論文の概要: Randomized Distributed Function Computation (RDFC): Ultra-Efficient Semantic Communication Applications to Privacy

• arxiv url: http://arxiv.org/abs/2603.09577v1
• Date: Tue, 10 Mar 2026 12:23:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-11 15:25:24.300517
• Title: Randomized Distributed Function Computation (RDFC): Ultra-Efficient Semantic Communication Applications to Privacy
• Title（参考訳）: ランダム分散関数計算(RDFC):超効率的なセマンティック通信のプライバシへの応用
• Authors: Onur Günlü,
• Abstract要約: 我々は,受信機が入力データのランダム化関数を生成するのに十分な情報を送信できるような,ランダム化分散関数計算(RDFC)フレームワークを確立する。 セキュリティとプライバシの制約は、一般的にランダム化ステップを必要とするため、このモデルに自然に適合することを示す。 我々はRDFCをプライバシを考慮した分散計算システムのためのエネルギー効率の高いセマンティック通信戦略として位置づけた。
• 参考スコア（独自算出の注目度）: 7.255894982283692
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We establish the randomized distributed function computation (RDFC) framework, in which a sender transmits just enough information for a receiver to generate a randomized function of the input data. Describing RDFC as a form of semantic communication, which can be essentially seen as a generalized remote-source-coding problem, we show that security and privacy constraints naturally fit this model, as they generally require a randomization step. Using strong coordination metrics, we ensure (local differential) privacy for every input sequence and prove that such guarantees can be met even when no common randomness is shared between the transmitter and receiver. This work provides lower bounds on Wyner's common information (WCI), which is the communication cost when common randomness is absent, and proposes numerical techniques to evaluate the other corner point of the RDFC rate region for continuous-alphabet random variables with unlimited shared randomness. Experiments illustrate that a sufficient amount of common randomness can reduce the semantic communication rate by up to two orders of magnitude compared to the WCI point, while RDFC without any shared randomness still outperforms lossless transmission by a large margin. A finite blocklength analysis further confirms that the privacy parameter gap between the asymptotic and non-asymptotic RDFC methods closes exponentially fast with input length. Our results position RDFC as an energy-efficient semantic communication strategy for privacy-aware distributed computation systems.
• Abstract（参考訳）: 我々は,受信機が入力データのランダム化関数を生成するのに十分な情報を送信できるような,ランダム化分散関数計算(RDFC)フレームワークを確立する。 RDFCを意味的コミュニケーションの一形態として記述し、基本的には一般化されたリモートソースコーディング問題と見なすことができ、セキュリティとプライバシの制約がこのモデルに自然に適合することを示す。 強い調整基準を用いて、入力シーケンス毎に(局所微分)プライバシを保証し、送信機と受信機の間で共通なランダム性が共有されていない場合でも、そのような保証を満たせることを証明します。 本研究は、共通ランダム性のない場合の通信コストであるワイナーの共通情報(WCI)の低境界を提供し、無制限な共有ランダム性を持つ連続アルファベット乱数に対するRDFCレート領域の他のコーナー点を評価する数値的手法を提案する。 実験により、十分な量の共通ランダム性は、WCI点と比較して最大2桁のセマンティック通信速度を減少させることができる一方で、共有ランダム性のないRDFCは、大きなマージンで損失のない伝送よりも優れていることが示された。 有限ブロック長解析により、漸近的および非漸近的RDFC法の間のプライバシーパラメータのギャップが、入力長とともに指数関数的に速く閉まることを確認した。 我々はRDFCをプライバシを考慮した分散計算システムのためのエネルギー効率の高いセマンティック通信戦略として位置づけた。

関連論文リスト

• Perfectly-Private Analog Secure Aggregation in Federated Learning [51.61616734974475]
  連合学習では、複数のパーティがモデルをローカルにトレーニングし、パラメータを中央サーバと共有する。 本稿では,有限場ではなくトーラスを用いた新しいセキュアパラメータアグリゲーション法を提案する。
  論文  参考訳（メタデータ） (2025-09-10T15:22:40Z)
• Coding-Based Hybrid Post-Quantum Cryptosystem for Non-Uniform Information [53.85237314348328]
  我々は、新しいハイブリッドユニバーサルネットワーク符号化暗号(NU-HUNCC)を導入する。 NU-HUNCCは,リンクのサブセットにアクセス可能な盗聴者に対して,個別に情報理論的に保護されていることを示す。
  論文  参考訳（メタデータ） (2024-02-13T12:12:39Z)
• QMGeo: Differentially Private Federated Learning via Stochastic Quantization with Mixed Truncated Geometric Distribution [1.565361244756411]
  Federated Learning(FL)は、複数のユーザがグローバル機械学習(ML)モデルを共同でトレーニングできるフレームワークである。 このような分散フレームワークの重要な動機の1つは、ユーザにプライバシ保証を提供することである。 本稿では,DPを提供するのに必要なランダム性を導入するために,混合幾何分布を用いた新しい量子化法を提案する。
  論文  参考訳（メタデータ） (2023-12-10T04:44:53Z)
• Robust Control for Dynamical Systems With Non-Gaussian Noise via Formal Abstractions [59.605246463200736]
  雑音分布の明示的な表現に依存しない新しい制御器合成法を提案する。 まず、連続制御系を有限状態モデルに抽象化し、離散状態間の確率的遷移によってノイズを捕捉する。 我々は最先端の検証技術を用いてマルコフ決定プロセスの間隔を保証し、これらの保証が元の制御システムに受け継がれるコントローラを演算する。
  論文  参考訳（メタデータ） (2023-01-04T10:40:30Z)
• On Convergence of Federated Averaging Langevin Dynamics [22.013125418713763]
  本稿では,分散クライアントを用いた不確実性定量化と平均予測のための平均ランゲヴィンアルゴリズム(FA-LD)を提案する。 非可解データを用いた強対数分布に対するFA-LDの理論的保証を開発する。 部分的なデバイス更新のみが可能な,さまざまな平均化スキームに基づく収束結果を示す。
  論文  参考訳（メタデータ） (2021-12-09T18:54:29Z)
• Sampling-Based Robust Control of Autonomous Systems with Non-Gaussian Noise [59.47042225257565]
  雑音分布の明示的な表現に依存しない新しい計画法を提案する。 まず、連続系を離散状態モデルに抽象化し、状態間の確率的遷移によってノイズを捕捉する。 いわゆる区間マルコフ決定過程(iMDP)の遷移確率区間におけるこれらの境界を捉える。
  論文  参考訳（メタデータ） (2021-10-25T06:18:55Z)
• Private Federated Learning Without a Trusted Server: Optimal Algorithms for Convex Losses [14.040676498310198]
  シリコン間記録レベル差分プライバシー(ISRL-DP) シリコン間記録レベル差分プライバシー(ISRL-DP)
  論文  参考訳（メタデータ） (2021-06-17T19:41:23Z)
• Secure Multi-Function Computation with Private Remote Sources [23.031902422592722]
  本稿では,リモートソースのノイズバージョンを観測する当事者が,公的な通信を通じて融合センターで観測する関数の計算を容易にする分散関数計算問題を考察する。 分散関数の計算には、信頼性とストレージだけでなく、プライバシと機密性といった制約がある。
  論文  参考訳（メタデータ） (2021-06-17T13:34:40Z)
• Composably secure data processing for Gaussian-modulated continuous variable quantum key distribution [58.720142291102135]
  連続可変量子鍵分布(QKD)は、ボソニックモードの二次構造を用いて、2つのリモートパーティ間の秘密鍵を確立する。 構成可能な有限サイズセキュリティの一般的な設定におけるホモダイン検出プロトコルについて検討する。 特に、ハイレート(非バイナリ)の低密度パリティチェックコードを使用する必要のあるハイシグネチャ・ツー・ノイズ・システマを解析する。
  論文  参考訳（メタデータ） (2021-03-30T18:02:55Z)

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。