論文の概要: Semantic Non-Assembly: Privacy by Architectural Inertness Under Component Exposure
- arxiv url: http://arxiv.org/abs/2606.22311v1
- Date: Sun, 21 Jun 2026 02:40:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-25 19:09:52.447687
- Title: Semantic Non-Assembly: Privacy by Architectural Inertness Under Component Exposure
- Title（参考訳）: セマンティック非アセンブリ:コンポーネント露出下でのアーキテクチャ慣性によるプライバシ
- Authors: Sam Ryan,
- Abstract要約: プライバシー保証のクラス(Semantic Non-Assembly)を紹介する。
SNAでは、プライバシは露光の難しさではなく、露光時の情報収量によって特徴づけられる。
本稿では、保証を形式化し、4つのProVerif検証プロパティを確立する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Existing privacy frameworks emphasize confidentiality, access control, appropriate information flow, or statistical disclosure limitation. We introduce a complementary class of privacy guarantee (Semantic Non-Assembly) in which privacy is characterized not by the difficulty of achieving exposure but by the information yield of exposure when it occurs. SNA prevents evaluation of a designated predicate by preventing any sub-threshold coalition from assembling a sufficient assignment to its input domain. An architecture satisfies Semantic Non-Assembly when no coalition of fewer than a defined threshold of components can assemble such an assignment: complete exposure and decryption of any sub-threshold component yields no actionable data. In the base protocol, the guarantee is structural: it operates through architecture, not policy, and its privacy properties degrade predictably under component compromise rather than collapsing at a single point. The reference instantiation combines this structural guarantee with audited organizational constraints, as characterized in Appendix A. This paper formalizes the guarantee and establishes four ProVerif-verified properties: Device Non-Correlation, Registry Observer Non-Identification, Submission Server Blindness, and Active Defense Gate correctness, the first three through a two-channel provenance architecture. The Birthmark Standard instantiates the guarantee on constrained capture hardware, demonstrating deployability where ZK-based approaches are computationally infeasible. All formal properties and scope limitations are documented in Appendix A.
- Abstract（参考訳）: 既存のプライバシーフレームワークは、機密性、アクセス制御、適切な情報の流れ、あるいは統計的開示の制限を強調している。
プライバシー保証の補完的クラス(セマンティック・ノンアセンブリ)を導入し、プライバシーは露光の難しさではなく、露光時の情報収量によって特徴づけられる。
SNAは、サブスレッショルド連立が入力ドメインに十分な割り当てを組み立てることを防止することにより、指定された述語の評価を防止する。
アーキテクチャがセマンティック非アセンブリを満たすのは、定義されたコンポーネントのしきい値未満の連なりがそのような割り当てを組み立てることができない場合である。
基本プロトコルでは、保証は構造的であり、アーキテクチャを通じて動作し、ポリシーではなく、プライバシ特性は単一の点で崩壊するのではなく、コンポーネントの妥協の下で予測通りに低下する。
本論文は,この構造的保証と,Appendix Aで特徴づけられる監査された組織的制約を組み合わせ,その保証を形式化し,ProVerif認証の4つの特性を確立する。
Birthmark Standardは制約付きキャプチャハードウェアの保証をインスタンス化し、ZKベースのアプローチが計算不可能なデプロイ性を示す。
すべての形式的プロパティとスコープ制限は、Appendix Aで文書化されている。
関連論文リスト
- A Formal Basis for Quantum Cryptographic Exposure Measurement under HNDL Threat [0.0]
答えの関数形式は単なるキャリブレーションの選択ではないことを示す。
これは、逆生成と値デカイダイナミクスに関する3つの仮定によって構造的に正当化される。
論文 参考訳（メタデータ） (2026-05-21T14:48:26Z) - Toward Individual Fairness Without Centralized Data: Selective Counterfactual Consistency for Vertical Federated Learning [16.277579974537996]
垂直連合学習(VFL)における個別レベルで選択的対実整合(SCC-VFL)を強制するサーバ中心のフレームワークを提案する。
SCC-VFLは、強いベースラインに対して決定フリップ率を最大98%減らすとともに、予測精度を維持または改善する。
また、属性推論攻撃の成功を低減し、ロバスト性を改善し、現実的なVFLデプロイメントで好適なユーティリティフェアネスとプライバシのトレードオフを示す。
論文 参考訳（メタデータ） (2026-05-08T01:50:06Z) - Structural Enforcement of Goal Integrity in AI Agents via Separation-of-Powers Architecture [0.10152838128195464]
Policy-Execution-Authorization (PEA)アーキテクチャは、システムレベルでの安全性を強制する"パワーの分離"設計である。
PEAはインテントの生成、承認、実行を、暗号的に制約された機能トークンを介して接続された独立した分離されたレイヤに分離する。
論文 参考訳（メタデータ） (2026-04-26T10:31:13Z) - Rethinking Visual Privacy: A Compositional Privacy Risk Framework for Severity Assessment with VLMs [58.7856837806126]
既存のビジュアルプライバシベンチマークでは、プライバシをバイナリプロパティとして扱い、可視性のあるコンテンツに基づいて、イメージをプライベートまたは非プライベートとしてラベル付けしている。
我々は、プライバシーは基本的に構成的だと主張する。孤立した属性が組み合わさって、厳しいプライバシー侵害が発生するかもしれない。
本研究は,構成的プライバシーリスク分類法 (CPRT) について紹介する。これは,独立した識別可能性と構成的害ポテンシャルに基づいて視覚的属性を整理する,規制を意識したフレームワークである。
論文 参考訳（メタデータ） (2026-03-23T04:48:42Z) - Informationally Compressive Anonymization: Non-Degrading Sensitive Input Protection for Privacy-Preserving Supervised Machine Learning [0.0]
本稿では,情報圧縮匿名化(ICA)とプライバシー保護機械学習フレームワークVEILアーキテクチャを紹介する。
ICAは、信頼されたソース環境内に教師付き多目的エンコーダを組み込んで、生の入力を低次元のタスク対応の潜在表現に変換する。
VEILアーキテクチャは厳格な信頼境界を強制し、スケーラブルなマルチリージョンデプロイメントをサポートし、自然にプライバシ・バイ・デザインの規制フレームワークと整合する。
論文 参考訳（メタデータ） (2026-03-16T19:17:51Z) - Proving Circuit Functional Equivalence in Zero Knowledge [4.301822791698451]
ハードウェア形式検証のための最初のプライバシ保護フレームワークであるZK-CECを提案する。
正式な検証とゼロ知識証明(ZKP)を組み合わせることで、ZK-CECはIPの正当性とセキュリティを正式に検証する基盤を確立する。
ZK- CECは、AES S-Boxのような実用的な設計を実用時間内に検証することに成功した。
論文 参考訳（メタデータ） (2026-01-16T10:43:30Z) - VoxGuard: Evaluating User and Attribute Privacy in Speech via Membership Inference Attacks [51.68795949691009]
差分プライバシとメンバシップ推論に基づくフレームワークであるVoxGuardを紹介した。
属性については, 匿名化後も, 性別やアクセントをほぼ完全精度で再現できることが示唆された。
以上の結果から,EERはリークを著しく過小評価し,低FPR評価の必要性を浮き彫りにしている。
論文 参考訳（メタデータ） (2025-09-22T20:57:48Z) - Certifiably Byzantine-Robust Federated Conformal Prediction [49.23374238798428]
本稿では,悪意のあるクライアントに対する堅牢な共形予測を行う新しいフレームワークRob-FCPを提案する。
我々は、さまざまなビザンチン攻撃の下で、悪意のあるクライアントの多様な割合に対するRob-FCPの堅牢性を実証的に実証した。
論文 参考訳（メタデータ） (2024-06-04T04:43:30Z) - Unified Mechanism-Specific Amplification by Subsampling and Group Privacy Amplification [54.1447806347273]
サブサンプリングによる増幅は、差分プライバシーを持つ機械学習の主要なプリミティブの1つである。
本稿では、メカニズム固有の保証を導出するための最初の一般的なフレームワークを提案する。
サブサンプリングが複数のユーザのプライバシに与える影響を分析する。
論文 参考訳（メタデータ） (2024-03-07T19:36:05Z) - Is Vertical Logistic Regression Privacy-Preserving? A Comprehensive
Privacy Analysis and Beyond [57.10914865054868]
垂直ロジスティック回帰(VLR)をミニバッチ降下勾配で訓練した。
我々は、オープンソースのフェデレーション学習フレームワークのクラスにおいて、VLRの包括的で厳密なプライバシー分析を提供する。
論文 参考訳（メタデータ） (2022-07-19T05:47:30Z)
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。