論文の概要: Privacy-Preserving AI-Enabled Decentralized Learning and Employment Records System
- arxiv url: http://arxiv.org/abs/2601.02720v1
- Date: Tue, 06 Jan 2026 05:18:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-07 17:02:12.804716
- Title: Privacy-Preserving AI-Enabled Decentralized Learning and Employment Records System
- Title（参考訳）: プライバシ保護型AIによる分散学習と雇用記録システム
- Authors: Yuqiao Xu, Mina Namazi, Sahith Reddy Jalapally, Osama Zafar, Youngjin Yoo, Erman Ayday,
- Abstract要約: 学習と雇用記録(LER)システムは、教育と仕事の成果を安全にコンパイルし共有するための重要な基盤として浮上している。
既存のブロックチェーンベースのプラットフォームでは、検証可能な資格情報を活用するが、通常は自動スキルクレデンシャル生成と、構造化されていない学習の証拠を組み込む能力が欠如している。
本稿では,これらのギャップに対処するプライバシ保護型AI対応分散型LERシステムを提案する。
- 参考スコア（独自算出の注目度）: 2.756161833954979
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Learning and Employment Record (LER) systems are emerging as critical infrastructure for securely compiling and sharing educational and work achievements. Existing blockchain-based platforms leverage verifiable credentials but typically lack automated skill-credential generation and the ability to incorporate unstructured evidence of learning. In this paper,a privacy-preserving, AI-enabled decentralized LER system is proposed to address these gaps. Digitally signed transcripts from educational institutions are accepted, and verifiable self-issued skill credentials are derived inside a trusted execution environment (TEE) by a natural language processing pipeline that analyzes formal records (e.g., transcripts, syllabi) and informal artifacts. All verification and job-skill matching are performed inside the enclave with selective disclosure, so raw credentials and private keys remain enclave-confined. Job matching relies solely on attested skill vectors and is invariant to non-skill resume fields, thereby reducing opportunities for screening bias.The NLP component was evaluated on sample learner data; the mapping follows the validated Syllabus-to-O*NET methodology,and a stability test across repeated runs observed <5% variance in top-ranked skills. Formal security statements and proof sketches are provided showing that derived credentials are unforgeable and that sensitive information remains confidential. The proposed system thus supports secure education and employment credentialing, robust transcript verification,and automated, privacy-preserving skill extraction within a decentralized framework.
- Abstract（参考訳）: 学習と雇用記録(LER)システムは、教育と仕事の成果を安全にコンパイルし共有するための重要な基盤として浮上している。
既存のブロックチェーンベースのプラットフォームでは、検証可能な資格情報を活用するが、通常は自動スキルクレデンシャル生成と、構造化されていない学習の証拠を組み込む能力が欠如している。
本稿では,これらのギャップに対処するために,プライバシ保護型AI対応分散型LERシステムを提案する。
教育機関からデジタル署名された写本を受理し、信頼された実行環境(TEE)内で検証されたスキル資格を、形式的な記録(例えば、転写書、シラビ)と非公式なアーティファクトを解析する自然言語処理パイプラインによって導出する。
すべての検証とジョブスキルのマッチングは、選択的な開示によってエンクレーブ内で実行されるため、生認証と秘密鍵は引き続きエンクレーブに集約される。
その結果,NLP成分はサンプル学習者データに基づいて評価され,Syllabus-to-O*NET法に準じて評価された。
形式的なセキュリティステートメントと証明のスケッチは、派生した認証情報が偽造不可能であり、機密情報が秘密のままであることを示す。
提案システムでは, 安全な教育・雇用資格取得, 堅牢な書面検証, 分散型フレームワーク内での自律的, プライバシー保護スキル抽出を支援する。
関連論文リスト
- Refinement Provenance Inference: Detecting LLM-Refined Training Prompts from Model Behavior [58.751981587234916]
本稿では,Refinement Provenance Inference (RPI)監査タスクをRefinement Provenance Inference (RPI)として定式化する。
本稿では,ロジットレベルの信号で教師が強制する可能性機能を融合させるロジットベースのフレームワークであるReProを提案する。
トレーニング中、ReProはシャドウファインチューニングを通じて転送可能な表現を学び、訓練データアクセスなしで、見えない犠牲者の証明を推測するために軽量のリニアヘッドを使用する。
論文 参考訳（メタデータ） (2026-01-05T10:16:41Z) - Document Data Matching for Blockchain-Supported Real Estate [2.9873162504735133]
本研究は,光学文字認識(OCR),自然言語処理(NLP),検証資格情報(VC)を統合し,文書抽出,検証,管理を自動化するシステムを提案する。
このアプローチは異質なドキュメントフォーマットをVCに標準化し、不整合を検出するために自動データマッチングを適用する。
提案フレームワークは、不動産取引の合理化、株主信頼の強化、スケーラブルでセキュアなデジタルプロセスの実現の可能性を示す。
論文 参考訳（メタデータ） (2025-12-30T20:30:48Z) - Safe and Certifiable AI Systems: Concepts, Challenges, and Lessons Learned [45.44933002008943]
この白書は、T"UV AUSTRIA Trusted AIフレームワークを提示する。
エンド・ツー・エンドの監査カタログであり、機械学習システムの評価と認定のための方法論である。
セキュアなソフトウェア開発、機能要件、倫理とデータプライバシという3つの柱の上に構築されているのは、EU AI Actの高レベルの義務を、特定かつテスト可能な基準に翻訳するものです。
論文 参考訳（メタデータ） (2025-09-08T17:52:08Z) - End-to-End Verifiable Decentralized Federated Learning [1.374949083138427]
ブロックチェーンとゼロ知識証明(ZKP)を組み合わせた検証可能な分散連邦学習(FL)システム
本稿では、データのエンドツーエンドの整合性と信頼性を検証し、データソースに対する検証性を拡張するための検証可能な分散FLシステムを提案する。
論文 参考訳（メタデータ） (2024-04-19T04:43:01Z) - On Cryptographic Mechanisms for the Selective Disclosure of Verifiable Credentials [39.4080639822574]
認証資格は、物理的資格のデジタルアナログである。
検証者に提示して属性を明らかにしたり、クレデンシャルに含まれる属性を述語することも可能だ。
プレゼンテーション中にプライバシを保存する1つの方法は、クレデンシャル内の属性を選択的に開示することである。
論文 参考訳（メタデータ） (2024-01-16T08:22:28Z) - FedSOV: Federated Model Secure Ownership Verification with Unforgeable
Signature [60.99054146321459]
フェデレートラーニングにより、複数のパーティがプライベートデータを公開せずにグローバルモデルを学ぶことができる。
本稿では,FedSOVという暗号署名に基づくフェデレート学習モデルのオーナシップ検証手法を提案する。
論文 参考訳（メタデータ） (2023-05-10T12:10:02Z) - Reinforcement Learning on Encrypted Data [58.39270571778521]
本稿では,DQNエージェントが,離散的かつ連続的な状態空間を持つ環境でどのように動作するかを予備的,実験的に検討する。
その結果,非決定論的暗号が存在する場合でも,エージェントは依然として小さな状態空間で学習することができるが,より複雑な環境では性能が低下することがわかった。
論文 参考訳（メタデータ） (2021-09-16T21:59:37Z) - Decentralized Federated Learning Preserves Model and Data Privacy [77.454688257702]
我々は、訓練されたモデル間で知識を共有することができる、完全に分散化されたアプローチを提案する。
生徒は、合成された入力データを通じて教師の出力を訓練する。
その結果,教師が学習した未学習学生モデルが,教師と同等のF1スコアに達することがわかった。
論文 参考訳（メタデータ） (2021-02-01T14:38:54Z) - Unsupervised Domain Adaptation for Speech Recognition via Uncertainty
Driven Self-Training [55.824641135682725]
WSJ をソースドメインとし,TED-Lium 3 とSWITCHBOARD を併用したドメイン適応実験を行った。
論文 参考訳（メタデータ） (2020-11-26T18:51:26Z) - Trustworthy AI [75.99046162669997]
入力データの小さな敵対的変化への脆さ、決定の説明能力、トレーニングデータのバイアスに対処する能力は、最も顕著な制限である。
我々は,AIシステムに対するユーザおよび公的な信頼を高める上での6つの重要な問題に対処するために,信頼に値するAIに関するチュートリアルを提案する。
論文 参考訳（メタデータ） (2020-11-02T20:04:18Z) - A Distributed Trust Framework for Privacy-Preserving Machine Learning [4.282091426377838]
本稿では,分散エージェント間のピアツーピア信頼を促進するために使用される分散インフラストラクチャについて概説する。
Hyperledger Aries、分散識別子(DID)、検証クレデンシャル(VC)を使用した概念実証について詳述する。
論文 参考訳（メタデータ） (2020-06-03T18:06:13Z)
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。