論文翻訳(概要): MVP-ORAM: a Wait-free Concurrent ORAM for Confidential BFT Storage

論文の概要: MVP-ORAM: a Wait-free Concurrent ORAM for Confidential BFT Storage

arxiv url: http://arxiv.org/abs/2512.12006v1
Date: Fri, 12 Dec 2025 19:39:10 GMT
ステータス: 翻訳完了
システム内更新日: 2025-12-16 17:54:56.069982
Title: MVP-ORAM: a Wait-free Concurrent ORAM for Confidential BFT Storage
Title（参考訳）: MVP-ORAM: 信頼できるBFTストレージのためのウェイトフリーコンカレントORAM
Authors: Robin Vassantlal, Hasan Heydari, Bernardo Ferreira, Alysson Bessani,
Abstract要約: MVP-ORAMは、同時フェールが発生しやすいクライアントをサポートする最初の待ち時間のないORAMプロトコルである。我々のプロトタイプは、現代のクラウドで毎秒数百の4KBアクセスを処理できることを示します。
参考スコア（独自算出の注目度）: 4.299007466612815
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: It is well known that encryption alone is not enough to protect data privacy. Access patterns, revealed when operations are performed, can also be leveraged in inference attacks. Oblivious RAM (ORAM) hides access patterns by making client requests oblivious. However, existing protocols are still limited in supporting concurrent clients and Byzantine fault tolerance (BFT). We present MVP-ORAM, the first wait-free ORAM protocol that supports concurrent fail-prone clients. In contrast to previous works, MVP-ORAM avoids using trusted proxies, which require additional security assumptions, and concurrency control mechanisms based on inter-client communication or distributed locks, which limit overall throughput and the capability of tolerating faulty clients. Instead, MVP-ORAM enables clients to perform concurrent requests and merge conflicting updates as they happen, satisfying wait-freedom, i.e., clients make progress independently of the performance or failures of other clients. Since wait and collision freedom are fundamentally contradictory goals that cannot be achieved simultaneously in an asynchronous concurrent ORAM service, we define a weaker notion of obliviousness that depends on the application workload and number of concurrent clients, and prove MVP-ORAM is secure in practical scenarios where clients perform skewed block accesses. By being wait-free, MVP-ORAM can be seamlessly integrated into existing confidential BFT data stores, creating the first BFT ORAM construction. We implement MVP-ORAM on top of a confidential BFT data store and show our prototype can process hundreds of 4KB accesses per second in modern clouds.
Abstract（参考訳）: 暗号化だけではデータのプライバシを保護するには不十分であることはよく知られている。操作の実行時に明らかになったアクセスパターンは、推論攻撃にも活用できる。 ORAM(Oblivious RAM)は、クライアント要求を隠蔽することによってアクセスパターンを隠蔽する。しかしながら、既存のプロトコルは、同時クライアントとビザンティンフォールトトレランス(BFT)のサポートに制限されている。 MVP-ORAMは、同時フェールが発生しやすいクライアントをサポートする、最初の待ち時間のないORAMプロトコルである。従来の作業とは対照的に、MVP-ORAMでは、セキュリティ上の仮定の追加や、クライアント間通信や分散ロックに基づく並行制御機構を必要とする信頼できるプロキシの使用を回避している。その代わり、MVP-ORAMはクライアントが同時リクエストを実行し、競合する更新をマージすることを可能にする。待ち時間と衝突の自由は、非同期の並行ORAMサービスでは同時に達成できない根本的な矛盾した目標であるため、アプリケーションのワークロードや同時クライアントの数に依存する、難解さというより弱い概念を定義し、クライアントが歪んだブロックアクセスを行う現実的なシナリオにおいてMVP-ORAMが安全であることを証明します。 MVP-ORAMはウェイトフリーで、既存の秘密のBFTデータストアにシームレスに統合され、最初のBFT ORAM構成を生成する。 MVP-ORAMを秘密のBFTデータストア上に実装し、プロトタイプが最新のクラウドで毎秒数百の4KBアクセスを処理できることを示しています。

関連論文リスト

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)
AdRo-FL: Informed and Secure Client Selection for Federated Learning in the Presence of Adversarial Aggregator [8.185201693854367]
Federated Learning (FL)は、クライアントのデータを公開することなく、協調学習を可能にする。最近の研究は、敵アグリゲータがクライアントの選択を操作してバイパス保護を行う重大な脆弱性を示している。本稿では,AdRo-FL(Adversarial Robust Federated Learning)を提案する。 AdRo-FLは、安全でないベースラインに比べて、最大で1.85タイム=高速なタイム・トゥ・精度、最大で1.06タイム=高い最終精度を実現している。
論文参考訳（メタデータ） (2025-06-21T20:23:28Z)
FedRand: Enhancing Privacy in Federated Learning with Randomized LoRA Subparameter Updates [58.18162789618869]
フェデレートラーニング(FL)は、モデルを分散的にトレーニングするための広く使われているフレームワークである。我々はFedRandフレームワークを提案し、クライアントパラメータの完全な集合を開示するのを避ける。我々はFedRandがMIAに対するロバスト性を改善することを、関連するベースラインと比較して実証的に検証する。
論文参考訳（メタデータ） (2025-03-10T11:55:50Z)
OblivCDN: A Practical Privacy-preserving CDN with Oblivious Content Access [27.025128108475982]
textsfOblivCDNは、既存の現実世界のインターネット-CDNインフラとのシームレスな統合を念頭に設計した、実用的なプライバシ保護システムである。実世界のストリーミング評価では、OblivCDNは素晴らしいパフォーマンスを示し、わずか5.6ドル秒で256ドルMBの動画をダウンロードした。
論文参考訳（メタデータ） (2025-01-13T12:23:23Z)
Trust Driven On-Demand Scheme for Client Deployment in Federated Learning [39.9947471801304]
Trusted-On-Demand-FL"は、サーバと資格のあるクライアントのプールの間の信頼関係を確立する。シミュレーションでは,遺伝的アルゴリズムを応用した最適化モデルをデプロイし,連続的なユーザ行動データセットに頼っている。
論文参考訳（メタデータ） (2024-05-01T08:50:08Z)
A Federated Framework for LLM-based Recommendation [65.12855401912948]
大規模言語モデル(LLM)は、微調整されたユーザ行動データを通じて生成レコメンデーションシステムに権限を与えている。ユーザーデータを利用すると、重大なプライバシー上のリスクが発生し、倫理上のジレンマやデータ保護規則違反につながる可能性がある。プライバシー問題に対処するため、Fed4Rec(Federated Learning for Recommendation)が有望なソリューションとして特定されている。
論文参考訳（メタデータ） (2024-02-15T14:09:28Z)
FedGT: Identification of Malicious Clients in Federated Learning with Secure Aggregation [69.75513501757628]
FedGTは、フェデレーション学習における悪意のあるクライアントを安全なアグリゲーションで識別するための新しいフレームワークである。我々はPillutlaらによって最近提案された幾何的中央値に基づいて,FedGTがプライベートロバストアグリゲーションアプローチを著しく上回っていることを示す。
論文参考訳（メタデータ） (2023-05-09T14:54:59Z)
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。