論文の概要: Merkle-Tree-Based Verifiable Public Data Auditing for Cloud Object Storage Using Smart Contracts

• arxiv url: http://arxiv.org/abs/2610.36001v1
• Date: Mon, 26 Oct 2026 13:51:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-28 21:04:31.385789
• Title: Merkle-Tree-Based Verifiable Public Data Auditing for Cloud Object Storage Using Smart Contracts
• Title（参考訳）: スマートコントラクトを用いたクラウドオブジェクトストレージのためのマークルトレーベースの検証可能な公開データ監査
• Abstract要約: 既存の研究は、主にファイル内のブロックをチェックしたり、サードパーティの監査人に依存する。 本稿では,各オブジェクトのSHA-256ハッシュとその名前がメルクルツリーの葉を形成する公開監査システムを提案する。 監査人がオブジェクトをダウンロードし、短いMerkle証明を使ってルートを再構築し、保存されたルートと比較し、オブジェクトを無傷または欠落とマークする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Owners of data in cloud object storage cannot directly check whether the provider still keeps every object unchanged. Existing research mostly checks blocks inside files or relies on third-party auditors, and less attention has been given to checking each object against a public blockchain reference while measuring the cost. A full-data audit downloads every object and compares it with a saved hash list, which is slow and only as reliable as that list. We propose a public auditing system in which the SHA-256 hash of each object and its name forms a leaf of a Merkle tree, so the whole dataset is represented by one Merkle root. This root is stored in an Ethereum smart contract as a trusted public record, while the objects stay with the provider. An auditor downloads an object, rebuilds the root using a short Merkle proof and compares it with the stored root, marking the object as intact, modified or missing. In five experiments on an S3-compatible store and a local Hardhat blockchain (normal audit, single- and multiple-object tampering, deletion and scalability), the system detected 15 of 15 single modifications, 2,205 of 2,205 modified objects and 830 of 830 deleted objects with no false alarms. The proof needed only 14 hashes for 10,000 objects, so checking one object took about 10 ms and a 100-object sample about 150 ms regardless of dataset size, while a full audit of 10,000 objects (14.3 s) took about as long as downloading them (13.5 s). Storing the root cost 91,863 gas, 252 times less than storing 1,000 hashes on-chain. The system thus shows exactly which objects were modified or are missing, with its main savings coming from checking selected objects.
• Abstract（参考訳）: クラウドオブジェクトストレージ内のデータ所有者は、プロバイダがすべてのオブジェクトを変更せずに保持しているかどうかを直接チェックできない。 既存の研究は、主にファイル内のブロックをチェックしたり、サードパーティの監査人に依存する。 完全なデータ監査はすべてのオブジェクトをダウンロードし、保存されたハッシュリストと比較します。 本稿では,各オブジェクトのSHA-256ハッシュとその名前がメルクルツリーの葉となる公開監査システムを提案する。 このルートは、信頼できるパブリックレコードとしてEthereumスマートコントラクトに格納され、オブジェクトはプロバイダに保持される。 監査人がオブジェクトをダウンロードし、短いMerkle証明を使ってルートを再構築し、保存されたルートと比較し、オブジェクトを無傷、修正、または欠落とマークする。 S3互換ストアとローカルのHardhatブロックチェーン(通常の監査、シングルオブジェクトとマルチオブジェクトの改ざん、削除、スケーラビリティ)に関する5つの実験で、システムは15のシングル修正、2,205の修正オブジェクト、2,205の修正オブジェクト、830の削除オブジェクトを誤報なしで検出した。 この証明は1万個のオブジェクトに対して14のハッシュしか必要とせず、1つのオブジェクトをチェックするのに10ミリ秒、100オブジェクトのサンプルは150ミリ秒を要し、1万個のオブジェクト(14.3秒)の完全な監査には13.5秒を要した。 根のコストは91,863ガスで、チェーン上に1000のハッシュを格納するより252倍少ない。 従ってシステムは、どのオブジェクトが修正されたか、または欠落しているかを正確に示し、その主な節約は、選択したオブジェクトをチェックすることにある。

関連論文リスト

• Stratum: Repository Memory for Coding Agents Beyond the Context Window [3.803192494208352]
  コーディングエージェントは永続的でエクスペリエンスに配慮したリポジトリメモリを必要とする。 Stratum はレポジトリと連携して動作し,ページセーフなツールを通じて機能する,階層型メモリです。
  論文  参考訳（メタデータ） (2026-10-26T18:53:45Z)
• Does the Selected Object Reach the Reader? Auditing Identity Handoffs in Grounded Language-Model Pipelines [6.010966712043181]
  接地された言語モデルパイプラインは、オブジェクトの選択、パスの取得、そしてそのエビデンスを使って答える3つのステージに分けられる。 我々は3つのセレクタファミリーで600のHybridQA質問を監査する。
  論文  参考訳（メタデータ） (2026-09-04T00:20:12Z)
• Agent Flight Recorder: Tamper-Evident Audit Trails with On-Chain Anchoring for Long-Horizon Tool-Using Agents [0.6564588068252765]
  ロングホライゾンエージェントは数千のアクションを実行し、分離されたエラーではなく順次失敗する。 Agent Flight Recorderは、各エージェントアクションを構造化されたセマンティックシリアライズされたイベントバインディングとして、実行から実行までの8つのフィールドをキャプチャする。 合成エージェントの負荷に対して,5つの累積アブレーション構成でシステムを評価する。
  論文  参考訳（メタデータ） (2026-09-01T22:59:08Z)
• From Traceability to Justifiability: Accountability Structures in Agentic Software Engineering [0.0]
  公開資料のみから、AIレコードがクレームを表現できるかどうか、宣言された場所を保持できるかどうかを測定する。 188個の二重グレード細胞で、デフォルトレコードが行動システムのコンテンツアイデンティティを出力するプラットフォームは見つからなかった。 計器は、パイプラインが発行した排気のみからの保証深度を計算し、宣言された深さと比較する。
  論文  参考訳（メタデータ） (2026-08-21T16:45:00Z)
• KeyPooling: Measuring Where LLM API Relay Paths Collapse Prompt Cache Isolation [53.952294884822955]
  大規模言語モデル(LLM)APIは、顧客の認証を別々に行うが、多くの場合、共有プロバイダ認証を通じて要求を転送する。 KeyPoolingは、キャッシュのルックアップと書き込みを通じて顧客のアイデンティティをトレースする測定方法である。 すべての顧客がプロバイダ強化されたドメインに入る必要があります。
  論文  参考訳（メタデータ） (2026-08-18T08:12:34Z)
• Object-Centric Multiple Object Tracking [124.30650395969126]
  本稿では,多目的追跡パイプラインのためのビデオオブジェクト中心モデルを提案する。 オブジェクト中心のスロットを検出出力に適応するインデックスマージモジュールと、オブジェクトメモリモジュールで構成される。 オブジェクト中心学習に特化して、オブジェクトのローカライゼーションと機能バインディングのためのスパース検出ラベルしか必要としない。
  論文  参考訳（メタデータ） (2023-09-01T03:34:12Z)
• VizWiz-FewShot: Locating Objects in Images Taken by People With Visual Impairments [74.72656607288185]
  我々は、撮影した画像の視覚的内容について真に学ぼうとしていた写真家を起源とする、数発のローカライゼーションデータセットを紹介した。 視覚障害者が撮影した4500枚以上の画像に、100のカテゴリの約10,000のセグメンテーションが含まれている。 既存の数発のオブジェクト検出やインスタンスセグメンテーションデータセットと比較して、私たちのデータセットは、オブジェクトの穴を見つける最初のものです。
  論文  参考訳（メタデータ） (2022-07-24T20:44:51Z)
• ObjectSeeker: Certifiably Robust Object Detection against Patch Hiding Attacks via Patch-agnostic Masking [95.6347501381882]
  物体探知機は物理的世界のパッチ隠蔽攻撃に弱いことが判明した。 我々は,堅牢なオブジェクト検出器を構築するためのフレームワークとしてObjectSeekerを提案する。
  論文  参考訳（メタデータ） (2022-02-03T19:34:25Z)
• Rethinking Object Detection in Retail Stores [55.359582952686175]
  そこで我々はLocountと略される新しいタスク、同時にオブジェクトのローカライゼーションとカウントを提案する。 Locountは、関心のあるオブジェクトのグループをインスタンス数でローカライズするアルゴリズムを必要とする。 大規模オブジェクトのローカライズと数えるデータセットを小売店で収集する。
  論文  参考訳（メタデータ） (2020-03-18T14:01:54Z)

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。