論文の概要: FBAN: A Fully Homomorphic Encryption Compatible Bottleneck Attention Network for Privacy-Preserving Behavioral Authentication

• arxiv url: http://arxiv.org/abs/2610.08174v1
• Date: Tue, 06 Oct 2026 11:28:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.962069
• Title: FBAN: A Fully Homomorphic Encryption Compatible Bottleneck Attention Network for Privacy-Preserving Behavioral Authentication
• Title（参考訳）: FBAN: プライバシー保護行動認証のための完全同型暗号化対応型ボトルネック注意ネットワーク
• Abstract要約: 連続認証(CA)は、デバイスのインタラクション中に繰り返しユーザを検証することでセッションセキュリティを強化する。 これにより、計算中の行動的特徴を保護するという、基本的なプライバシ・イン・ユースという課題が提起される。 TFHE互換のBottleneck Attention Networkとエンドツーエンドの暗号化CAフレームワークであるFBANを提案する。
• 参考スコア（独自算出の注目度）: 3.0969191504482243
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Continuous authentication (CA) strengthens session security by repeatedly verifying the user during device interaction, yet it inherently relies on highly sensitive behavioral traces (e.g., fine-grained touch dynamics) that are often outsourced to cloud/edge services for scalable inference. This raises a fundamental privacy-in-use challenge: protecting behavioral features during computation, not only in transit or at rest. Fully homomorphic encryption (FHE) offers a principled solution, but deploying modern CA models under FHE remains difficult due to non-linearities and attention-style operations that incur high ciphertext cost. We propose FBAN, a TFHE-compatible Bottleneck Attention Network and an end-to-end encrypted CA framework. FBAN is designed for integer-only execution via a two-stage pipeline (floating-point pretraining followed by quantization-aware training) and is compiled into TFHE circuits for homomorphic inference. We further specify a client-server protocol with session-bound blinding and decrypt-and-return verification, enabling the server to authenticate users without observing raw behavioral features. We provide a cryptographic security analysis against an honest-but-curious server under TFHE IND-CPA security, and formalize resistance to replay and impersonation without the TFHE secret key. Experiments on two public touchscreen datasets demonstrate that FBAN achieves strong authentication utility under encrypted inference while maintaining a lightweight model footprint, with TFHE parameters instantiated at $\geq 128$-bit security.
• Abstract（参考訳）: 継続的認証(CA)は、デバイスのインタラクション中に繰り返しユーザを検証することによってセッションセキュリティを強化するが、本質的には、スケーラブルな推論のためにクラウド/エッジサービスにアウトソースされることの多い、高感度な動作トレース(例えば、きめ細かいタッチダイナミクス)に依存している。 これは基本的なプライバシ・イン・ユースという課題を提起するものだ。 完全同型暗号(FHE)は、原理的な解を提供するが、非線型性や高い暗号文コストを発生させる注意スタイルの操作のために、FHEの下で近代的なCAモデルをデプロイすることは困難である。 TFHE互換のBottleneck Attention Networkとエンドツーエンドの暗号化CAフレームワークであるFBANを提案する。 FBANは2段階のパイプライン(浮動小数点事前学習と量子化学習)による整数のみの実行用に設計され、同型推論のためにTFHE回路にコンパイルされる。 さらに、セッションバウンドブラインドと復号復号検証を備えたクライアントサーバプロトコルを規定し、サーバが生の挙動を観察せずにユーザを認証できるようにする。 我々は、TFHE IND-CPAセキュリティの下で、正直だが正確であるサーバに対して暗号セキュリティ分析を行い、TFHEの秘密鍵を使わずに、リプレイおよび偽装に対する抵抗を形式化する。 2つの公開タッチスクリーンデータセットの実験によると、FBANは、軽量モデルのフットプリントを維持しながら、暗号化された推論の下で強力な認証ユーティリティを実現し、TFHEパラメータは$\geq 128$-bitセキュリティでインスタンス化されている。

関連論文リスト

• A Threshold Homomorphic Blockchain Architecture for Secure and Scalable IoT Sensor Data Aggregation [0.9059656093018312]
  Phi-PHE-BCは、セキュアでプライバシ保護のIoTセンサデータアグリゲーションのための、トポロジ対応の同型ブロックチェーンアーキテクチャである。 トポロジのスケーリング、バリデータの感度、しきい値の復号化、ビザンチン負荷の実験などにわたる結果は、Phi-PHE-BCがセキュアでプライバシ保護、トポロジ対応のIoTセンサアグリゲーションのための実用的なアーキテクチャであることを示している。
  論文  参考訳（メタデータ） (2026-08-24T15:41:18Z)
• SafeCA: Safe Cross-Attention Localization and Regulation for Text-to-Video Jailbreak Defense [77.70598852234149]
  テキスト・トゥ・ビデオ(T2V)生成モデルは、現実世界のデプロイにおいてジェイルブレイク攻撃に対して脆弱である。 安全なクロスアテンション・ローカライゼーションと正規化のための機能レベル防衛機構であるSafeCAを提案する。 実験の結果、SafeCAは主流のT2Vモデルでジェイルブレイクの成功率を約20%削減することが示された。
  論文  参考訳（メタデータ） (2026-08-11T14:01:24Z)
• Compiling Activation Steering into Weights via Null-Space Constraints for Stealthy Backdoors [48.881343993730844]
  安全性に整合した大規模言語モデル(LLM)は、現実世界のパイプラインにますますデプロイされている。 敵は通常の評価では動作しないバックドアのチェックポイントを配布することができる。 最近のポストホック重み付け法は、そのようなバックドアを注入するための効率的なアプローチを提供する。
  論文  参考訳（メタデータ） (2026-04-14T06:48:33Z)
• Repurposing Backdoors for Good: Ephemeral Intrinsic Proofs for Verifiable Aggregation in Cross-silo Federated Learning [30.440611659881494]
  暗号証明からtextitIntrinsic Proofs へ移行する軽量アーキテクチャを提案する。 モデルパラメータに直接検証信号を埋め込むために、カタストロフィックフォーッティングを利用する。 我々の手法は、暗号ベースラインと比較して、ResNet-18で1000ドル以上のスピードアップを実現し、大規模モデルに効果的にスケールする。
  論文  参考訳（メタデータ） (2026-03-11T12:04:18Z)
• 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)
• Secure Tug-of-War (SecTOW): Iterative Defense-Attack Training with Reinforcement Learning for Multimodal Model Security [63.41350337821108]
  マルチモーダル大規模言語モデル(MLLM)のセキュリティを高めるために,Secure Tug-of-War(SecTOW)を提案する。 SecTOWは2つのモジュールで構成される:ディフェンダーと補助攻撃者。どちらも強化学習(GRPO)を使用して反復的に訓練される。 SecTOWは、一般的な性能を維持しながら、セキュリティを大幅に改善することを示す。
  論文  参考訳（メタデータ） (2025-07-29T17:39:48Z)
• Bidirectional Biometric Authentication Using Transciphering and (T)FHE [2.423735225769664]
  生体認証システムでは、虹彩や指紋などの漏洩したテンプレートがセキュリティ侵害につながるため、プライバシー上のリスクが生じる。 本稿では,BTF(Bidirectional Transciphering Framework)を提案する。 BTFは、返却されたFHE暗号文のサイズを減らし、クライアントが認証の成功を誤って報告することを防ぎ、スケーラブルで集中型のFHEキー管理を可能にする、という3つの中核的なデプロイメント課題に対処する。
  論文  参考訳（メタデータ） (2025-06-15T10:34:57Z)
• Zero-Trust Mobility-Aware Authentication Framework for Secure Vehicular Fog Computing Networks [0.0]
  本稿では,VFCネットワークにおけるセキュア通信のためのZTMAF(Zero-Trust Mobility-Aware Authentication Framework)を提案する。 このフレームワークは、軽量な暗号プリミティブによるコンテキスト認識認証、分散信頼評価システム、およびフォグノード支援セッションバリデーションを使用して、偽造、リプレイ、偽造攻撃と戦う。
  論文  参考訳（メタデータ） (2025-05-21T17:03:39Z)
• A Selective Homomorphic Encryption Approach for Faster Privacy-Preserving Federated Learning [2.942616054218564]
  フェデレーテッド・ラーニング(FL)は、医療におけるプライバシー保護機械学習にとって重要なアプローチである。 これらのシステムの現在のセキュリティ実装は、基本的なトレードオフに直面している。 我々は、選択的同型暗号化、差分プライバシー、ビットワイズスクランブルを戦略的に組み合わせて堅牢なセキュリティを実現する新しいアプローチであるFast and Secure Federated Learningを提示する。
  論文  参考訳（メタデータ） (2025-01-22T14:37:44Z)
• THE-X: Privacy-Preserving Transformer Inference with Homomorphic Encryption [112.02441503951297]
  トランスフォーマーモデルのプライバシ保護推論は、クラウドサービスユーザの要求に基づいています。 我々は、事前訓練されたモデルのプライバシ保存推論を可能にするトランスフォーマーの近似アプローチである$textitTHE-X$を紹介した。
  論文  参考訳（メタデータ） (2022-06-01T03:49:18Z)

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。