論文の概要: The Anonymity Gap: Understanding Real Privacy in Shielded UTXO-based Protocols for DeFi

• arxiv url: http://arxiv.org/abs/2608.22987v1
• Date: Mon, 24 Aug 2026 08:50:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 13:29:44.00114
• Title: The Anonymity Gap: Understanding Real Privacy in Shielded UTXO-based Protocols for DeFi
• Title（参考訳）: The Anonymity Gap:DeFiのための保護されたUTXOベースのプロトコルにおける真のプライバシの理解
• Abstract要約: Shielded UTXOベースのプロトコルは、DeFiのプライバシー基盤の中核となる。 本稿では,事前履歴を時間的ベースラインとして利用する階層型システムモデルと分析パイプラインを提案する。 4つのRailgun生産展開と5つの独立したHinkalプールの完全なオンチェーン履歴について,本手法の評価を行った。
• 参考スコア（独自算出の注目度）: 4.691742922905627
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Shielded UTXO-based protocols are becoming a core form of privacy infrastructure for DeFi. Unlike mixers that organize privacy mainly around deposits and withdrawals, these protocols allow assets, once inside the shielded pool, to continue moving and being re-spent within the hidden state, and to become public only when users withdraw or interact with public DeFi protocols. Their anonymity is therefore no longer a flat pool-size problem, but a provenance problem that propagates across the note/UTXO, proof, and transaction layers. Yet, a unified analysis framework for this setting is still missing. We propose a layered system model and an analysis pipeline that uses prior history as the temporal baseline, applies cumulative pruning and cross-proof propagation to each proof's Commitment Set, and recursively traces the survivors through historical hidden-state transitions to derive the final transaction-level Anonymity Set Size. We evaluate our methodology on the complete on-chain histories of all four Railgun production deployments and five independent Hinkal pools across six EVM chains, analyzing 186,356 unshielding spend transactions. Using only public protocol traces and constraints, our non-heuristic analysis yields mean Anonymity Set Size reductions of 40.1%-59.0% relative to each deployment's temporal baseline; 3,679 transactions retain at most 10 addresses, including 1,228 singletons. Public token constraints are the strongest and most stable source of pruning in both protocols, while the effects of tree number, proof roots, and value constraints vary with protocol design and historical state. Together with representative cases, these results reveal interpretable anonymity-loss patterns and implications for user behavior and future protocol design.
• Abstract（参考訳）: Shielded UTXOベースのプロトコルは、DeFiのプライバシー基盤の中核となる。 主に預金や撤退に関するプライバシーを組織するミキサーとは異なり、これらのプロトコルは保護されたプール内で資産を移動し、隠された状態内で再起動し、ユーザーがパブリックなDeFiプロトコルを削除または操作する際にのみパブリックになることを可能にする。 そのため、それらの匿名性はもはや平らなプールサイズの問題ではなく、ノート/UTXO、証明、トランザクション層を越えて伝播する証明問題である。 しかし、この設定のための統合分析フレームワークはいまだに欠落している。 本稿では,従来の履歴を時間的ベースラインとして用いた階層化システムモデルと解析パイプラインを提案し,各証明のコミットセットに累積プルーニングとクロスプロパゲーションを適用し,過去の隠れ状態遷移を通じて生存者を再帰的に追跡し,最終的なトランザクションレベル匿名セットのサイズを導出する。 我々は6つのEVMチェーンにまたがる4つのRailgun生産展開と5つの独立したHinkalプールの完全なオンチェーン履歴に関する方法論を評価し、186,356の非シールド消費取引を分析した。 公開プロトコルトレースと制約のみを使用して、我々の非ヒューリスティック分析は、各デプロイメントの時間ベースラインに対して匿名セットサイズを40.1%-59.0%削減し、1,228個のシングルトンを含む3,679のトランザクションが最大10アドレスを保持します。 公開トークン制約は、両方のプロトコルでもっとも強く、最も安定したプルーニングの源であり、ツリー数、証明ルート、および値制約の影響はプロトコル設計と歴史的状態によって異なる。 代表的な事例とともに,これらの結果から,解釈可能な匿名化パターンとユーザ行動および将来のプロトコル設計への意味を明らかにする。

関連論文リスト

• No Country for Old Privacy: The Evolving Challenges of Anonymity in Bitcoin [1.816432734197056]
  590万以上のCoinJoinと2330万のCoinSwapトランザクションを特定します。 これらのプロトコルはネットワークトランザクションの1%以下である。 標準化されたステルスアドレスの証拠は見つからず、共通のプライバシ標準に収束しないことを示す。
  論文  参考訳（メタデータ） (2026-07-01T10:57:58Z)
• A Tattered Cloak of Invisibility: Measuring Anonymity Loss in Railgun on Ethereum [3.47720456613335]
  暗号ミキサーにおけるレールガンの挙動漏洩について検討する。 特徴的タイミングパターン、アドレス再利用、トランザクション値にまたがる特異な桁パターンを保存するトランザクショングラフの近接、トランザクション量の集団が露呈するknapsack型マッチングの5つのリーク源を検討する。
  論文  参考訳（メタデータ） (2026-06-24T15:03:56Z)
• RAIN: Secure and Robust Aggregation under Shuffle Model of Differential Privacy [46.52109845749167]
  本稿では,Shuffle-DPの下でのプライバシー,堅牢性,検証性を両立するフレームワークである騒音のロバスト集約について述べる。 RAINは、アップデートの一貫性を堅牢に測定し、ノイズや匿名化の下で悪意のある影響を制限するために、サインスペースアグリゲーションを採用している。 本研究は,Shuffle-DPの下では強力なプライバシー保証を保ち,精度と収束性において無視できない劣化を伴う攻撃に対して堅牢であることを示す。
  論文  参考訳（メタデータ） (2026-03-03T15:41:54Z)
• Perfectly-Private Analog Secure Aggregation in Federated Learning [51.61616734974475]
  連合学習では、複数のパーティがモデルをローカルにトレーニングし、パラメータを中央サーバと共有する。 本稿では,有限場ではなくトーラスを用いた新しいセキュアパラメータアグリゲーション法を提案する。
  論文  参考訳（メタデータ） (2025-09-10T15:22:40Z)
• Privacy-Preserving Anonymization of System and Network Event Logs Using Salt-Based Hashing and Temporal Noise [5.85293491327449]
  個人識別可能な情報を含むイベントログ(PII) 過度に攻撃的な匿名化はコンテキスト整合性を損なう可能性があるが、弱いテクニックはリンクや推論攻撃による再識別を危険にさらす。 本稿では,このトレードオフに対処する新しいフィールド固有匿名化手法を提案する。
  論文  参考訳（メタデータ） (2025-07-29T15:16:42Z)
• PriRoAgg: Achieving Robust Model Aggregation with Minimum Privacy Leakage for Federated Learning [49.916365792036636]
  フェデレートラーニング(FL)は、大規模分散ユーザデータを活用する可能性から、最近大きな勢いを増している。 送信されたモデル更新は、センシティブなユーザ情報をリークする可能性があり、ローカルなトレーニングプロセスの集中的な制御の欠如は、モデル更新に対する悪意のある操作の影響を受けやすいグローバルモデルを残します。 我々は、Lagrange符号化計算と分散ゼロ知識証明を利用した汎用フレームワークPriRoAggを開発し、集約されたプライバシを満たすとともに、幅広いロバストな集約アルゴリズムを実行する。
  論文  参考訳（メタデータ） (2024-07-12T03:18:08Z)
• Lazy Layers to Make Fine-Tuned Diffusion Models More Traceable [70.77600345240867]
  新たな任意の任意配置(AIAO)戦略は、微調整による除去に耐性を持たせる。 拡散モデルの入力/出力空間のバックドアを設計する既存の手法とは異なり,本手法では,サンプルサブパスの特徴空間にバックドアを埋め込む方法を提案する。 MS-COCO,AFHQ,LSUN,CUB-200,DreamBoothの各データセットに関する実証研究により,AIAOの堅牢性が確認された。
  論文  参考訳（メタデータ） (2024-05-01T12:03:39Z)
• Trustless Privacy-Preserving Data Aggregation on Ethereum with Hypercube Network Topology [0.0]
  ブロックチェーンの要約のためのスケーラブルなプライバシ保護データアグリゲーションプロトコルを提案している。 プロトコルは、契約の展開、ユーザ登録、プライベートな提出、証明検証の4段階で構成されている。
  論文  参考訳（メタデータ） (2023-08-29T12:51:26Z)
• QuTE: decentralized multiple testing on sensor networks with false discovery rate control [93.1040521878626]
  本稿では、偽発見率(FDR)の証明可能な保証を備えたグラフ上での分散多重仮説検定法を設計する。 異なるエージェントが無向グラフのノードに存在し、各エージェントはそのノードに局所的な1つ以上の仮説に対応するp値を持つ。 各エージェントは、グラフ全体の大域的FDRが予め定義されたレベルで制御されなければならないという共同目的のもと、隣人とのみ通信することで、それぞれのローカル仮説の1つ以上の拒絶を個別に決めなければならない。
  論文  参考訳（メタデータ） (2022-10-09T19:48:39Z)
• 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。