論文の概要: ZK-Value: A Practical Zero-Knowledge System for Verifiable Data Valuation
- arxiv url: http://arxiv.org/abs/2605.03581v1
- Date: Tue, 05 May 2026 09:51:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-06 19:35:43.885263
- Title: ZK-Value: A Practical Zero-Knowledge System for Verifiable Data Valuation
- Title（参考訳）: ZK-Value: 検証可能なデータ評価のための実用的なゼロ知識システム
- Abstract要約: 本稿では,ZKデータ評価システムZK-Valueを提案する。
私たちのソリューションは、完全に共設計のアーキテクチャを通じてスケーラビリティのギャップを埋めます。
12の標準データセットで評価されたZK-Valueは、最先端のベースラインと同等のバリュエーション品質を提供する。
- 参考スコア（独自算出の注目度）: 20.75557505495487
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Data valuation is a foundational task in data marketplaces, where a Shapley-value attribution determines how a buyer's payment is distributed among data providers. Typically, the marketplace operator runs this attribution alone, requiring participants and external auditors to trust scores they cannot independently recompute on the underlying private data. While zero-knowledge proofs (ZKPs) can theoretically reconcile this conflict between privacy and verifiability, existing ZK valuation systems fail to scale to real-world marketplace demands due to prohibitive proving times or the requirement to disclose validation cohorts. We present ZK-Value, a practical, end-to-end ZK data-valuation system. Our solution bridges the scalability gap through a fully co-designed architecture: (1) LSH-Shapley, a locality-based valuation primitive that replaces expensive pairwise distance metrics with per-bucket collision counts; (2) ZK-LSH-Shapley, a tailored ZKP protocol that drastically reduces witness size by encoding these counts into bucket-level histograms rather than naive per-pair tensors; and (3) structural proof-system optimizations, specifically super-oracle batching and sparsity skipping. Evaluated across 12 standard datasets, ZK-Value delivers valuation quality on par with state-of-the-art baselines (within 0.033 AUROC of exact KNN-Shapley), while generating proofs in seconds to minutes and outperforming specialized ZK baselines by 12.6x to 68.1x in proving time, with verification in under 4.6 s.
- Abstract（参考訳）: データバリュエーション(Data valuation)は、データマーケットプレースにおける基本的なタスクであり、Shapley-value属性によって、バイヤーの支払いがデータプロバイダ間でどのように分散されるかが決定される。
通常、マーケットプレースオペレータは、この属性のみを実行し、参加者と外部監査官は、基礎となるプライベートデータに対して独立して再計算できないスコアを信頼する必要がある。
ゼロ知識証明(ZKPs)は理論上、プライバシーと検証可能性の対立を解決できるが、既存のZK評価システムは、禁止的な証明時間や検証コホートを開示する必要があるため、現実の市場要求にスケールできない。
本稿では,ZKデータ評価システムZK-Valueを提案する。
LSH-Shapley, 高額な対距離のメトリクスをバケット毎の衝突数に置き換えるローカリティベースの評価プリミティブ, (2) ZK-LSH-Shapley, ZK-LSH-Shapley。
12の標準データセットで評価され、ZK-Valueは最先端のベースライン(正確にはKNN-Shapleyの0.033 AUROC)と同等のバリュエーション品質を提供し、数秒から数分で証明を生成し、証明時間で特別なZKベースラインを12.6倍から68.1倍、検証時間は4.6秒未満である。
関連論文リスト
- ZK-SR117: A Chunked Zero-Knowledge Attestation Design for Aggregated Fair-Lending Metrics, with a Control Mapping toward Full SR 11-7 Coverage [0.27998963147546146]
規制された意思決定にMLモデルをデプロイするには、モデルの重みや顧客データを公開することなく、監査者に公正さと堅牢さを示す必要がある。
本研究では,2022HMDA住宅ローンデータのコミット,ナンスサンプリングバッチに対して,集約された公正度統計値を示すチャンクゼロ知識回路の設計を提案する。
論文 参考訳（メタデータ） (2026-08-01T19:39:14Z) - A Systematic Evaluation of Trajectory Data Curation for LoRA Fine-Tuning of Code Agents [0.0]
専門的エージェント軌道上のオープンウェイトLSMの微調整が、有能なコードエージェントを構築するための顕著なアプローチとして現れている。
本稿では,SWEトラジェクトリデータセット上でのQwen2.5-Coder-7B-InstructのLoRA微調整のためのトラジェクトリデータフィルタリングの系統的研究について述べる。
我々は,2軸品質評価フレームワークである効率とスタイルを提案し,戦略,スケール,アブレーション分析にまたがる16の制御実験を通じて評価する。
論文 参考訳（メタデータ） (2026-07-19T11:52:32Z) - RAVEN: A Regime-Aware Variable-context Expert Network for Financial Time Series Forecasting [83.06074370551887]
固定コンテキストウィンドウは、非定常価格プロセスの時間変化最適振り返りと一致しない。
本稿では,各サンプルの時間的文脈を適応的に決定するMixture-of-Expertsフレームワークを提案する。
累積ログリターン予測(HS300、S&P500)およびファンド販売予測の実験では、RAVENはSOTAのパフォーマンスを達成し、HS300ではピアソン相関を9.2%改善し、S&P500では20.2%改善し、MSEを18.2%削減している。
論文 参考訳（メタデータ） (2026-06-23T02:11:04Z) - Discovery of Hidden Miscalibration Regimes [52.452902154360565]
モデルは何らかの入力を体系的に過信し、他人を過信することがある。
対応する誤校正分野を定義し,それを推定するための診断フレームワークを提案する。
提案手法は,入力空間のキャリブレーションを意識した表現を学習し,学習幾何学におけるカーネルの平滑化による符号付き局所的誤校正を推定する。
論文 参考訳（メタデータ） (2026-05-13T13:07:50Z) - K$α$LOS finds Consensus: A Meta-Algorithm for Evaluating Inter-Annotator Agreement in Complex Vision Tasks [4.297070083645049]
本稿では,「ローカライゼーションファースト」の原理を一般化した統一メタアルゴリズムであるK$LOSを提案する。
合意を査定する前に空間対応を解消することにより,複雑な分類問題を名目上の信頼性に変換する。
論文 参考訳（メタデータ） (2026-03-28T08:54:05Z) - VeriSciQA: An Auto-Verified Dataset for Scientific Visual Question Answering [53.662676566188175]
重要なボトルネックは、パブリックで大規模で高品質なビジュアル質問回答(SVQA)データセットの欠如にある。
本稿では、まず、図形関連テクストコンテキストとQAペアを生成する検証中心のGenerate-then-Verifyフレームワークを提案する。
このフレームワークをインスタンス化し、20の科学的ドメインと12のフィギュアタイプからなる20,351のQAペアのデータセットであるVeriSciQAをキュレートします。
論文 参考訳（メタデータ） (2025-11-25T04:14:52Z) - TrustJudge: Inconsistencies of LLM-as-a-Judge and How to Alleviate Them [58.04324690859212]
自動評価器(LLM-as-a-judge)としての大規模言語モデル(LLM)は、現在の評価フレームワークにおいて重大な矛盾を明らかにしている。
スコア比較不整合とペアワイズ・トランジティビティ不整合という2つの基本的不整合を同定する。
我々は2つの重要なイノベーションを通じてこれらの制限に対処する確率的フレームワークであるTrustJudgeを提案する。
論文 参考訳（メタデータ） (2025-09-25T13:04:29Z) - ZKP-FedEval: Verifiable and Privacy-Preserving Federated Evaluation using Zero-Knowledge Proofs [0.0]
フェデレートラーニング(FL)は、生データを公開することなく、分散データの協調的なモデルトレーニングを可能にする。
本稿では,Zero-Knowledge Proofs (ZKP) を組み込んだ新しいプロトコルを提案する。
論文 参考訳（メタデータ） (2025-07-15T18:34:14Z) - Conformal Prediction for Privacy-Preserving Machine Learning [83.88591755871734]
AESで暗号化されたMNISTデータセットの変種を用いて、暗号化されたドメインに直接適用しても、コンフォーマル予測法が有効であることを示す。
我々の研究は、安全でプライバシーに配慮した学習システムにおける原則的不確実性定量化の基礎を定めている。
論文 参考訳（メタデータ） (2025-07-13T15:29:14Z) - KAIROS: Scalable Model-Agnostic Data Valuation [8.766103946679435]
KAIROSはスケーラブルでモデルに依存しない評価フレームワークで、各例に分散影響スコアを割り当てる。
KAIROSは、最先端のモデル-、Shapley-、Wassersteinベースのベースラインを精度とランタイムの両方で一貫して上回っている。
論文 参考訳（メタデータ） (2025-06-30T12:44:28Z) - Diagnosing and Addressing Pitfalls in KG-RAG Datasets: Toward More Reliable Benchmarking [63.84117489519164]
知識グラフ質問 回答システムは、複雑なマルチホップ推論を評価するために高品質なベンチマークに依存している。
広く使われているにもかかわらず、WebQSPやCWQのような一般的なデータセットは、重要な品質問題に悩まされている。
我々はこれらの落とし穴を体系的に解決するLLM-in-the-loopフレームワークであるKGQAGenを紹介する。
本研究は,KGQA評価を推し進めるスケーラブルなフレームワークとして,より厳密なベンチマーク構築とKGQAGenの位置づけを提唱する。
論文 参考訳（メタデータ） (2025-05-29T14:44:52Z) - Benchmarking ZK-Friendly Hash Functions and SNARK Proving Systems for EVM-compatible Blockchains [7.520993886306112]
我々は、Poseidon2、Neptune、GMiMCの自己開発回路テンプレートを含む、SNARK証明システムと5つのZKフレンドリなハッシュ関数をベンチマークした。
我々の研究は、ZKフレンドリなハッシュ関数とZKツールのベンチマークを提供し、ZKPベースのプライバシ保護トランザクションプロトコルにおけるコスト効率とコンプライアンスも検討しています。
論文 参考訳（メタデータ） (2024-09-03T15:19:47Z)
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。