論文の概要: CHRONOS: A Hardware-Assisted Phase-Decoupled Framework for Secure Federated Learning in IoT

• arxiv url: http://arxiv.org/abs/2604.19053v2
• Date: Thu, 30 Apr 2026 02:51:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-01 14:06:12.524749
• Title: CHRONOS: A Hardware-Assisted Phase-Decoupled Framework for Secure Federated Learning in IoT
• Title（参考訳）: CHRONOS: IoTのセキュアなフェデレーション学習のためのハードウェア支援のフェーズ分離フレームワーク
• Authors: Hung Dang,
• Abstract要約: CHRONOSはハードウェア支援フレームワークで、アクティブなトレーニングフェーズからプライベートなグラデーションアグリゲーションに必要な暗号化セットアップを分離する。 一時的なキーペアを生成し、ARM TrustZoneエンクレーブ内でPRGキーを完全に生成する。 20クライアントの同期セキュアアグリゲーションと比較して、アクティブフェーズアグリゲーションのレイテンシを最大74%削減する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We propose CHRONOS, a hardware-assisted framework that decouples the cryptographic setup required for private gradient aggregation from the active training phase. CHRONOS executes a once-per-epoch server-relayed Diffie-Hellman key exchange during a device's idle window. It generates ephemeral keypairs and derives PRG keys entirely within an ARM TrustZone enclave, ensuring private keys never exist in Normal World memory. Pairwise secrets are sealed in the enclave, and Shamir secret shares of the ephemeral private key are distributed to peers. During training, clients mask gradients with a single stream-cipher evaluation and transmit them in one communication round. A hardware-backed round counter enforces single-use freshness. If clients drop out mid-round, the server reconstructs their masks from peer-held Shamir shares, preserving correct aggregation without repeating the round. Evaluation on Rock Pi 4 devices using OP-TEE demonstrates that CHRONOS achieves OS-level compromise resistance and thwarts state-of-the-art gradient inversion attacks. It reduces active-phase aggregation latency by up to 74% compared to synchronous secure aggregation for 20 clients. The system maintains a persistent Secure World storage footprint of fewer than 700 bytes per device, scaling independently of model dimension.
• Abstract（参考訳）: ハードウェア支援フレームワークであるChronosを提案する。これは、アクティブトレーニングフェーズからプライベートグラデーションアグリゲーションに必要な暗号化セットアップを分離する。 CHRONOSは、デバイスのアイドルウィンドウ中に、1時間に1回のサーバリレーされたDiffie-Hellmanキー交換を実行する。 短命のキーペアを生成し、ARM TrustZoneエンクレーブ内でPRGキーを完全に導出する。 ペアワイズ秘密はエンクレーブに封印され、短命の秘密鍵のシャミール秘密は仲間に分配される。 トレーニング中、クライアントは単一のストリーム暗号評価でグラデーションをマスクし、1つの通信ラウンドで送信する。 ハードウェアバックのラウンドカウンタは、シングルユースフレッシュを強制する。 クライアントが中途半端に落ちると、サーバはピアヘルドのShamir株からマスクを再構築し、ラウンドを繰り返すことなく正しいアグリゲーションを保存する。 OP-TEEを用いたRock Pi 4デバイスの評価では、CHRONOSはOSレベルの妥協耐性を達成し、最先端の勾配反転攻撃を回避している。 20クライアントの同期セキュアアグリゲーションと比較して、アクティブフェーズアグリゲーションのレイテンシを最大74%削減する。 このシステムは1デバイスあたり700バイト未満の永続的なSecure Worldストレージフットプリントを維持し、モデル次元とは独立してスケールする。

関連論文リスト

• WISV: Wireless-Informed Semantic Verification for Distributed Speculative Decoding in Device-Edge LLM Inference [56.297697169678095]
  WISV(Wireless-Informed Semantic Verification)は、分散投機的復号化フレームワークである。 WISVは最大60.8%の許容長の増加、37.3%の対話ラウンドの削減、31.4%のエンドツーエンドレイテンシの改善を実現している。 NVIDIA Jetson AGX OrinとA40搭載サーバからなるハードウェアテストベッド上でWISVを検証する。
  論文  参考訳（メタデータ） (2026-04-20T01:29:56Z)
• Towards Privacy-Preserving Federated Learning using Hybrid Homomorphic Encryption [2.1095754823099657]
  フェデレートラーニング(FL)は、クライアントのデバイスに機密データを保持しながら協調的なトレーニングを可能にするが、ローカルモデルの更新はプライベート情報を漏洩させる可能性がある。 最近、Hybrid Homomorphic Encryption (HHE)がFLに適用され、クライアントのオーバーヘッドを軽減し、プライバシを保護している。 HHE-FLワークフローに2つのキープロテクション機構を統合する。
  論文  参考訳（メタデータ） (2026-03-27T13:46:29Z)
• Solving the Post-Quantum Control Plane Bottleneck: Energy-Aware Cryptographic Scheduling in Open RAN [8.221622045367923]
  ポスト量子暗号(PQC)は、主要なスケーラブルな防御法であるが、RAN制御面に重大なボトルネックをもたらす。 本稿では、このPQCボトルネックを解消し、運用エネルギー効率を犠牲にすることなく量子レジリエンスを確保するためのエネルギー対応フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-12T10:58:54Z)
• BlocksecRT-DETR: Decentralized Privacy-Preserving and Token-Efficient Federated Transformer Learning for Secure Real-Time Object Detection in ITS [0.0]
  インテリジェントトランスポーテーションシステム(ITS)におけるトランスフォーマーを用いたリアルタイム物体検出は3つの大きな課題に直面している。 地理的に多様なトラフィック環境からのクラス非IIDデータ、高容量トランスフォーマーモデルのためのエッジハードウェアのレイテンシ制約、信頼できないクライアント更新と集中集約によるプライバシとセキュリティリスク。 RT-DETR変換器を用いた分散型・トークン効率・プライバシ保護型フェデレーショントレーニングソリューションであるBlockSecRT-DETRを提案する。
  論文  参考訳（メタデータ） (2026-01-19T03:29:55Z)
• One-Shot Secure Aggregation: A Hybrid Cryptographic Protocol for Private Federated Learning in IoT [0.0]
  Hyb-Aggは軽量で通信効率の良いセキュアアグリゲーションプロトコルである。 マルチキーCKKS (MK-CKKS) と楕円曲線Diffie-Hellman (ECDH) ベースの加算マスキングを統合している。 Raspberry Pi 4を含む高性能およびリソース制約のあるデバイス上でHyb-Aggを実装し,評価する。
  論文  参考訳（メタデータ） (2025-11-28T15:01:26Z)
• Harnessing Sparsification in Federated Learning: A Secure, Efficient, and Differentially Private Realization [28.546805212017926]
  フェデレートラーニング(FL)は、複数のクライアントが、生データの代わりに集約のための勾配更新のみを共有することで、モデルを共同でトレーニングすることを可能にする。 通信効率,セキュア,および微分プライベートなFLのための新しいシステムフレームワークであるCloverを提案する。
  論文  参考訳（メタデータ） (2025-11-10T14:10:48Z)
• Fundamental Limits of Hierarchical Secure Aggregation with Cyclic User Association [93.46811590752814]
  階層型セキュアアグリゲーションは、フェデレートラーニング(FL)によって動機付けられる 本稿では,各ユーザが連続する$B$のリレーに接続される循環型アソシエーションパターンを用いたHSAについて考察する。 勾配符号化にインスパイアされた入力に対するメッセージ設計を含む効率的なアグリゲーション方式を提案する。
  論文  参考訳（メタデータ） (2025-03-06T15:53:37Z)
• DMM: Distributed Matrix Mechanism for Differentially-Private Federated Learning Based on Constant-Overhead Linear Secret Resharing [51.336015600778396]
  本稿では,ベスト・オブ・ボス・ワールドを実現するための分散行列機構,分散DPのプライバシ向上,行列機構の実用性向上について紹介する。 我々は、異なるトレーニングイテレーションのクライアント委員会間で、一定の通信オーバーヘッドで機密値をセキュアに転送する、新しい暗号プロトコルを用いてこれを実現する。
  論文  参考訳（メタデータ） (2024-10-21T16:25:14Z)
• Scalable Collaborative Learning via Representation Sharing [53.047460465980144]
  フェデレートラーニング(FL)とスプリットラーニング(SL)は、データを(デバイス上で)プライベートにしながら協調学習を可能にする2つのフレームワークである。 FLでは、各データ保持者がモデルをローカルにトレーニングし、集約のために中央サーバにリリースする。 SLでは、クライアントは個々のカット層アクティベーション(スマッシュされたデータ)をサーバにリリースし、そのレスポンス(推論とバックの伝搬の両方)を待つ必要があります。 本研究では, クライアントがオンライン知識蒸留を通じて, 対照的な損失を生かして協調する, プライバシ保護機械学習の新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2022-11-20T10:49:22Z)

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。