論文の概要: Hybrid privacy-aware semantic search: SVD-truncated document geometry and CKKS-encrypted query reranking under a restricted threat model

• arxiv url: http://arxiv.org/abs/2606.26373v1
• Date: Wed, 24 Jun 2026 20:50:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 18:46:32.080872
• Title: Hybrid privacy-aware semantic search: SVD-truncated document geometry and CKKS-encrypted query reranking under a restricted threat model
• Title（参考訳）: ハイブリッドプライバシ・アウェア・セマンティックサーチ:制限された脅威モデルの下でのSVD対応文書幾何とCKKS暗号化クエリ再ランク
• Abstract要約: 本研究では,静的コレクションと動的クエリの非対称性を利用した中間経路について検討する。 各ベクトルは下次元のSVD部分空間に切り替わり回転する。 我々は,保護された部分空間に閉じ込められた攻撃者の復元誤差に対して,厳密な下限を証明した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Dense embeddings power semantic search and retrieval-augmented generation, but embedding-inversion attacks can reconstruct source text from a vector: when a vector database leaks, the documents behind it leak too. The textbook defences are extremes - encrypting the whole search homomorphically is sound but too slow at million-document scale, while privacy noise degrades ranking long before it protects. We study a middle path exploiting the asymmetry between the static collection and the dynamic query. The collection is protected geometrically: each vector is truncated onto a lower-dimensional SVD subspace and rotated by a secret orthogonal transform known only to the owner. The query is protected cryptographically: it is reranked under CKKS homomorphic encryption, so an honest-but-curious server never sees the query or the scores. CKKS parameters come from a small offline benchmark. We prove a tight lower bound on the reconstruction error of any attacker confined to the protected subspace. On one million documents and five encoders the scheme preserves ranking quality (slightly improving it on strong encoders, as a linear denoiser) at sub-second latency, and an off-the-shelf inversion attack on the protected space collapses to the noise floor. We then test stronger adversaries: a known-plaintext attacker recovers the rotation by orthogonal Procrustes from about as many leaked pairs as the retained dimension; the public product-quantization codes preserve most nearest-neighbour structure; and random-projection, calibrated-noise and BEIR baselines show the truncation is an encoder-dependent accuracy cost, not a free denoiser. We state the limits: query confidentiality is cryptographic, but document protection is an empirical obfuscation layer (SVD truncation plus a secret rotation), not a cryptographic primitive, and we delimit the threat model for each claim.
• Abstract（参考訳）: Denseはパワーセマンティック検索と検索拡張生成を組み込むが、埋め込み・反転攻撃はベクターからソーステキストを再構築することができる。 教科書の防御は極端だ。全検索を同型に暗号化するのは健全だが、100万ドキュメントのスケールでは遅すぎる。 本研究では,静的コレクションと動的クエリの非対称性を利用した中間経路について検討する。 各ベクトルは下次元のSVD部分空間に切り離され、所有者のみが知っている秘密直交変換によって回転する。 クエリは暗号化によって保護され、CKKS準同型暗号化の下で再ランクされるため、正直だが正確なサーバはクエリやスコアを見ることはない。 CKKSパラメータは小さなオフラインベンチマークから得られる。 我々は,保護された部分空間に閉じ込められた攻撃者の復元誤差に対して,厳密な下限を証明した。 100万のドキュメントと5つのエンコーダで、このスキームは低秒の遅延時間でランキング品質(線形デノイザとして強いエンコーダでわずかに改善)を保ち、保護された空間に対するオフザシェルの逆攻撃はノイズフロアに崩壊する。 次に, 既知のプレノテキスト攻撃者は, 保持次元の約1つのリークした対から直交プロクラストによる回転を復元し, 一般製品量子化符号は最も近い近傍構造を保ち, ランダムプロジェクション, 校正ノイズ, BEIRベースラインは, トランケーションがエンコーダに依存した精度のコストであり, フリーデノイザではないことを示す。 クエリの機密性は暗号的だが、文書保護は経験的な難読化層(SVDのトランケーションとシークレットローテーション)であり、暗号的プリミティブではない。

関連論文リスト

• A Novel Semantic Manifold Alignment Attack against Embedding-to-Embedding Obfuscation in Privacy-Preserving LLMs [15.442449185301072]
  本稿では,プライバシ保護言語モデルにおけるE2EOに対する新たな攻撃として,PMA(Proxy Manifold Alignment)を提案する。 PMAは、他の最先端攻撃方法よりも高い平文回復を実現している。
  論文  参考訳（メタデータ） (2026-09-06T17:45:18Z)
• Shadow Queries for Private Retrieval in Vector Databases [22.541206283544586]
  組込み反転攻撃(EIA)に対するセマンティック分解および組込み分離防御であるSHAQを提案する。 ドキュメントの埋め込みを直接格納する代わりに、SHAQは生成言語モデルを使用して、各ドキュメントの異なるセマンティックな側面をキャプチャする多様なシャドウクエリを生成する。 実験により、SHAQは検索ユーティリティを保ちながら、プライバシーを大幅に改善することが示された。
  論文  参考訳（メタデータ） (2026-09-04T05:59:54Z)
• SHARD: cell-keyed residual splitting for alignment-resistant private dense retrieval [0.0]
  SHARDは、その弱い軸を除去する検索保存型埋め込み変換である。 センス埋め込みはセマンティック検索と検索強化生成の基盤となる。 SHARDは攻撃を意識した防御であり、暗号的な保証ではない。
  論文  参考訳（メタデータ） (2026-06-26T11:26:53Z)
• VectorSmuggle: Steganographic Exfiltration in Embedding Stores and a Cryptographic Provenance Defense [0.0]
  現代の検索拡張生成システム(RAG)は、センシティブなコンテンツを高次元の埋め込みに変換し、それらをベクトルデータベースに格納し、結果の数値的アーティファクトを不透明なものとして扱う。 これはステガノグラフィー・エクスプロイト・アタックのクラスを開放することを示している。 入力パイプラインへの書き込みアクセスを持つアタッカーは、埋め込み内にペイロードデータを隠蔽することができる。
  論文  参考訳（メタデータ） (2026-05-13T16:44:20Z)
• TwinGate: Stateful Defense against Decompositional Jailbreaks in Untraceable Traffic via Asymmetric Contrastive Learning [60.68349524623048]
  分解されたジェイルブレイクは、大きな言語モデルにとって重大な脅威となる。 我々はステートフルなデュアルエンコーダ防御フレームワークであるTwinGateを紹介する。 我々は、8600の異なる悪意のある意図にまたがる360万以上の命令の包括的なデータセットを構築した。
  論文  参考訳（メタデータ） (2026-04-30T13:44:01Z)
• Anchored Decoding: Provably Reducing Copyright Risk for Any Language Model [99.16364381244445]
  現代の言語モデル(LM)は、トレーニングデータの一部を記憶し、動詞のスパンを出力する傾向がある。 提案するAnchored Decodingは,動詞の模倣を抑えるためのプラグアンドプレイ推論時間法である。 本手法は,著作権リスクとユーティリティの長期評価において,6組のモデルペアで評価する。
  論文  参考訳（メタデータ） (2026-02-06T19:00:14Z)
• NeuroFilter: Privacy Guardrails for Conversational LLM Agents [50.75206727081996]
  本研究は,エージェント型大規模言語モデル(LLM)のプライバシを強制する際の計算上の課題に対処する。 NeuroFilterは、標準違反をモデルのアクティベーション空間における単純な方向にマッピングすることで、コンテキスト整合性を運用するガードレールフレームワークである。 7Bから70Bパラメータのモデルをカバーする15万以上のインタラクションに対する包括的な評価は、NeuroFilterの強力なパフォーマンスを示している。
  論文  参考訳（メタデータ） (2026-01-21T05:16:50Z)
• SCOPE: Intrinsic Semantic Space Control for Mitigating Copyright Infringement in LLMs [39.14996705577274]
  SCOPEはパラメータ更新や補助フィルタを必要としない推論時間法である。 著作権に敏感なサブスペースを特定し、デコード時にそのアクティベーションを切断する。 広く知られるベンチマークの実験は、SCOPEが汎用性を低下させることなく著作権侵害を軽減していることを示している。
  論文  参考訳（メタデータ） (2025-11-10T11:53:07Z)
• AdversariaL attacK sAfety aLIgnment(ALKALI): Safeguarding LLMs through GRACE: Geometric Representation-Aware Contrastive Enhancement- Introducing Adversarial Vulnerability Quality Index (AVQI) [21.209413521884297]
  LLMに対する敵の脅威は、現在の防衛が適応できるよりも急速にエスカレートしている。 ALKALIは, 厳格にキュレートされた最初の逆数ベンチマークである。 本稿では、遅延空間正規化と協調するアライメントフレームワークGRACEを紹介する。
  論文  参考訳（メタデータ） (2025-06-10T15:14:17Z)
• Towards Copyright Protection for Knowledge Bases of Retrieval-augmented Language Models via Reasoning [58.57194301645823]
  大規模言語モデル(LLM)は、現実のパーソナライズされたアプリケーションにますます統合されている。 RAGで使用される知識基盤の貴重かつしばしばプロプライエタリな性質は、敵による不正使用のリスクをもたらす。 これらの知識基盤を保護するための透かし技術として一般化できる既存の方法は、一般的に毒やバックドア攻撃を含む。 我々は、無害な」知識基盤の著作権保護の名称を提案する。
  論文  参考訳（メタデータ） (2025-02-10T09:15:56Z)
• Cloning Games, Black Holes and Cryptography [50.022147589030304]
  クローンゲーム解析のための新しいツールキットを提案する。 このフレームワークにより、バイナリフェーズ状態に基づいて新しいクローンゲームを分析することができる。 連成位相の変分最適境界は、ブラックホールの理想化されたモデルで衝突する情報について定量的な洞察を与えることを示す。
  論文  参考訳（メタデータ） (2024-11-07T14:09:32Z)
• Leakage-Abuse Attacks Against Forward and Backward Private Searchable Symmetric Encryption [13.057964839510596]
  動的検索可能な暗号化(DSSE)は、サーバが暗号化されたファイルの効率的な検索と更新を可能にする。 更新時のリークを最小限に抑えるため、新たに提案されたDSSEスキームでは、前方および後方のプライバシというセキュリティ概念が期待されている。 先進および後進の民間DSSEが実用的な漏洩・悪用攻撃(LAA)に対して弾力性があるかどうかはまだ解明されていない。
  論文  参考訳（メタデータ） (2023-09-09T06:39:35Z)
• Spatial-Frequency Discriminability for Revealing Adversarial Perturbations [53.279716307171604]
  敵の摂動に対するディープニューラルネットワークの脆弱性は、コンピュータビジョンコミュニティで広く認識されている。 現在のアルゴリズムは、通常、自然および敵対的なデータの識別的分解を通じて、敵のパターンを検出する。 空間周波数Krawtchouk分解に基づく識別検出器を提案する。
  論文  参考訳（メタデータ） (2023-05-18T10:18:59Z)
• Precise Zero-Shot Dense Retrieval without Relevance Labels [60.457378374671656]
  仮説文書埋め込み(英: hypothetical Document Embeddings, HyDE)は、ゼロショット高密度検索システムである。 我々は,HyDEが最先端の非教師付き高密度検索器であるContrieverを著しく上回っていることを示す。
  論文  参考訳（メタデータ） (2022-12-20T18:09:52Z)
• 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。