論文の概要: Hidden Elo: Private Matchmaking through Encrypted Rating Systems
- arxiv url: http://arxiv.org/abs/2603.26407v2
- Date: Mon, 30 Mar 2026 17:50:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-31 18:41:08.436895
- Title: Hidden Elo: Private Matchmaking through Encrypted Rating Systems
- Title（参考訳）: Hidden Elo: 暗号化レーティングシステムによるプライベートマッチング
- Authors: Mindaugas Budzys, Bin Liu, Antonis Michalas,
- Abstract要約: 完全同型暗号(FHE)に基づくプライベートレーティングシステムであるH-Eloを提案する。
H-Eloは、評価値をプライベートかつセキュアに保ちつつ、平文の実装と類似した精度を実現することができることを示す。
- 参考スコア（独自算出の注目度）: 2.678251428533351
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Matchmaking has become a prevalent part in contemporary applications, being used in dating apps, social media, online games, contact tracing and in various other use-cases. However, most implementations of matchmaking require the collection of sensitive/personal data for proper functionality. As such, with this work we aim to reduce the privacy leakage inherent in matchmaking applications. We propose H-Elo, a Fully Homomorphic Encryption (FHE)-based, private rating system, which allows for secure matchmaking through the use of traditional rating systems. In this work, we provide the construction of H-Elo, analyse the security of it against a capable adversary as well as benchmark our construction in a chess-based rating update scenario. Through our experiments we show that H-Elo can achieve similar accuracy to a plaintext implementation, while keeping rating values private and secure. Additionally, we compare our work to other private matchmaking solutions as well as cover some future directions in the field of private matchmaking. To the best of our knowledge we provide one of the first private and secure rating system-based matchmaking protocols.
- Abstract（参考訳）: マッチメイキングは、デートアプリ、ソーシャルメディア、オンラインゲーム、連絡先追跡など、現代のアプリケーションで広く使われている。
しかし、マッチメイキングの実装のほとんどは、適切な機能のために機密データや個人データを収集する必要がある。
そのため、本研究は、マッチングアプリケーションに固有のプライバシー漏洩を減らすことを目的としている。
提案するH-EloはFHE(Fully Homomorphic Encryption)ベースのプライベートレーティングシステムである。
本研究は,H-Eloの構築,能力のある敵に対するH-Eloの安全性の分析,およびチェスによる評価更新シナリオにおける構築のベンチマークを行う。
実験により,H-Eloは,評価値をプライベートかつセキュアに保ちつつ,平文の実装と類似した精度を達成可能であることを示す。
さらに、我々の研究を他のプライベートマッチメイキングソリューションと比較するとともに、プライベートマッチメイキングの分野での今後の方向性についても取り上げる。
私たちの知る限りでは、私たちは最初のプライベートでセキュアな評価システムベースのマッチングプロトコルの1つを提供しています。
関連論文リスト
- Large-scale online deanonymization with LLMs [58.46277616551135]
大規模なデ匿名化を実現するために,大規模言語モデルを用いることができることを示す。
当社のエージェントは、完全なインターネットアクセスによって、Hacker NewsユーザーとHistropic Interviewer参加者を高精度に識別することができる。
論文 参考訳（メタデータ） (2026-02-18T19:02:50Z) - Exploring and Mitigating Adversarial Manipulation of Voting-Based Leaderboards [93.16294577018482]
このタイプの最も人気のあるベンチマークであるArenaは、ランダムに選択された2つのモデル間のより良いレスポンスを選択するようユーザに求めることで、モデルをランク付けする。
攻撃者は、約1000票の費用で、リーダーボードを変更できる(お気に入りのモデルを宣伝したり、ライバルを降格させる)。
私たちの攻撃は2つのステップで構成されている。まず、攻撃者が95%以上の精度で特定の応答を生成するためにどのモデルを使用したかを決定する方法を示し、次に、攻撃者はこの情報を使ってターゲットモデルに対して一貫して投票することができる。
論文 参考訳（メタデータ） (2025-01-13T17:12:38Z) - CUPID: Improving Battle Fairness and Position Satisfaction in Online MOBA Games with a Re-matchmaking System [38.36310386543932]
CUPIDは、フェアネスとプレイヤーの満足度の両方を改善するために、チームとポジションの割り当てを最適化することを目的としている。
マッチング品質の最小レベルを確保するために、事前フィルタリングのステップを組み込んだ後、事前マッチの勝利率予測モデルが続く。
CUPIDの有効性を検証するために、2つの大規模な実世界のMOBAデータセットを用いて実験を行った。
論文 参考訳（メタデータ） (2024-06-28T08:09:55Z) - Protect Your Score: Contact Tracing With Differential Privacy Guarantees [68.53998103087508]
プライバシーに関する懸念は、現在展開を控えている、と私たちは主張する。
本稿では,この攻撃に対して異なるプライバシー保証を有する接触追跡アルゴリズムを提案する。
特に現実的な検査シナリオでは,ウイルス感染率の2倍から10倍の低下を実現している。
論文 参考訳（メタデータ） (2023-12-18T11:16:33Z) - Exploit the Leak: Understanding Risks in Biometric Matchers [0.0]
生体認証または識別システムにおいて、マッチング者は、格納されたテンプレートと新しいテンプレートを比較して、マッチがあるかどうかを判断する。
プライバシー法の遵守性を高めるために、マーカはプライバシー保護距離の上に構築することができる。
本稿では,距離評価における情報漏洩の解析を行う。
論文 参考訳（メタデータ） (2023-07-25T17:29:32Z) - When approximate design for fast homomorphic computation provides
differential privacy guarantees [0.08399688944263842]
差分プライバシー(DP)と暗号プリミティブは、プライバシー攻撃に対する一般的な対策である。
本稿では,argmax演算子に対する確率近似アルゴリズム ShiELD を設計する。
たとえShielDが他のアプリケーションを持つことができたとしても、私たちは1つの設定に集中し、SPEEDコラボレーティブトレーニングフレームワークにシームレスに統合します。
論文 参考訳（メタデータ） (2023-04-06T09:38:01Z) - QuickSkill: Novice Skill Estimation in Online Multiplayer Games [19.364132825629465]
現在のマッチメイキングレーティングアルゴリズムは、新しいプレイヤーの真のスキルを学ぶために、かなりの量のゲームを必要とする。
これはマッチングレーティングアルゴリズムの'コールドスタート'問題として知られている。
本稿では,ディープラーニングに基づく初心者スキル推定フレームワークQuickSKillを提案する。
論文 参考訳（メタデータ） (2022-08-15T11:59:05Z) - Collusion Detection in Team-Based Multiplayer Games [57.153233321515984]
チームベースのマルチプレイヤーゲームにおいて,協調動作を検出するシステムを提案する。
提案手法は,ゲーム内行動パターンと組み合わせたプレイヤーの社会的関係を解析する。
次に,非教師なし学習手法であるアイソレーションフォレストによる検出を自動化する。
論文 参考訳（メタデータ） (2022-03-10T02:37:39Z)
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。