論文の概要: Pointing the Way, Hiding the Destination: Practical Private Dense Retrieval at Scale

• arxiv url: http://arxiv.org/abs/2608.25735v1
• Date: Wed, 26 Aug 2026 12:46:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-27 14:15:15.827304
• Title: Pointing the Way, Hiding the Destination: Practical Private Dense Retrieval at Scale
• Title（参考訳）: 道のりを指さして, 運命を守る - 大規模で実践的な個人意識検索
• Abstract要約: ホストされた検索強化世代(RAG)とセマンティックサーチにより、ユーザは価値あるプロバイダが所有するコーパスをクエリできる。 既存の暗号化アプローチでは、クエリ毎にコーパス全体を処理することでコストがかかります。 このショートリストは、検索品質を犠牲にすることなく全コーパス暗号検索を行う。
• 参考スコア（独自算出の注目度）: 19.48684574323907
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Hosted retrieval-augmented generation (RAG) and semantic search allow users to query valuable provider-held corpora, raising two competing demands: to hide each query and chosen result, yet reveal only the documents that the user is authorized to receive. Existing cryptographic approaches either make this costly by processing the entire corpus for every query, or sacrifice quality for efficiency by scanning a few clusters. We repurpose learned deep hashing as a private filter: a randomized binary code points the provider to a short candidate list, while encrypted reranking and oblivious key transfer protect the precise query and final selection. This shortlist short-circuits full-corpus cryptographic search without sacrificing retrieval quality: with 200-500 candidates, it closely matches full-corpus retrieval across five zero-shot corpora spanning 25K to 5.4M documents. On the full 2.68M-passage NQ corpus over a 10-Gbps link, our protocol only adds 0.73 seconds, or 10 percent, to a 128-token Qwen3-32B RAG pipeline. The released code satisfies directional metric differential privacy (DP) and substantially reduces embedding-inversion and property-inference leakage, demonstrating that a carefully learned shortlist can make private dense retrieval both accurate and practical.
• Abstract（参考訳）: ホストされた検索強化世代(RAG)とセマンティック検索により、ユーザーは価値あるプロバイダが所有するコーパスをクエリできる。 既存の暗号化アプローチでは、クエリ毎にコーパス全体を処理することでコストがかかります。 ランダム化されたバイナリコードは、プロバイダを短い候補リストに向ける一方で、暗号化された再ランクと暗黙のキー転送は、正確なクエリと最終選択を保護します。 このショートリストは、検索品質を犠牲にすることなく、全コーパス暗号を検索する。200-500の候補で、25Kから5.4Mの文書にまたがる5つのゼロショットコーパス間で、全コーパス検索と密に一致している。 10Gbpsのリンク上の2.68MパスのNQコーパスでは、当社のプロトコルは128トンのQwen3-32B RAGパイプラインに0.73秒(10%)しか追加できない。 リリースされたコードは、方向差分プライバシー(DP)を満足し、埋め込み・反転・プロパティ・推論リークを大幅に低減し、慎重に学習したショートリストが、精度と実用性を両立できることを示す。

関連論文リスト

• Matryoshka Hash Representations for Model-Aware Compact Semantic Retrieval [0.4859781642217615]
  マトリオシュカ・ハッシュ表現(MHR)は,前置組織から全幅トレーニングを分離する2段階の手順である。 MHRは.5561 NDCG@10と.6535 Recall@100を32バイトに到達し、同じ予算で最高のベースラインを超えた。 このコードはまた、2つの一般的なパイプラインを強化している: 完全精度の再ランクの候補をショートリストし、低ストレージグラフインデックスをプルーニングする。
  論文  参考訳（メタデータ） (2026-09-07T09:38:28Z)
• Spruce: Scalable Private Outsourced Retrieval Using Compact Embeddings [0.4859781642217615]
  Spruceは、完全精度の再ランクの候補を保存するためのコンパクトなバイナリコードを学ぶ。 スプルースは元の検索品質を382--1,952の中央値の候補セットで保存する。 プライベートプルーニングは0.06--1.09秒、13.1$-22.9times$ Speedups、93.9%$--97.3%$フルフロートNDCGを維持している。
  論文  参考訳（メタデータ） (2026-09-03T05:19:03Z)
• VisDocAgentBench: Benchmarking Agents for Visually Rich Document Retrieval [65.89247522243959]
  VisDocAgentBenchは、静的検索とエージェント検索を比較したクローズドコーパスベンチマークである。 100の文書から2,375ページ、120のユニークなターゲットクエリが直接、一橋、二橋のエビデンス構造でバランスを取っている。 強力な遅延対話型ビジュアルレトリバーは、直接アイテムで97.50%のRecall@1に達するが、2ブリッジアイテムでは2.50%に達し、関連性がコーパスコンテキストに依存する場合のクエリ-ターゲットマッチングの限界を明らかにする。
  論文  参考訳（メタデータ） (2026-08-18T15:23:06Z)
• Efficient Privacy-Preserving Range Filtered Approximate Nearest Neighbor Search [22.644268689842377]
  距離フィルタ近似近傍探索(RFANNS)はベクトルデータベースにとって重要なプリミティブである。 我々は、外部ソースの暗号化ベクタデータベース上でのプライバシー保護RFANNSを定式化し、評価する。 提案手法は,既存のRFANNSアプローチのセキュアな適応に対するQPS-リコールトレードオフを改善する。
  論文  参考訳（メタデータ） (2026-08-17T12:28:25Z)
• Search, Inspect, Fetch: Exploiting Structure-Aware Boolean Retrieval for Deep-Research Agents [50.35041517085015]
  既存のDeep-ResearchエージェントはSearch-Visitワークフローを使用して、タイトル、見出し、セクション、メタデータを通じて公開する構造を考慮せずに、Webページ全体を検索する。 Boolean Query Language (BQL) によって駆動される検索-インスペクション-フェッチ戦略である textscSieve を導入する。 ウェブページのフィールドを検索して候補をフィルタリングし、インターチェンジ可能なランク付け器を使ってそれらを注文し、構造に富んだ結果カードを検査し、選択したセクションのみを取得する。
  論文  参考訳（メタデータ） (2026-08-03T18:01:05Z)
• MESS: Fast and Private Semantic Search on Multi-Graph HNSW [11.990611521434944]
  プライバシ,正確性,効率性の3つの特性を持つ検索システムであるMESSを紹介する。 元のベクトルをバイナリコードにマッピングし、ローカリティ・センシティブなハッシュ(LSH)とランダムな応答を適用し、多グラフ階層ナビゲート可能な小型世界(HNSW)インデックスを摂動コード上に構築する。 MESSは、最先端のベースラインよりも最大15.08タイムのレイテンシを実現する。
  論文  参考訳（メタデータ） (2026-07-31T03:53:24Z)
• Towards Retrieving Interaction Spaces for Agentic Search [62.666902610940525]
  最近の直接コーパス(DCI)の研究は、エージェントが5.4のインタラクションやファイル読み取りといったシェルツールを通じて生コーパスと対話できることを示している。 エージェント検索における検索の役割は, LLMコンテキストウィンドウに適合する文書を選択することだけではなく, インタラクション空間を構築することにある。
  論文  参考訳（メタデータ） (2026-06-05T03:47:40Z)
• GrepSeek: Training Search Agents for Direct Corpus Interaction [66.69568141699311]
  GrepSeekは、コンパクトな検索エージェントを訓練し、大きなテキストコーパスから証拠を見つけ、フィルタリングし、構成する、最適化された直接コーパスインタラクション(DCI)検索エージェントである。 DCIを大規模に実用化するためには、シェルコマンドのシーケンシャルな実行とバイトエクササイズ等価性を保ちながら、シェルベースの検索を最大7.6タイムで高速化するセマンティックス保存のシャード並列実行エンジンを使用する。
  論文  参考訳（メタデータ） (2026-05-28T03:37:33Z)
• Efficient and Scalable Provenance Tracking for LLM-Generated Code Snippets [3.5312864406384485]
  コード補完と生成のための大規模言語モデル(LLM)は、冗長で権威の帰属のないトレーニング例を再現することができる。 Winnowingのような指紋認証に基づく古典的な指紋認証は依然として有効である。 コード検索に適した300M-パラメータエンコーダと,ハイブリッドな2段階のプロファイランス追跡パイプラインを導入する。
  論文  参考訳（メタデータ） (2026-05-27T14:12:17Z)
• Beyond Semantic Similarity: Rethinking Retrieval for Agentic Search via Direct Corpus Interaction [127.64173950476702]
  エージェントが直接、汎用端末ツールを用いて、生コーパスを直接検索する直接コーパス間相互作用(DCI)について検討する。 このアプローチではオフラインインデックスを必要とせず、ローカルコーパスの進化に自然に適応する。 IRベンチマークとエンドツーエンドのエージェント検索タスク全体にわたって、この単純なセットアップは、強いスパース、密度、リランクベースラインよりも大幅に優れています。
  論文  参考訳（メタデータ） (2026-05-03T19:13:11Z)
• Private-RAG: Answering Multiple Queries with LLMs while Keeping Your Data Private [21.980739918403344]
  Retrieval-augmented Generation (RAG)は、外部コーパスからドキュメントを推論時に取得することで、大きな言語モデル(LLM)を強化する。 このコーパスが機密情報を含む場合、保護されていないRAGシステムは個人情報を漏洩するリスクがある。 本稿では、より実用的なマルチクエリ設定について検討し、2つのDP-RAGアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-11-10T21:12:32Z)
• Accelerating Code Search with Deep Hashing and Code Classification [64.3543949306799]
  コード検索とは、自然言語クエリに基づいてソースコードコーパスから再利用可能なコードスニペットを検索することである。 深層ハッシュとコード分類を用いたコード検索を高速化する新しい手法CoSHCを提案する。
  論文  参考訳（メタデータ） (2022-03-29T07:05:30Z)
• HERS: Homomorphically Encrypted Representation Search [56.87295029135185]
  本稿では,暗号化ドメイン内の大規模ギャラリーに対して,プローブ(あるいはクエリ)画像表現を検索する手法を提案する。 我々の暗号方式は固定長表現の取得方法に従わないため、任意のアプリケーション領域における任意の固定長表現に適用できる。
  論文  参考訳（メタデータ） (2020-03-27T01:10:54Z)

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。