論文の概要: Sharing The Secret: Distributed Privacy-Preserving Monitoring

• arxiv url: http://arxiv.org/abs/2603.20107v1
• Date: Fri, 20 Mar 2026 16:30:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 19:48:39.236199
• Title: Sharing The Secret: Distributed Privacy-Preserving Monitoring
• Title（参考訳）: 秘密を共有する: 分散プライバシ保護モニタリング
• Authors: Mahyar Karimi, K. S. Thejaswini, Roderick Bloem, Thomas A. Henzinger,
• Abstract要約: 進化する内部状態に対する繰り返し評価をサポートする継続的監視に適したプロトコルを提案する。 このようなアーキテクチャ上の前提の下では、当社のプロトコルは既存の選択肢よりもはるかにスケーラブルです。
• 参考スコア（独自算出の注目度）: 6.186770892638143
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In traditional runtime verification, a system is typically observed by a monolithic monitor. Enforcing privacy in such settings is computationally expensive, as it necessitates heavy cryptographic primitives. Therefore, privacy-preserving monitoring remains impractical for real-time applications. In this work, we address this scalability challenge by distributing the monitor across multiple parties -- at least one of which is honest. This architecture enables the use of efficient secret-sharing schemes instead of computationally intensive cryptography, dramatically reducing over-head while maintaining strong privacy guarantees. While existing secret-sharing approaches are typically limited to one-shot executions which do not maintain an internal state, we introduce a protocol tailored for continuous monitoring that supports repeated evaluations over an evolving internal state (kept secret from the system and the monitoring entities). We implement our approach using the MP-SPDZ framework. Our experiments demonstrate that, under these architectural assumptions, our protocol is significantly more scalable than existing alternatives.
• Abstract（参考訳）: 従来の実行時検証では、システムは一般的にモノリシックなモニターによって観察される。 このような設定でプライバシを強制することは、重い暗号プリミティブを必要とするため、計算コストがかかる。 したがって、リアルタイムアプリケーションでは、プライバシ保護の監視は実用的ではない。 この作業では、複数のパーティにモニターを分散することで、このスケーラビリティの課題に対処します。 このアーキテクチャは、計算集約型暗号の代わりに効率的な秘密共有スキームを使用することを可能にし、強力なプライバシー保証を維持しながら、過度なオーバーヘッドを劇的に低減する。 既存のシークレット共有アプローチは通常、内部状態を維持しないワンショット実行に限られるが、進化する内部状態(システムと監視エンティティからの秘密)に対して繰り返し評価をサポートする継続的監視に適したプロトコルを導入する。 我々はMP-SPDZフレームワークを用いてアプローチを実装した。 我々の実験は、これらのアーキテクチャ上の前提の下で、我々のプロトコルが既存の代替よりもはるかにスケーラブルであることを示した。

関連論文リスト

• Single-Pixel Vision-Language Model for Intrinsic Privacy-Preserving Behavioral Intelligence [55.512671026669516]
  安全な環境モニタリングを再現する新しいフレームワークSP-VLM(Single-Pixel Vision-Language Model)を提案する。 それは本質的に低次元の1ピクセルのモダリティを通して人間のダイナミクスを捉えることによって、固有のプライバシ・バイ・デザインを実現する。 いずれにせよ,SP-VLMは意味ある行動意味を抽出し,ロバストな異常検出,数え方,行動理解を可能にしている。
  論文  参考訳（メタデータ） (2026-01-21T09:11:26Z)
• A Parallel Region-Adaptive Differential Privacy Framework for Image Pixelization [4.738949927143789]
  差分的にプライベートなピクセル化は、ノイズ付加による視覚データの数学的に保証された保護を提供する。 本稿では,差分プライバシーの理論的厳密さと実用的な効率性を組み合わせた,並列な領域適応型画素化フレームワークを提案する。 提案手法は,GPU並列性を利用して,局所的複雑性に基づいてグリッドサイズとノイズスケールを適応的に調整し,実行時アクセラレーションを実現する。 これにより、高齢者ケア、スマートホームモニタリング、運転行動分析、群衆行動監視といったリアルタイムプライバシクリティカルなアプリケーションに適していることが検証される。
  論文  参考訳（メタデータ） (2025-11-06T10:51:20Z)
• Convergent Privacy Framework with Contractive GNN Layers for Multi-hop Aggregations [9.399260063250635]
  微分プライバシー(DP)は、機密構造情報を保護するためにグラフニューラルネットワーク(GNN)に統合されている。 理論的保証に必要な契約性を保証するための,シンプルで効果的な契約グラフ層(CGL)を提案する。 当社のフレームワークであるCARIBOUは,トレーニングと推論の両方をサポートし,契約集約モジュール,プライバシ割り当てモジュール,プライバシ監査モジュールを備えている。
  論文  参考訳（メタデータ） (2025-06-28T02:17:53Z)
• Urania: Differentially Private Insights into AI Use [102.27238986985698]
  $Urania$は、クラスタリング、パーティション選択、ヒストグラムベースの要約といったDPツールを活用することによって、エンドツーエンドのプライバシ保護を提供する。 結果は、厳密なユーザのプライバシを維持しながら、意味のある会話の洞察を抽出するフレームワークの能力を示している。
  論文  参考訳（メタデータ） (2025-06-05T07:00:31Z)
• A Framework for Differential Privacy Against Timing Attacks [0.0]
  我々は、タイミング側チャネルの存在下での差分プライバシーを確保するための一般的な枠組みを確立する。 タイミングプライバシという新たな概念を定義し、敵に異なるプライベートなプログラムをキャプチャする。 私たちは、OpenDP Programming Frameworkの自然な拡張を通じて、私たちのフレームワークをコードでどのように実現できるかを示します。
  論文  参考訳（メタデータ） (2024-09-09T13:56:04Z)
• Provable Privacy with Non-Private Pre-Processing [56.770023668379615]
  非プライベートなデータ依存前処理アルゴリズムによって生じる追加のプライバシーコストを評価するための一般的なフレームワークを提案する。 当社のフレームワークは,2つの新しい技術的概念を活用することにより,全体的なプライバシー保証の上限を確立する。
  論文  参考訳（メタデータ） (2024-03-19T17:54:49Z)
• Sparsified Secure Aggregation for Privacy-Preserving Federated Learning [1.2891210250935146]
  セキュアアグリゲーションのための軽量な勾配スペーシフィケーションフレームワークを提案する。 提案手法は,セキュアアグリゲーションの通信オーバヘッドを大幅に低減できることを示す。 実験により,従来のセキュアなベンチマークと比較すると,我々のフレームワークは通信オーバーヘッドを最大7.8倍削減し,壁時計のトレーニング時間を1.13倍短縮することを示した。
  論文  参考訳（メタデータ） (2021-12-23T22:44:21Z)

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。