論文の概要: G-Lox: Group-Adaptive, Privacy-Preserving Bridge Distribution with Two-Party Computation

• arxiv url: http://arxiv.org/abs/2606.19620v1
• Date: Wed, 17 Jun 2026 21:55:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-19 18:23:39.552784
• Title: G-Lox: Group-Adaptive, Privacy-Preserving Bridge Distribution with Two-Party Computation
• Title（参考訳）: G-Lox: 2部計算によるグループ適応型プライバシ保護ブリッジ分布
• Authors: Baigang Chen, Nicholas Hopper,
• Abstract要約: G-Loxは、隠されたステートフルなグループレベルの適応を可能にしながら、Loxスタイルの計算を保存するブリッジ分配システムである。 G-Loxは2サーバのプライバシウォールの後ろにアサインロジックを配置するので,グループ適応やグループツーブリッジのアサインをひとつのイテレーションで学ぶことはできない。
• 参考スコア（独自算出の注目度）: 2.331160520377439
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We present G-Lox (group-adaptive Lox), a bridge-distribution system that preserves Lox-style distributor blindness while enabling hidden, stateful group-level adaptation. G-Lox places adaptive assignment logic behind a two-server privacy wall, so no single server learns group identifiers or group-to-bridge assignments. Private state access and state-dependent updates use two-server DPF/FSS protocols and secure two-party computation, supporting blockage reporting, transport-aware reassignment, and privacy-preserving group splitting. We evaluate G-Lox through system measurements and policy simulation. In our C++/EMP implementation over real TCP sockets, private state access has low client-visible overhead: across state sizes up to 2^16, communication remains in the low-KiB range per iteration. At M=1024, the client sends 1,968 bytes, receives 1,280 bytes, and completes an iteration in about 0.25 s. Simulations with group-specific blocking and Sybil enumeration show that G-Lox improves robustness over Lox- and rBridge-like baselines among systems that maintain broad issuance.
• Abstract（参考訳）: G-Lox (group-adaptive Lox) はLox-style distributor blindness を保ちながら隠蔽されたグループレベルの適応を可能にする橋渡しシステムである。 G-Loxは、アダプティブな割り当てロジックを2サーバのプライバシウォールの後ろに配置するので、単一のサーバがグループ識別子やグループ・ツー・ブリッジの割り当てを学習することはない。 プライベートな状態アクセスと状態依存のアップデートは、2サーバのDPF/FSSプロトコルを使用し、ブロックレポート、トランスポート・アウェアの再割り当て、プライバシ保護グループ分割をサポートする。 システム計測と政策シミュレーションによるG-Loxの評価を行った。 実際のTCPソケット上でのC++/EMP実装では、プライベート状態アクセスはクライアント可視のオーバーヘッドが低く、2^16までの状態サイズで、通信はイテレーション毎に低KiBの範囲に留まります。 M=1024 では、クライアントは 1,968 バイトを送り、1,280 バイトを受け取り、約 0.25 秒でイテレーションを完了する。 グループ固有のブロッキングとシビル列挙によるシミュレーションにより、G-Loxは広く発行されるシステムの中でLoxやrBridgeのようなベースラインよりも堅牢性を向上させることが示されている。

関連論文リスト

• Multi-SPIN: Multi-Access Speculative Inference for Cooperative Token Generation at the Edge [47.08741228523925]
  大規模言語モデル(LLM)を高速化する効率的なアーキテクチャとして、投機的推論を導入する。 本研究では,マルチユーザエッジシステムにおける協調トークン生成を実現するための分散配置を提案する。 分解法の開発により、複雑な最適化をトラクタブルなサブプロブレムに還元する。 分析の結果、最適な帯域割り当ては、より弱い計算/通信能力を持つユーザを補うことがわかった。
  論文  参考訳（メタデータ） (2026-06-03T08:16:14Z)
• HetCCL: Enabling Collective Communication For Mixed-Vendor Heterogeneous Clusters [19.14900229073636]
  HetCCLは、異種デバイス間の効率的なP2P輸送によって異種集団通信を可能にするフレームワークである。 HetCCLは異種通信においてGrooよりも17-19倍の帯域幅を実現し、ステップ毎のエンドツーエンドトレーニングを最大16.9%高速化する。
  論文  参考訳（メタデータ） (2026-05-29T08:34:49Z)
• Branch Landing: Bloom Filter-Based Source Authorization for Forward-Edge CFI on RISC-V [1.9371059457194455]
  Branch Landing は RISC-V 用のランディングベースのフロントエンド CFI フレームワークである。 BRLは、タイプベースからCFG由来の認証までのポリシーを単一のメカニズムでサポートする。 LLVM RISC-Vバックエンドにブランチランディングを実装し、81 BEEBSベンチマークで評価する。
  論文  参考訳（メタデータ） (2026-04-25T14:39:04Z)
• Oblivis: A Framework for Delegated and Efficient Oblivious Transfer [4.640835690336653]
  我々は、デリゲートされたプライバシ保護クエリ実行を可能にする新しいOTプロトコルのモジュールフレームワークであるOblivisを紹介する。 Oblivisは、クライアントが直接アクセスすることなくデータベースレコードを検索でき、データベースとプロキシの両方へのリークを防ぎ、実用的な効率を念頭に設計されている。
  論文  参考訳（メタデータ） (2026-03-15T17:16:02Z)
• Accelerating Local LLMs on Resource-Constrained Edge Devices via Distributed Prompt Caching [1.0832844764942349]
  リソース制約のあるエッジデバイス上でのローカルLSM推論は、重大なパフォーマンスボトルネックを課す。 本稿では,複数のローエンドエッジデバイス間で中間処理状態を協調的に共有することにより,推論性能を向上させる分散プロンプトキャッシングを提案する。
  論文  参考訳（メタデータ） (2026-02-26T09:53:17Z)
• Towards Federated Clustering: A Client-wise Private Graph Aggregation Framework [57.04850867402913]
  フェデレーションクラスタリングは、分散化されたラベルのないデータからパターンを抽出する課題に対処する。 本研究では,プライバシ保護のための知識共有媒体として,局所構造グラフを革新的に活用する新しいアルゴリズムSPP-FGCを提案する。 我々のフレームワークは最先端のパフォーマンスを実現し、認証可能なプライバシー保証を維持しつつ、フェデレーションベースラインよりも最大10%(NMI)のクラスタリング精度を向上させる。
  論文  参考訳（メタデータ） (2025-11-14T03:05:22Z)
• Privacy-Preserving Vertical K-Means Clustering [24.55805676985619]
  クラスタリングは、1つ以上の機能に基づいたレコードのグループ化に使用される基本的なデータ処理タスクである。 我々は、O(n+kt)への通信複雑性を低減し、同相暗号とDPに基づく新しい解を提案する。 我々のソリューションは、73MBの通信で10万の2次元点を5つのクラスタにクラスタリングし、既存の作業では101GB、100Mbpsのネットワークでは3分弱で完了した。
  論文  参考訳（メタデータ） (2025-04-10T09:20:56Z)
• Distributed Inference and Fine-tuning of Large Language Models Over The Internet [91.00270820533272]
  大規模言語モデル(LLM)は、多くのNLPタスクで有用であり、サイズが向上する。 これらのモデルはハイエンドのハードウェアを必要とするため、ほとんどの研究者にはアクセスできない。 本研究では,システムスループットの最大化のためにデバイスを自動的に割り当てるフォールトトレラント推論アルゴリズムとロードバランシングプロトコルを開発する。
  論文  参考訳（メタデータ） (2023-12-13T18:52:49Z)
• ByzSecAgg: A Byzantine-Resistant Secure Aggregation Scheme for Federated Learning Based on Coded Computing and Vector Commitment [61.540831911168226]
  ByzSecAggは、フェデレートラーニングのための効率的なセキュアアグリゲーションスキームである。 ByzSecAggはビザンツの攻撃やプライバシーの漏洩に耐性がある。
  論文  参考訳（メタデータ） (2023-02-20T11:15:18Z)
• The Devil is in the Boundary: Exploiting Boundary Representation for Basis-based Instance Segmentation [85.153426159438]
  本研究では,既存のグローバルマスクベースの手法を補完するグローバル境界表現を学習するために,Basisベースのインスタンス(B2Inst)を提案する。 私たちのB2Instは一貫した改善をもたらし、シーン内のインスタンス境界を正確に解析します。
  論文  参考訳（メタデータ） (2020-11-26T11:26:06Z)

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。