論文の概要: Secure Change-Point Detection for Time Series under Homomorphic Encryption

• arxiv url: http://arxiv.org/abs/2601.05865v1
• Date: Fri, 09 Jan 2026 15:40:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-12 17:41:50.012516
• Title: Secure Change-Point Detection for Time Series under Homomorphic Encryption
• Title（参考訳）: 均質暗号化による時系列のセキュアな変更点検出
• Authors: Federico Mazzone, Giorgio Micali, Massimiliano Pronesti,
• Abstract要約: 本稿では,暗号化時系列上での初回変更点検出手法を提案する。 本手法では、CKKS準同型暗号方式を用いて、データを復号することなく統計特性の変化を検出する。
• 参考スコア（独自算出の注目度）: 0.764671395172401
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce the first method for change-point detection on encrypted time series. Our approach employs the CKKS homomorphic encryption scheme to detect shifts in statistical properties (e.g., mean, variance, frequency) without ever decrypting the data. Unlike solutions based on differential privacy, which degrade accuracy through noise injection, our solution preserves utility comparable to plaintext baselines. We assess its performance through experiments on both synthetic datasets and real-world time series from healthcare and network monitoring. Notably, our approach can process one million points within 3 minutes.
• Abstract（参考訳）: 本稿では,暗号化時系列上での初回変更点検出手法を提案する。 我々の手法では、CKKS準同型暗号方式を用いて、データを復号することなく統計特性(平均、分散、周波数)の変化を検出する。 ノイズ注入によって精度を低下させる差分プライバシーに基づくソリューションとは異なり、私たちのソリューションは平文ベースラインに匹敵するユーティリティを保っている。 我々は、医療とネットワークモニタリングから合成データセットと実世界の時系列の両方の実験を通して、その性能を評価する。 特に、我々のアプローチは3分以内に100万ポイントを処理できる。

関連論文リスト

• WavInWav: Time-domain Speech Hiding via Invertible Neural Network [78.85443308774484]
  従来の音声隠蔽法は、秘密の音声を復元する際に不満足な品質をもたらすことが多い。 フローベースの非可逆ニューラルネットワークを使用して、ステゴオーディオ、カバーオーディオ、シークレットオーディオの直接的なリンクを確立する。 また、隠れたデータを不正アクセスから保護するための暗号化技術も追加します。
  論文  参考訳（メタデータ） (2025-10-03T11:36:16Z)
• Benchmarking Fraud Detectors on Private Graph Data [70.4654745317714]
  現在、多くの種類の不正は、グラフ上で動く自動検出アルゴリズムによって部分的に管理されている。 データ保有者が不正検知器の開発を第三者にアウトソースしようとするシナリオを考察する。 サードパーティは、不正検出をデータ保持者に送信し、これらのアルゴリズムをプライベートデータセットで評価し、その結果を公表する。 本システムに対する現実的なプライバシ攻撃を提案し,評価結果のみに基づいて個人データの匿名化を可能にする。
  論文  参考訳（メタデータ） (2025-07-30T03:20:15Z)
• PeFAD: A Parameter-Efficient Federated Framework for Time Series Anomaly Detection [51.20479454379662]
  私たちはaを提案します。 フェデレートされた異常検出フレームワークであるPeFADは、プライバシーの懸念が高まっている。 我々は、4つの実際のデータセットに対して広範な評価を行い、PeFADは既存の最先端ベースラインを最大28.74%上回っている。
  論文  参考訳（メタデータ） (2024-06-04T13:51:08Z)
• Detecting Change Intervals with Isolation Distributional Kernel [20.629723195973412]
  我々はまず,CID(Change-Interval Detection)問題の特別な場合として,CDD問題を一般化する。 近年の分離分布カーネル(IDK)に基づくCID手法iCIDを提案する。 iCIDの有効性と効率は、合成データセットと実世界のデータセットの両方で体系的に検証されている。
  論文  参考訳（メタデータ） (2022-12-30T10:56:56Z)
• Bayesian Online Change Point Detection for Baseline Shifts [0.0]
  時系列データ分析において、リアルタイムな変化点(オンライン)の検出は、金融、環境モニタリング、医療など、多くの分野で大きな関心を集めている。 これを実現するための有望な手段の1つは、ベイズオンライン変更点検出(BOCPD)アルゴリズムである。 このアルゴリズムは、ベースラインが初期状態から不可逆的にシフトした場合に困難であることが判明した。これは、元のBOCPDアルゴリズムでは、データポイントが位置で変動している場合、変化点を検出する感度が低下するからである。
  論文  参考訳（メタデータ） (2022-01-07T04:44:25Z)
• Time Series Change Point Detection with Self-Supervised Contrastive Predictive Coding [7.60848038196539]
  本稿では,Contrastive Predictive Code(TS-CP2)に基づく自己教師型時系列変化点検出手法を提案する。 TS-CP2は、時間にまたがる間隔の組込み対と時間にまたがる間隔の組込み対を分離する組込み表現を学習することで、CDDの対照的な学習戦略を採用する最初のアプローチである。
  論文  参考訳（メタデータ） (2020-11-28T09:36:18Z)
• Privacy Preserving Recalibration under Domain Shift [119.21243107946555]
  本稿では,差分プライバシー制約下での校正問題の性質を抽象化する枠組みを提案する。 また、新しいリカレーションアルゴリズム、精度温度スケーリングを設計し、プライベートデータセットの事前処理より優れています。
  論文  参考訳（メタデータ） (2020-08-21T18:43:37Z)
• Change Point Detection in Time Series Data using Autoencoders with a Time-Invariant Representation [69.34035527763916]
  変化点検出(CPD)は、時系列データにおける急激な特性変化を見つけることを目的としている。 近年のCDD法は、深層学習技術を用いる可能性を示したが、信号の自己相関統計学におけるより微妙な変化を識別する能力に欠けることが多い。 我々は、新しい損失関数を持つオートエンコーダに基づく手法を用い、使用済みオートエンコーダは、CDDに適した部分的な時間不変表現を学習する。
  論文  参考訳（メタデータ） (2020-08-21T15:03:21Z)

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。