論文の概要: Privacy-Preserving Robustness-Guided Testing

• arxiv url: http://arxiv.org/abs/2610.27441v1
• Date: Tue, 20 Oct 2026 00:42:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.561747
• Title: Privacy-Preserving Robustness-Guided Testing
• Title（参考訳）: プライバシー保護ロバストネス駆動テスト
• Abstract要約: セミコンダクタや航空宇宙といった業界では、設計会社がテストプロセスの一部をテスト・アズ・ア・サービス企業に委託することが一般的です。 暗号的にセキュアなマルチパーティプロトコルを用いて、証明可能なプライベートTを実行する実践的な方法を示す。
• 参考スコア（独自算出の注目度）: 3.6016022712620086
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In industries like semi-conductors and aerospace, it is common for the design company to contract out part of the testing process to a Testing-as-a-Service (TaaS) company. In such a setup, both parties want to keep their intellectual property private (i.e. unknown to the other party): namely the design and its output traces for the designer, and the detailed correctness specifications for the tester. We demonstrate a practical way for conducting provably private TaaS using a cryptographically secure multi-party computation protocol. We do so for the common setup where the specification is in Signal Temporal Logic, and testing is done using robustness-guided falsification. Our implementation carefully separates the steps of falsification, and manages to be $\textit{maximally secure}$, in the sense that the parties learn the absolutely minimum necessary for falsification. For up to a 100-dimensional input search space, the generation of one test takes less than 80 msec, and the overhead of the privacy-preserving protocol is less than 6x. These numbers mean that privacy-preserving TaaS is practical, thus enabling TaaS in security-sensitive industries.
• Abstract（参考訳）: セミコンダクタや航空宇宙といった業界では、設計会社がテストプロセスの一部をテスト・アズ・ア・サービス(TaaS)企業と契約することが一般的です。 このような設定では、双方は知的財産を秘密にしたい(つまり、他者には知られていない)。 暗号的にセキュアなマルチパーティ計算プロトコルを用いて、証明可能なプライベートなTaaSを実行する実践的な方法を示す。 我々は、仕様がSignal Temporal Logicにある共通の設定でそうし、ロバストネス誘導のファルシフィケーションを使ってテストを行います。 我々の実装では、ファルシフィケーションのステップを慎重に分離し、ファルシフィケーションに必要な最小限のレベルを学習するという意味で、$\textit{maximally secure}$として管理しています。 最大100次元の入力検索空間では、1回のテストの生成は80msec未満であり、プライバシ保護プロトコルのオーバーヘッドは6倍以下である。 これらの数字は、プライバシ保護のTaaSが実用的であり、セキュリティに敏感な業界でTaaSを可能にすることを意味している。

関連論文リスト

• Guardian-as-an-Advisor: Advancing Next-Generation Guardian Models for Trustworthy LLMs [70.81495077853673]
  ハードゲートのセーフティチェッカーは、しばしばベンダーのモデル仕様に過度に反抗し、不平を言う。 この研究は、ガーディアン・アズ・ア・アドバイザ(GaaA)というソフトゲーティングパイプラインを導入し、保護者がバイナリリスクラベルを予測し、このアドバイスを元のクエリに再推論する。 全体として、GaaAはモデル仕様に従うようモデルに指示し、過度な拒絶を減らしながら安全性を維持している。
  論文  参考訳（メタデータ） (2026-04-08T23:47:29Z)
• 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)
• When Speculation Spills Secrets: Side Channels via Speculative Decoding In LLMs [2.305309289946973]
  そこで本研究では,不正な推測と正しい推測の入力依存パターンを,フィルタ単位のトークン数やパケットサイズをモニタすることによって推定できる,新たなサイドチャネルを明らかにする。 これらのパターンを観察する敵は、4つの投機的デコードスキームで90%の精度でユーザクエリをフィンガープリントすることができる。 パケットパディングや繰り返しトークンアグリゲーションなど,一連の軽減策を提案し,評価する。
  論文  参考訳（メタデータ） (2024-11-01T23:14:30Z)
• DT-SIM: Property-Based Testing for MPC Security [2.0308771704846245]
  プロパティベースのテストはセキュアプロトコルのセキュリティバグの検出に有効である。 セキュアマルチパーティ計算(MPC)を特に対象とする。 MPCプロトコルのビットレベル実装において,様々な欠陥を検出するテストを作成する。
  論文  参考訳（メタデータ） (2024-03-08T02:02:24Z)
• Tight Auditing of Differentially Private Machine Learning [77.38590306275877]
  プライベート機械学習では、既存の監査メカニズムは厳格である。 彼らは不確実な最悪の仮定の下でのみ厳密な見積もりを行う。 我々は、自然(逆向きではない)データセットの厳密なプライバシー推定を得られる改善された監査スキームを設計する。
  論文  参考訳（メタデータ） (2023-02-15T21:40:33Z)
• Precise certification of a qubit space [0.0]
  精度は、高次元における証人の最大値と比較すると10～3ドル以下である。 このテストは、不正なリークや誤ったゲート実行などの非イデアルに対して堅牢である。
  論文  参考訳（メタデータ） (2023-01-09T12:25:51Z)
• TAN Without a Burn: Scaling Laws of DP-SGD [70.7364032297978]
  近年、ディープニューラルネットワーク(DNN)を訓練するための微分プライベートな手法が進歩している。 プライバシ分析とノイズのあるトレーニングの実験的振る舞いを分離し、最小限の計算要件でトレードオフを探索する。 我々は,提案手法をCIFAR-10とImageNetに適用し,特にImageNetの最先端性を,上位1点の精度で向上させる。
  論文  参考訳（メタデータ） (2022-10-07T08:44:35Z)
• Individual Privacy Accounting for Differentially Private Stochastic Gradient Descent [69.14164921515949]
  DP-SGDで訓練されたモデルをリリースする際の個々の事例に対するプライバシー保証を特徴付ける。 ほとんどの例では、最悪のケースよりも強力なプライバシー保証を享受しています。 これは、モデルユーティリティの観点からは守られないグループが同時に、より弱いプライバシー保証を経験することを意味する。
  論文  参考訳（メタデータ） (2022-06-06T13:49:37Z)
• Certified Defense via Latent Space Randomized Smoothing with Orthogonal Encoders [13.723000245697866]
  ネットワークの潜在空間におけるランダムなスムース化とロバストな認証の確立の可能性について検討する。 我々は、リプシッツの性質が設計上自由であることが知られている加群を用いて、潜在空間で推定される証明された半径を入力空間に伝播する。 CIFAR10 と ImageNet を用いた実験により,テスト期間中に高い効率向上を図った。
  論文  参考訳（メタデータ） (2021-08-01T16:48:43Z)

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。