論文の概要: Plausible Deniability Guarantees for Whistleblowers

• arxiv url: http://arxiv.org/abs/2607.13928v1
• Date: Wed, 15 Jul 2026 15:09:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-16 16:39:12.819233
• Title: Plausible Deniability Guarantees for Whistleblowers
• Title（参考訳）: ウィスルブロワーの可塑性識別性保証
• Abstract要約: ウィスルブロワーは組織的な不正行為に対する重要な保護手段だが、報復の脅威は報告を妨げている。 我々は、監査選択の書き起こしに対して、(0, )$-differential privacy として、強敵脅威モデルに対する保護を定式化する。
• 参考スコア（独自算出の注目度）: 9.45038563739177
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Whistleblowers are a key safeguard against organizational wrongdoing, but the threat of retaliation deters reporting. Existing whistleblower-protection proposals lack formal privacy guarantees, and existing differential privacy mechanisms do not directly target the natural threat model -- one in which the audited organization itself observes auditor selection decisions and uses them to identify reporters. We formalize protection against a strong-adversary threat model as per-report $(0, δ)$-differential privacy on the transcript of audit selections. Within this framework we prove that a natural approach -- randomized response applied at the selection step -- can never outperform uniform random auditing by more than $δ$ at any horizon. We then give a generic mechanism that reduces private auditing to private continual counting: any $(0, δ)$-DP continual counter plugs in by post-processing, and the audit transcript inherits the same per-report guarantee. Instantiating the reduction with a recent work in continual counting yields per-report $(0, δ)$-DP with noise scaling as $O(\sqrt{\log T})$ across a horizon of $T$ audit decisions. A utility theorem shows that the selection error vanishes whenever the noisy report gap between the most-reported organization and the runner-up grows faster than $\sqrt{\log T}$. Simulations show a substantial improvement over randomized response.
• Abstract（参考訳）: ウィスルブロワーは組織的な不正行為に対する重要な保護手段だが、報復の脅威は報告を妨げている。 既存の内部告発者保護提案は、正式なプライバシー保証を欠いているが、既存の差分プライバシーメカニズムは、自然の脅威モデルを直接ターゲットするものではない。 我々は、監査選択の書き起こしに対して、(0, δ)$-差分プライバシーを申告するたびに、強敵脅威モデルに対する保護を定式化する。 このフレームワーク内では、選択ステップで適用される自然なアプローチ -- ランダム化応答 -- が、どんな地平線でも$δ$以上のランダム監査を上回ることはないことを証明している。 次に、プライベート監査をプライベートな継続カウントに還元する一般的なメカニズムを提示する:$(0, δ)$-DP連続カウンタは後処理によってプラグインされ、監査トランスクリプトは同じレポート毎の保証を継承する。 連続数え上げにおける最近の研究により、ノイズスケーリングを$O(\sqrt{\log T})$-DPとすることで、$T$監査決定の地平を隔ててて$O(\sqrt{\log T})$-DPとすることができる。 ユーティリティ定理は、最も報告された組織とランナー間のノイズの多いレポートギャップが$\sqrt{\log T}$よりも早く大きくなると、選択誤差が消えることを示している。 シミュレーションはランダム化応答よりも大幅に改善されている。

関連論文リスト

• SynthGuard-ReleaseBench: Locked-Audit Evidence for Synthetic Tabular Data Releases [0.0]
  SynthGuard-ReleaseBenchは、評価の前に使用、候補パネル、許容度、監査スケジュールをロックする監査フレームワークである。 保護されたデータ上で、実際のトレーニングと合成トレーニングを比較し、損失ギャップの有限サンプル境界を同時に与え、コントロールを必要とし、実用性と経験的なプライバシーリスクメカニズムを分離する。
  論文  参考訳（メタデータ） (2026-08-14T03:12:17Z)
• OCELOT: Inference-Leakage Budgets for Privacy-Preserving LLM Agents [32.5466552510287]
  漏れは累積的であり、個々に無害な放出は、正直だが、真正に曲がりくねった流しに蓄積される。 我々は、秘密に対する敵の信念がどれほど改善するかを予算化するランタイム仲介者であるOCELOTを提示する。 OCELOTは高いタスクユーティリティでのリークを著しく低減し、適応注入、ジェイルブレイク、累積推論、シンク共謀に抵抗する。
  論文  参考訳（メタデータ） (2026-06-10T17:13:35Z)
• Auditing Privacy in Multi-Tenant RAG under Account Collusion [1.253312107729806]
  マルチテナント検索拡張生成サービスは、ログ単位の差分プライバシーを操作リーク境界として宣伝する。 我々は、同一インデックスのマルチアカウント共謀をプライバシ境界障害とみなす。 修正されていないRAGデプロイメントに対して動作する最初の監査プロトコルを設計する。
  論文  参考訳（メタデータ） (2026-05-19T13:41:59Z)
• A Benchmark for Strategic Auditee Gaming Under Continuous Compliance Monitoring [1.253312107729806]
  継続的デプロイ後のコンプライアンス監査は、戦略的なゲームのクラスを作成します。 我々は,時間的方針にコミットする監査者と適応監査人との間に,$T$ラウンドのStackelbergゲームとして継続的監査を形式化する。
  論文  参考訳（メタデータ） (2026-05-07T14:28:34Z)
• Sequential Auditing for f-Differential Privacy [5.7992233755396505]
  出力サンプルに基づくアルゴリズムの差分プライバシー(DP)を評価するための新しい監査者を提案する。 私たちは、非常に表現力豊かなプライバシー概念である$f$-DPに焦点を移します。
  論文  参考訳（メタデータ） (2026-02-06T09:22:24Z)
• LoRA and Privacy: When Random Projections Help (and When They Don't) [55.65932772290123]
  我々は、$S mapto M f(S)$ with $M sim W_d (1/r I_d, r)$という形のランダムマップである(ウィッシュアート)プロジェクション機構を導入し、その差分プライバシー特性について検討する。 ベクトル値が$f$の場合、付加雑音のない非漸近DP保証を証明し、ウィッシュアートのランダム性だけで十分であることを示す。 しかし,行列値クエリでは,ノイズフリーな環境では,そのメカニズムはDPではなく,その脆弱性を実証する。
  論文  参考訳（メタデータ） (2026-01-29T13:43:37Z)
• Preventing the Collapse of Peer Review Requires Verification-First AI [49.995126139461085]
  我々は、真理結合、すなわち、過度に科学的真理をトラックする場所のスコアの厳密さを提案する。 プロキシ・ソブリン評価に向けた相転移を駆動する2つの力の形式化を行う。
  論文  参考訳（メタデータ） (2026-01-23T17:17:32Z)
• HearSay Benchmark: Do Audio LLMs Leak What They Hear? [71.05839007164776]
  本稿では,オーディオ大言語モデルがアコースティック・ボイスプリントのみを通じて,ユーザのプライバシーを不注意に漏洩するかどうかを考察する。 $textitHearSay$は、22,000以上の現実世界のオーディオクリップから構築された総合的なベンチマークである。 textbfSignificant Privacy Leakage$の実験は、3つの重要な発見をもたらす。
  論文  参考訳（メタデータ） (2026-01-07T10:33:44Z)
• Auditing Pay-Per-Token in Large Language Models [11.795056270534287]
  トークンの誤レポートを検出するため,マーチンゲール理論に基づく監査フレームワークを開発した。 当社のフレームワークは,プロバイダの(ミス-)レポートポリシに関わらず,トークンの誤レポートを常に検出することが保証されています。
  論文  参考訳（メタデータ） (2025-10-05T17:47:16Z)
• Confidential Guardian: Cryptographically Prohibiting the Abuse of Model Abstention [65.47632669243657]
  不正直な機関は、不確実性の観点からサービスを差別または不正に否定する機構を利用することができる。 我々は、ミラージュと呼ばれる不確実性誘導攻撃を導入することで、この脅威の実践性を実証する。 本研究では,参照データセット上のキャリブレーションメトリクスを分析し,人工的に抑制された信頼度を検出するフレームワークであるConfidential Guardianを提案する。
  論文  参考訳（メタデータ） (2025-05-29T19:47:50Z)
• Are You Getting What You Pay For? Auditing Model Substitution in LLM APIs [71.7892165868749]
  LLM(Commercial Large Language Model) APIは基本的な信頼の問題を生み出します。 ユーザーは特定のモデルに課金するが、プロバイダが忠実に提供できることを保証することはない。 我々は,このモデル置換問題を定式化し,現実的な逆条件下での検出方法を評価する。 我々は,信頼された実行環境(TEE)を実用的で堅牢なソリューションとして使用し,評価する。
  論文  参考訳（メタデータ） (2025-04-07T03:57:41Z)
• The Decisive Power of Indecision: Low-Variance Risk-Limiting Audits and Election Contestation via Marginal Mark Recording [51.82772358241505]
  リスクリミット監査(リスクリミット監査、RLA)は、大規模な選挙の結果を検証する技術である。 我々は、効率を改善し、統計力の進歩を提供する監査の新たなファミリーを定めている。 新しい監査は、複数の可能なマーク解釈を宣言できるように、キャストボイトレコードの標準概念を再考することで実現される。
  論文  参考訳（メタデータ） (2024-02-09T16:23:54Z)

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。