論文の概要: STAR: Scalable TEE-based Anonymous Rate-limiter

• arxiv url: http://arxiv.org/abs/2610.38602v1
• Date: Wed, 28 Oct 2026 10:26:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-03 10:06:40.838695
• Title: STAR: Scalable TEE-based Anonymous Rate-limiter
• Title（参考訳）: STAR:スケーラブルなTEEベースの匿名レートリミッタ
• Abstract要約: 本稿では,サーバ側信頼実行環境(TEE)を用いて制限を克服するSTARを提案する。 悪意のあるサービスは、ユーザーの秘密を推測するためにメモリアクセスパターンを観察することができる。 我々は,この脅威を秘密のメモリアクセスに対する対策を通じて解決し,動的解析を用いてその実装を評価する。
• 参考スコア（独自算出の注目度）: 2.164086526612421
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Protecting Internet services from attacks such as TLS/HTTP floods requires rate limiting, yet identifying users to enforce these limits can compromise their privacy. Anonymous rate limiting promises to reconcile these goals, but existing schemes either struggle to scale or assume that services and authorities do not collude. We present STAR, which uses server-side trusted execution environments (TEEs) to overcome these limitations. By enabling lightweight cryptographic operations, TEEs make authentication efficient, but introduce a privacy challenge: malicious services can observe memory-access patterns to infer user secrets. We address this threat through countermeasures against secret-dependent memory accesses and assess our implementation using dynamic analysis. To extend these efficiency gains across servers, we also design a secure sharding mechanism that distributes client requests. We demonstrate that strong privacy guarantees can coexist with efficient authentication at scale; STAR processes authentication requests in tens of microseconds and handles approximately 13.9K requests per second per CPU core.
• Abstract（参考訳）: TLS/HTTPフラッドのような攻撃からインターネットサービスを保護するには、レート制限が必要だが、これらの制限を強制するユーザを特定することは、プライバシーを侵害する可能性がある。 匿名のレート制限はこれらの目標の調整を約束するが、既存のスキームは規模を拡大するのに苦労するか、サービスと当局が共謀しないと仮定するかのいずれかである。 本稿では,サーバ側信頼実行環境(TEE)を用いて,これらの制約を克服するSTARを提案する。 ライトウェイトな暗号化操作を有効にすることで、TEEは認証を効率的にするが、プライバシの問題が発生する。悪意のあるサービスは、メモリアクセスパターンを観察してユーザの秘密を推測する。 我々は,この脅威を秘密のメモリアクセスに対する対策を通じて解決し,動的解析を用いてその実装を評価する。 サーバ間で効率の向上を拡大するため、クライアント要求を分散するセキュアなシャーディング機構も設計する。 STARは数十マイクロ秒で認証要求を処理し、CPUコアあたりの毎秒約13.9Kリクエストを処理する。

関連論文リスト

• ROPE: Routed Origin Policy Enforcement against Indirect Prompt Injection [61.4148196085256]
  本稿では,信頼という構造概念に根ざしたROPE(Routed Origin Policy Enforcement)について述べる。 提案手法では,(1)軌道の各段階において,攻撃可能コンテンツのみを起点とする値が,原点保護パラメータに到達しない,(2)注入のリワードがない,という2つの保証が認められている。
  論文  参考訳（メタデータ） (2026-08-27T01:22:14Z)
• Stop Tracking Me! Proactive Defense Against Attribute Inference Attack in LLMs [61.15237978606501]
  大規模言語モデルは、ユーザ生成テキストからプライベートなユーザー属性を推測することができる。 既存の匿名化ベースの防御は粗く、プライバシーを優先する要素を匿名化する際に単語レベルの精度が欠如している。 細粒度匿名化(TRACE)と推論防止最適化(RPS)を組み合わせた統合防衛フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-12T03:37:50Z)
• CaMeLs Can Use Computers Too: System-level Security for Computer Use Agents [60.98294016925157]
  AIエージェントは、悪意のあるコンテンツがエージェントの行動をハイジャックして認証情報を盗んだり、金銭的損失を引き起こすような、インジェクション攻撃に弱い。 CUAのためのシングルショットプランニングでは、信頼できるプランナーが、潜在的に悪意のあるコンテンツを観察する前に、条件付きブランチで完全な実行グラフを生成する。 このアーキテクチャ分離は命令インジェクションを効果的に防止するが、ブランチステアリング攻撃を防ぐには追加の対策が必要であることを示す。
  論文  参考訳（メタデータ） (2026-01-14T23:06:35Z)
• ZORRO: Zero-Knowledge Robustness and Privacy for Split Learning (Full Version) [58.595691399741646]
  Split Learning(SL)は、リソース制約のあるクライアントがディープニューラルネットワーク(DNN)を協調的にトレーニングすることを可能にする分散学習アプローチである。 このセットアップにより、SLはデータを共有せずにサーバの能力を活用することができ、機密データを扱うリソース制約のある環境で非常に効果的になる。 我々は、プライベートで検証可能な、堅牢なSL防御スキームであるZORROを提示する。
  論文  参考訳（メタデータ） (2025-09-11T18:44:09Z)
• Securing Private Federated Learning in a Malicious Setting: A Scalable TEE-Based Approach with Client Auditing [0.9310318514564272]
  プライバシー保護手法として,DP-FTRL(disferiallyly private follow-the-regularized-leader)が登場している。 既存のアプローチでは、半正直なサーバを前提としており、この仮定を安全に削除するという課題には対処していない。 本稿では,不正にセキュアなDP-FTRLを実現するために,信頼性の高いコンピューティング基盤として機能するサーバ拡張を提案する。
  論文  参考訳（メタデータ） (2025-09-10T15:58:05Z)
• PWC-MoE: Privacy-Aware Wireless Collaborative Mixture of Experts [59.5243730853157]
  クラウドサーバにホストされる大規模言語モデル(LLM)は、ローカルデバイス上の計算とストレージの負担を軽減するが、プライバシの懸念を高める。 小規模言語モデル(SLM)は、ローカルで実行されるためプライバシーが向上するが、複雑なタスクではパフォーマンスが制限される。 帯域幅制約下での計算コスト,性能,プライバシ保護のバランスをとるために,プライバシを意識したPWC-MoE(PWC-MoE)フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-05-13T16:27:07Z)
• Building a Privacy Web with SPIDEr -- Secure Pipeline for Information De-Identification with End-to-End Encryption [3.8909411486426033]
  SPIDErはエンドツーエンドの暗号化データ識別パイプラインである。 抑制、偽名化、一般化、集約をサポートする。 本稿では,TEE内の非識別操作をエンド・ツー・エンドでセキュアに実行するための制御フローの設計について述べる。
  論文  参考訳（メタデータ） (2024-12-12T12:24:12Z)
• Collaborative Inference over Wireless Channels with Feature Differential Privacy [57.68286389879283]
  複数の無線エッジデバイス間の協調推論は、人工知能(AI)アプリケーションを大幅に強化する可能性がある。 抽出された特徴を抽出することは、プロセス中に機密性の高い個人情報が暴露されるため、重大なプライバシーリスクをもたらす。 本稿では,ネットワーク内の各エッジデバイスが抽出された機能のプライバシを保護し,それらを中央サーバに送信して推論を行う,新たなプライバシ保存協調推論機構を提案する。
  論文  参考訳（メタデータ） (2024-10-25T18:11:02Z)
• Scrappy: SeCure Rate Assuring Protocol with PrivacY [1.442446583583404]
  本稿では,Scrapy: SeCure Rate Assuring Protocol with PrivacYを提案する。 Scrappyを使えば、クライアントは忘れられないがリンクできないレート保証証明を生成できる。 ベースライン評価の結果,Scrappyの終端レイテンシは最小限で0.32秒で,必要なデータ転送には679バイトの帯域しか使用できないことがわかった。
  論文  参考訳（メタデータ） (2023-12-02T01:07:49Z)
• Preserving Privacy and Security in Federated Learning [21.241705771577116]
  ユーザに対するプライバシ保証と,それらによる毒殺攻撃の検出の両方を提供する,原則的フレームワークを開発する。 我々のフレームワークは、セキュアなアグリゲーションのプライバシー保証に違反することなく、中央サーバが有毒なモデル更新を識別することを可能にする。
  論文  参考訳（メタデータ） (2022-02-07T18:40:38Z)

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。