論文の概要: Beyond Private Training: The New Landscape of AI Privacy
- arxiv url: http://arxiv.org/abs/2609.19456v1
- Date: Wed, 16 Sep 2026 21:46:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-20 08:55:54.02251
- Title: Beyond Private Training: The New Landscape of AI Privacy
- Title（参考訳）: プライベートトレーニングを超えて:AIプライバシの新しい風景
- Abstract要約: TSD-AUDITは,グラフベース近傍の検索において,トラバースセーフな削除を監査・実施するためのフレームワークである。
Faiss IndexHNSWFlatでは、ネイティブフィルタリングは、フィルタされていないサーチと比較して、距離計算の回数が変わらない。
TSD-AUDITは、生前の不変性を強制し、ライブ候補のみを使用して接続を修復し、クエリ毎のスコア付きトレース証明書を発行する。
- 参考スコア（独自算出の注目度）: 4.200569403749067
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Retrieval-augmented systems increasingly rely on vector indexes that may retain deleted items in their search graph. Existing deletion interfaces can prevent deleted identifiers from appearing in returned results while still computing distances to their embeddings during graph traversal. We formalize this distinction as output safety versus traversal safety, and introduce TSD-AUDIT, a framework for auditing and enforcing traversal-safe deletion in graph-based approximate nearest-neighbor retrieval. On Faiss IndexHNSWFlat, native filtering leaves the number of distance computations unchanged relative to unfiltered search; at a 70% deletion rate, trace-faithful replay detects deleted-vector scoring in all 100 audited queries. Code inspection of hnswlib's mark_deleted path reveals the same scoring-before-liveness pattern. TSD-AUDIT enforces an alive-before-scoring invariant, repairs connectivity using only live candidates, and emits per-query scored-trace certificates that an independent verifier can check against the deletion snapshot. Under region-targeted deletion, TSD-AUDIT improves Recall@10 over native filtering by 4.3--42.2 percentage points across deletion fractions from 0.5 to 0.9, while remaining comparable under random deletion. These results show that output-only deletion audits can miss process-level exposure: auditing deletion in vector retrieval requires accounting for the vectors scored during search, not only the identifiers returned.
- Abstract（参考訳）: Retrieval-augmentedシステムは、検索グラフに削除されたアイテムを保持するベクトルインデックスにますます依存している。
既存の削除インターフェイスは、削除された識別子が返された結果に現れるのを防ぎつつ、グラフトラバーサル中の埋め込みまでの距離を計算できる。
我々は、この区別を出力安全性とトラバース安全性の区別として定式化し、グラフベースに近い近傍検索において、トラバースセーフな削除を監査・実施するためのフレームワークであるTSD-AUDITを導入する。
Faiss IndexHNSWFlatでは、ネイティブフィルタリングは、フィルタされていない検索に対して変化しない距離計算の数を残しており、70%の削除率で、トレースフルリプレイは100の監査クエリすべてにおいて削除ベクタースコアを検出する。
hnswlibのmark_deletedパスのコード検査では、同じスコアリング-before-liivenessパターンが明らかになっている。
TSD-AUDITは、生前の不変性を強制し、ライブ候補のみを使用して接続を修復し、独立した検証者が削除スナップショットに対してチェック可能なクエリ毎のスコアトレース証明書を発行する。
地域別削除では、TSD-AUDITはネイティブフィルタリングよりもRecall@10を0.5から0.9までの削除率で4.3-42.2ポイント改善している。
これらの結果は、出力のみの削除監査がプロセスレベルの露光を見逃す可能性があることを示している。
関連論文リスト
- Client-Side Probing of Deleted Ridge Statistics in Federated Unlearning [8.170162585703787]
Federated Unlearningは、共有モデルからクライアントのデータを取り除き、スクラッチからリトレーニングすることを目的としている。
いくつかの効率的なシステムは、訓練機能のコンパクトで付加的な要約を格納することで、削除を正確にする。
これらの放送は、隠れた要約を明らかにすることもできる。
論文 参考訳（メタデータ） (2026-09-03T20:59:09Z) - SIDScope: A Diagnostic Resource for Semantic-ID Interfaces in Generative Recommendation [4.419168310735208]
SIDScopeは、セマンティックIDマッピング決定のためのソーストレース診断リソースである。
アイテムからコードへのアーティファクトの正規化、証明と結合の検証、プロファイルマッピングの構造の検証、ペア化されたリビジョンの比較、生成されたトレースにおけるパスからイテムの結果の報告などを行う。
論文 参考訳（メタデータ） (2026-08-19T10:35:12Z) - Auditing Forgetting in Limited Memory Language Models [0.0]
既存の評価は、集合体の削除後の正しさを測定する。
本稿では,モデルが固定され,推論時にデータベースの状態が変化する因果監査フレームワークを提案する。
これを13のデータベースで12,228のエイリアス削除に適用する。
論文 参考訳（メタデータ） (2026-07-01T08:30:28Z) - Ghost Vectors: Soft-Deleted Embeddings Remain Reconstructible in HNSW Vector Databases [0.0]
Retrieval-augmented Generation (RAG)により、大規模言語モデルでは、実際のドメイン固有の応答のために、外部およびプライベートコーパスにアクセスすることができる。
RAGパイプラインは、効率的な類似性探索のために階層的ナビゲート可能な小世界(HNSW)ベクトルデータベースを使用する。
ユーザがデータ削除を要求するとき、システムは通常、削除されたレコードのみをマークし、ディスクへの埋め込みは物理的に変化しない。
この作業はEpoch Key Rotationを導入し、ベクターを暗号化し、削除時にキーを破棄する。
論文 参考訳（メタデータ） (2026-06-16T21:15:49Z) - HISA: Efficient Hierarchical Indexing for Fine-Grained Sparse Attention [62.79085204939384]
HISA (Hierarchical Indexed Sparse Attention) は、平らなトークンスキャンから2段階の階層的な手順に検索パスを書き換える。
カーネルレベルのベンチマークでは、HISAは64Kコンテキストでの高速化を実現している。
論文 参考訳（メタデータ） (2026-03-30T13:59:51Z) - WeDetect: Fast Open-Vocabulary Object Detection as Retrieval [74.39703419628829]
Open-vocabularyオブジェクト検出は、テキストプロンプトを通じて任意のクラスを検出することを目的としている。
クロスモーダル融合層(ノンフュージョン)を持たない手法は、認識を検索問題として扱うことにより、より高速な推論を提供する。
WeDetectという名前のモデルファミリを開発し、推論効率の高い15ベンチマークで最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2025-12-13T12:40:28Z) - Revisiting Out-of-Distribution Detection in Real-time Object Detection: From Benchmark Pitfalls to a New Mitigation Paradigm [8.206992765692535]
アウト・オブ・ディストリビューション(OoD)入力はディープラーニングモデルに永続的な課題をもたらす。
この研究は、物体検出におけるOoD検出の2つの見落としられた次元に対処する。
外部OoD検出器とは独立に動作する新しい訓練時間緩和パラダイムを導入する。
論文 参考訳（メタデータ） (2025-03-10T13:42:41Z) - A Tri-Layer Plugin to Improve Occluded Detection [100.99802831241583]
本研究では,2段階物体検出装置の頭部検出のための単純な''モジュールを提案し,部分閉塞物体のリコールを改善する。
モジュールは、ターゲットオブジェクト、オクルーダー、オクラデーのセグメンテーションマスクの三層を予測し、それによってターゲットオブジェクトのマスクをより正確に予測することができる。
また,COCO評価データセットを構築し,部分閉塞オブジェクトと分離オブジェクトのリコール性能を測定した。
論文 参考訳（メタデータ） (2022-10-18T17:59:51Z) - SIOD: Single Instance Annotated Per Category Per Image for Object
Detection [67.64774488115299]
画像内の既存のカテゴリ毎に1つのインスタンスアノテーションのみを必要とする単一インスタンスアノテーションオブジェクト検出(SIOD)を提案する。
WSOD(Inter-task)やSSOD(Inter-image)の相違点からイメージ内の相違点に分解されたSIODは、ラベルなしインスタンスの残りをマイニングする上で、より信頼性が高く豊富な事前知識を提供する。
SIOD設定下では、類似性に基づく擬似ラベル生成モジュール(SPLG)と、Pixelレベルのグループコントラスト学習モジュール(PGCL)からなる、シンプルで効果的なフレームワークであるDual-Mining(DMiner)を提案する。
論文 参考訳（メタデータ） (2022-03-29T08:49:51Z) - Online Multi-Object Tracking with Unsupervised Re-Identification
Learning and Occlusion Estimation [80.38553821508162]
異なるオブジェクト間のオクルージョンは、MOT(Multi-Object Tracking)の典型的な課題である
本稿では,これらの問題に対処する2つの新しいモジュールを設計し,オンラインマルチオブジェクト追跡に焦点を当てる。
提案した教師なし再識別学習モジュールは、(疑似)識別情報を一切必要とせず、スケーラビリティの問題に悩まされることもない。
本研究は、最先端MOT法に適用した場合、教師なし再識別学習は教師なし再識別学習に匹敵するものであることを示す。
論文 参考訳（メタデータ） (2022-01-04T18:59:58Z)
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。