論文の概要: Styx: Collaborative and Private Data Processing With TEE-Enforced Sticky Policy

• arxiv url: http://arxiv.org/abs/2604.04082v1
• Date: Sun, 05 Apr 2026 12:00:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-07 15:49:18.908604
• Title: Styx: Collaborative and Private Data Processing With TEE-Enforced Sticky Policy
• Title（参考訳）: Styx: TEE強化スティッキーポリシによるコラボレーション型およびプライベートなデータ処理
• Authors: Shixuan Zhao, Weicheng Wang, Ninghui Li, Zhiqiang Lin,
• Abstract要約: 本稿では,Trusted Execution Environments(TEEs)を用いたスティッキーポリシーに対処する新しいフレームワークであるStyxを提案する。 高いレベルでは、Styxは、プログラム言語で保護されたハードウェアTEEを使用して、データ処理とポリシー執行の両方のためのサンドボックス環境を形成する。 共同でAIトレーニング、よりセキュアでプライバシ保護、ポリシー準拠といった、コラボレーティブなコンピューティングを実現する能力を示します。
• 参考スコア（独自算出の注目度）: 14.732937051473606
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Protecting sensitive information in data-driven collaborations, such as AI training, while meeting the diverse requirements of multiple mutually distrusted stakeholders, is both crucial and challenging. This paper presents Styx, a novel framework to address this challenge by integrating sticky policies with Trusted Execution Environments (TEEs). At a high level, Styx employs a hardware-TEE-protected middleware with a programming language runtime to form a sandboxed environment for both the data processing and policy enforcement. We carefully designed a data processing workflow and pipelines to enable a strong yet flexible data-specific policy enforcement throughout the entire data lifecycle and data derivation to achieve data-in-use protection, data lifecycle protection and dynamic collaboration. We implemented Styx and demonstrated its ability to make collaborative computing, such as joint AI training, more secure, privacy-preserving, and policy-compliant. Our evaluation shows the performance overheads imposed by Styx are reasonable on single-node computation with the capability to scale to a large distributed multi-node deployment.
• Abstract（参考訳）: AIトレーニングのようなデータ駆動コラボレーションにおけるセンシティブな情報を保護すると同時に、複数の不信頼な利害関係者の多様な要件を満たすことは、極めて重要かつ難しい。 本稿では,この課題に対処する新しいフレームワークであるStyxについて,Trusted Execution Environments(TEEs)とステッピーポリシーを統合することで紹介する。 高いレベルでは、StyxはハードウェアでTEEを保護されたミドルウェアとプログラミング言語ランタイムを使用して、データ処理とポリシー執行の両方のためのサンドボックス環境を形成する。 データ処理ワークフローとパイプラインを慎重に設計し、データライフサイクル全体を通して強力で柔軟なデータ固有のポリシー適用を可能にし、データ・イン・ユース・プロテクション、データ・ライフサイクル・プロテクション、動的コラボレーションを実現しました。 私たちはStyxを実装し、共同でAIトレーニング、よりセキュアなプライバシ保存、ポリシー準拠といったコラボレーションコンピューティングを実現する能力を示しました。 我々の評価では、Styxが課した性能オーバーヘッドは、大規模な分散マルチノードデプロイメントにスケールする能力を持つ単一ノード計算において妥当であることを示す。

関連論文リスト

• Picachv: Formally Verified Data Use Policy Enforcement for Secure Data Analytics [10.630556229470681]
  我々は、データ利用ポリシーを自動的に適用する新しいセキュリティモニタであるPicachvを紹介した。 プログラムセマンティクスの抽象化としてリレーショナル代数で動作し、実行中にプログラムが生成するクエリプランのポリシー適用を可能にする。 我々はPicachvを最先端のデータ分析フレームワークであるPolarsに統合し、TPC-Hベンチマークを用いてその性能を評価する。
  論文  参考訳（メタデータ） (2025-01-17T21:30:55Z)
• Data-Juicer 2.0: Cloud-Scale Adaptive Data Processing for and with Foundation Models [83.65386456026441]
  Data-Juicer 2.0は、テキスト、画像、ビデオ、オーディオのモダリティにまたがる100以上のデータ処理オペレータがバックアップするデータ処理システムである。 データ分析、合成、アノテーション、基礎モデルのポストトレーニングなど、より重要なタスクをサポートする。 このシステムは公開されており、さまざまな研究分野やAlibaba Cloud PAIのような現実世界の製品で広く採用されている。
  論文  参考訳（メタデータ） (2024-12-23T08:29:57Z)
• Secure Computation and Trustless Data Intermediaries in Data Spaces [0.44998333629984877]
  本稿では,データ空間におけるセキュアな計算のための高度な暗号技術の統合について検討する。 We exploit the introduced secure method、すなわち Secure Multi-Party Computation (MPC) と Fully Homomorphic Encryption (FHE) を利用する。 我々は、航空交通管理、製造、二次データ利用など、実世界のユースケースを通じてソリューションを提示する。
  論文  参考訳（メタデータ） (2024-10-21T19:10:53Z)
• ZK-DPPS: A Zero-Knowledge Decentralised Data Sharing and Processing Middleware [3.2995127573095484]
  従来のZKPを必要としないゼロ知識通信を実現するフレームワークであるZK-DPPSを提案する。 プライバシは、計算のためのFHE(Fully Homomorphic Encryption)と鍵再構成のためのSMPC(Secure Multi-Party Computations)を組み合わせることで保持される。 シミュレーションサプライチェーンシナリオによるZK-DPPSの有効性を実証した。
  論文  参考訳（メタデータ） (2024-10-21T01:23:37Z)
• Flex: End-to-End Text-Instructed Visual Navigation from Foundation Model Features [59.892436892964376]
  本稿では,視覚に基づく制御ポリシを用いて,ロバストな閉ループ性能を実現するために必要な最小限のデータ要件とアーキテクチャ適応について検討する。 この知見はFlex (Fly lexically) で合成され, 凍結パッチワイド特徴抽出器として, 事前学習された視覚言語モデル (VLM) を用いたフレームワークである。 本研究では,本手法の有効性を,行動クローンによる訓練を実世界のシーンに応用した,四重項フライ・トゥ・ターゲットタスクに適用した。
  論文  参考訳（メタデータ） (2024-10-16T19:59:31Z)
• Robust Utility-Preserving Text Anonymization Based on Large Language Models [80.5266278002083]
  機密情報を含む匿名化は、幅広いアプリケーションにとって不可欠である。 既存の技術は、大規模言語モデルの再識別能力の新たな課題に直面している。 本稿では,プライバシ評価器,ユーティリティ評価器,最適化コンポーネントの3つの重要なコンポーネントで構成されるフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-07-16T14:28:56Z)
• HasTEE+ : Confidential Cloud Computing and Analytics with Haskell [50.994023665559496]
  信頼性コンピューティングは、Trusted Execution Environments(TEEs)と呼ばれる特別なハードウェア隔離ユニットを使用して、コテナントクラウドデプロイメントにおける機密コードとデータの保護を可能にする。 低レベルのC/C++ベースのツールチェーンを提供するTEEは、固有のメモリ安全性の脆弱性の影響を受けやすく、明示的で暗黙的な情報フローのリークを監視するための言語構造が欠如している。 私たちは、Haskellに埋め込まれたドメイン固有言語(cla)であるHasTEE+を使って、上記の問題に対処します。
  論文  参考訳（メタデータ） (2024-01-17T00:56:23Z)
• Libertas: Privacy-Preserving Collective Computation for Decentralised Personal Data Stores [18.91869691495181]
  モジュールアーキテクチャであるLibertasを導入し、MPCとSolidのようなPSDを統合する。 我々は、全知的な視点から、個人ベースの、ユーザ中心の信頼とセキュリティへのパラダイムシフトを紹介します。
  論文  参考訳（メタデータ） (2023-09-28T12:07:40Z)
• Realistic simulation of users for IT systems in cyber ranges [63.20765930558542]
  ユーザアクティビティを生成するために,外部エージェントを用いて各マシンを計測する。 このエージェントは、決定論的および深層学習に基づく手法を組み合わせて、異なる環境に適応する。 また,会話や文書の作成を容易にする条件付きテキスト生成モデルを提案する。
  論文  参考訳（メタデータ） (2021-11-23T10:53:29Z)

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。