論文の概要: Poster: Privacy-Preserving Compliance Checks on Ethereum via Selective Disclosure

• arxiv url: http://arxiv.org/abs/2602.18539v1
• Date: Fri, 20 Feb 2026 14:54:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-24 17:42:02.151297
• Title: Poster: Privacy-Preserving Compliance Checks on Ethereum via Selective Disclosure
• Title（参考訳）: Poster: 選択的開示によるEthereum上のプライバシ保護コンプライアンスチェック
• Authors: Supriya Khadka, Dhiman Goswami, Sanchari Das,
• Abstract要約: 本研究は,属性検証と識別情報の分離を目的とした,一般的な選択開示フレームワークを提案する。 このフレームワークは、クライアントサイドのzk-SNARKを利用することで、基礎となるID文書を公開せずに、特定の適性予測を証明できる。 予備的な結果は、厳格なコンプライアンス要件が無視可能なクライアント側のレイテンシで満たされることを示している。
• 参考スコア（独自算出の注目度）: 9.47737368469032
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Digital identity verification often forces a privacy trade-off, where users must disclose sensitive personal data to prove simple eligibility criteria. As blockchain applications integrate with regulated environments, this over-disclosure creates significant risks of data breaches and surveillance. This work proposes a general Selective Disclosure Framework built on Ethereum, designed to decouple attribute verification from identity revelation. By utilizing client-side zk-SNARKs, the framework enables users to prove specific eligibility predicates without revealing underlying identity documents. We present a case study, ZK-Compliance, which implements a functional Grant, Verify, Revoke lifecycle for age verification. Preliminary results indicate that strict compliance requirements can be satisfied with negligible client-side latency (< 200 ms) while preserving the pseudonymous nature of public blockchains.
• Abstract（参考訳）: デジタルID認証はしばしばプライバシーのトレードオフを迫られ、ユーザーは単純な資格基準を証明するために機密性の高い個人情報を開示しなければならない。 ブロックチェーンアプリケーションが規制された環境と統合されるにつれて、この過剰開示はデータ漏洩や監視の重大なリスクを生み出す。 本研究は,Ethereum上に構築された汎用Selective Disclosure Frameworkを提案する。 このフレームワークは、クライアントサイドのzk-SNARKを利用することで、基礎となるID文書を公開せずに、特定の適性予測を証明できる。 本稿では,年齢検証のための機能的Grant,Verify,Revokeライフサイクルを実装したZK-Complianceというケーススタディを提案する。 予備的な結果は、厳格なコンプライアンス要件が、パブリックブロックチェーンの匿名性を維持しながら、無視可能なクライアント側レイテンシ(200ms)で満たされることを示している。

関連論文リスト

• Your Privacy Depends on Others: Collusion Vulnerabilities in Individual Differential Privacy [50.66105844449181]
  個々の差別的プライバシ(iDP)は、ユーザが自身のプライバシをコントロールすることを約束するが、この約束は実際には破られる可能性がある。 我々は、サンプリングベースのiDPメカニズムにおいて、これまで見過ごされていた脆弱性を明らかにした。 我々は、$(varepsilon_i,_i,overline)$-iDPというプライバシー契約を提案します。
  論文  参考訳（メタデータ） (2026-01-19T10:26:12Z)
• 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)
• Privacy-Enhanced Adaptive Authentication: User Profiling with Privacy Guarantees [0.6554326244334866]
  本稿では,プライバシ強化型アダプティブ認証プロトコルを提案する。 リアルタイムリスクアセスメントに基づいて認証要求を動的に調整する。 CCPAなどのデータ保護規則を遵守することにより,セキュリティを向上するだけでなく,ユーザの信頼も向上する。
  論文  参考訳（メタデータ） (2024-10-27T19:11:33Z)
• SD-BLS: Privacy Preserving Selective Disclosure of Verifiable Credentials with Unlinkable Threshold Revocation [0.0]
  本稿では,デジタル認証情報の選択的開示とプライバシ保護のための方法を提案する。 2階楕円曲線とBoneh-Lynn-Shacham(BLS)符号を用いる。 システムのユニークな設計は、大規模なリコールリストであっても、非常に高速なリコールチェックを可能にする。
  論文  参考訳（メタデータ） (2024-06-27T09:41:13Z)
• 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)
• 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)
• A Randomized Approach for Tight Privacy Accounting [63.67296945525791]
  推定検証リリース(EVR)と呼ばれる新しい差分プライバシーパラダイムを提案する。 EVRパラダイムは、まずメカニズムのプライバシパラメータを推定し、その保証を満たすかどうかを確認し、最後にクエリ出力を解放する。 我々の実証的な評価は、新たに提案されたEVRパラダイムが、プライバシ保護機械学習のユーティリティプライバシトレードオフを改善することを示している。
  論文  参考訳（メタデータ） (2023-04-17T00:38:01Z)
• How Do Input Attributes Impact the Privacy Loss in Differential Privacy? [55.492422758737575]
  DPニューラルネットワークにおけるオブジェクトごとの規範と個人のプライバシ損失との関係について検討する。 プライバシ・ロス・インプット・サセプティビリティ(PLIS)と呼ばれる新しい指標を導入し、被験者のプライバシ・ロスを入力属性に適応させることを可能にした。
  論文  参考訳（メタデータ） (2022-11-18T11:39:03Z)

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。