論文の概要: BlindStep: A Secure One-Step Kernel for Privacy-Preserving Collaborative Reasoning
- arxiv url: http://arxiv.org/abs/2610.41369v1
- Date: Fri, 30 Oct 2026 07:36:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-02 22:05:31.645876
- Title: BlindStep: A Secure One-Step Kernel for Privacy-Preserving Collaborative Reasoning
- Title（参考訳）: BlindStep:プライバシー保護コラボレーション推論のためのセキュアなワンステップカーネル
- Abstract要約: BlindStepは固定形状のMPC-onlineカーネルで、バウンドスロットアグリゲーション、フェイルクローズオーバーフローハンドリング、リザーブドフロンティアセレクション、下流の開示を行う。
我々はMP-SPDZで6つの半2kの実現を行い、2つの共有スタイルと3つのトップK戦略を横断する。
LANでは、B-Queueは6-7倍高速で、H-Queueの約40倍の通信速度である。
- 参考スコア（独自算出の注目度）: 8.05881719421468
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A recurring step in two-party collaborative workflows combines a private candidate frontier with a partner's compatible evidence, scores the resulting candidates, and retains only a small frontier. Direct execution can expose intermediate candidates, local scores, or unauthorized evidence provenance. Existing MPC platforms and PSI protocols provide useful building blocks, but they do not define a unified post-alignment boundary for bounded-slot aggregation, fail-closed overflow handling, retained-frontier selection, and downstream disclosure. We present BlindStep, a fixed-shape MPC-online kernel for one such post-alignment step between two semi-honest parties. Given a frontend realizing the bounded-slot contract and an application enforcing the reveal policy $ρ$, BlindStep provides a per-invocation simulation-based guarantee in the $F_{\mathrm{align}}$-hybrid model: the kernel leaks only public setup parameters, fixed execution-shape metadata, a global overflow bit, and $ρ$-authorized Layer-2 disclosures. The guarantee excludes malicious security and multi-invocation composition, and treats frontend leakage and offline preprocessing separately. Within this kernel boundary, we implement six semi2k realizations in MP-SPDZ, crossing two sharing styles and three top-K strategies: H-variants compare over arithmetic shares, while B-variants convert packed ranking values to Boolean shares before selection. Under LAN, B-Queue is 6-7 times faster and uses about 40 times less communication than H-Queue at N = 256 and 2048. Against H-Sort on the same backend, B-Queue achieves speedups of 21 and 30 times and communication reductions of 204 and 290 times at N = 2048 and 8192, respectively. Under the evaluated N = 256, 100 ms RTT WAN profile, H-Sort becomes fastest, showing that round complexity can dominate backend choice for the measured MPC-online kernel.
- Abstract（参考訳）: 双方向の協調ワークフローにおける反復的なステップは、プライベートな候補フロンティアとパートナーの互換性のあるエビデンスを組み合わせることで、結果の候補をスコア付けし、小さなフロンティアのみを保持する。
直接実行は中間候補、ローカルスコア、または無許可の証拠を公開できる。
既存のMSCプラットフォームとPSIプロトコルは有用なビルディングブロックを提供するが、バウンドスロットアグリゲーション、フェイルクローズオーバーフローハンドリング、リザーブフロントの選択、ダウンストリームの開示のための統合されたポストアライメント境界は定義していない。
固定形MPC-onlineカーネルであるBlindStepについて述べる。
BlindStepは$F_{\mathrm{align}}$-hybridモデルで、境界-スロット契約を実現するフロントエンドと、公開ポリシーを強制するアプリケーションによって、F_{\mathrm{align}}$-hybridモデルで、呼び出しごとのシミュレーションベースの保証を提供する。
この保証は悪意のあるセキュリティとマルチ呼び出しの構成を除外し、フロントエンドのリークとオフライン前処理を別々に扱う。
このカーネル境界内では、MP-SPDZで6つの半2kの実現を行い、2つの共有スタイルと3つのトップK戦略を横断する。
LAN では B-Queue は 6-7 倍高速で、N = 256 および 2048 では H-Queue の約 40 倍の通信速度を使用する。
同じバックエンド上のH-Sortに対して、B-Queueは21回、30回、通信速度は204回、通信速度は2048回、通信速度は8192回である。
評価された N = 256, 100 ms RTT WAN プロファイルでは、H-Sort が最速となり、測定された MPC-online カーネルのバックエンド選択において、ラウンド複雑性が支配的であることが示された。
関連論文リスト
- TopoField: Technical Report for ECCV 2026 SceneFun3D Challenge [24.96360752764416]
TopoFieldはVOLT上に構築された決定論的デコーダである。
トポフィエルドはECCV 2026 SceneFun3D Challengeで2位を獲得した。
論文 参考訳（メタデータ） (2026-10-27T13:29:20Z) - RFPO: Rectified Flow Policy Optimization for Embodied Control [57.28454299980691]
フローベースのポリシーは、継続的ロボット制御のための表現力のあるフレームワークを提供するが、その反復ODE統合は、かなりの推論コストをもたらす。
本稿では,信頼性のある数ステップ実行のためのフローポリシー最適化フレームワークRFPOを紹介する。
Unitree Go2、Boston Dynamics Spot、Unitree H1、Unitree G1の他、RFPOはワンステップ実行下でのフルステップ制御性能を一貫して維持する。
論文 参考訳（メタデータ） (2026-10-07T17:24:46Z) - UltraMatch: Transport Path Routing for Ultra-Fast and Memory-Efficient Image Matching [76.1295726577623]
UltraMatchは、超効率的でスケーラブルなセミセンスマッチングフレームワークである。
これは、候補マッチングパスのごく一部だけをルーティングすることで、高密度トークンレベルのマッチングの二次計算とメモリコストをバイパスする。
論文 参考訳（メタデータ） (2026-09-29T08:15:55Z) - SENTINEL-RL: Offloading Topological Reasoning from LLM Agents in the Security Operations Center [0.0]
Sentinel-RLは、意味論的推論から位相論的推論を分離するエージェントSOCアーキテクチャである。
本稿では,LANL Comprehensive, Multi-Source Cyber-Security Events データセット, インディアナ大学クォーツHPCクラスタ上でシステムをインスタンス化する。
論文 参考訳（メタデータ） (2026-09-03T17:49:12Z) - Online Differentially Private Consistent Clustering [75.99116543456606]
オンラインストリーミング環境における差分プライベート(DP)$k$-meansと$k$-medianクラスタリングについて検討した。
入力ストリームの半コアセットであるプライベートストリームに(感性)入力ストリームを変換する汎用的なリダクションを与える。
論文 参考訳（メタデータ） (2026-08-28T04:03:01Z) - Omni2LoRA: Coherence-Preserving Parametric Memory for Efficient Omni Language Models [65.49950267695267]
我々はコヒーレンス保存コンテクスト蒸留によるパラメトリックメモリの効率的な圧縮フレームワークであるOmni2LoRAを紹介する。
本手法は,マルチモーダルメモリを固定予算で再利用可能なパラメータ状態に変換することにより,応答時間のマルチモーダルトーケン負荷をゼロにする。
論文 参考訳（メタデータ） (2026-08-10T07:49:10Z) - Dual-Node NVIDIA DGX Spark over Tailscale: A Remote-Access Testbed for Distributed LLM Training and Cyber-Threat-Intelligence Fine-Tuning [0.0]
本報告では,2つのNVIDIA DGX Sparkシステムを対象とした分散NanoChatプリトレーニングのコンセプト実証について述べる。
このクラスタは400レベルのAIコース(CS 426)とCBS 255のSecurity+ POGILアクティビティ用のクエリエンジンをサポートする。
論文 参考訳（メタデータ） (2026-08-07T13:41:57Z) - Latency-Optimal Adaptive Split Inference for Privacy-Preserving Cloud-Edge-End Collaboration [12.36184530292183]
IoT(Internet of Things)エンドポイントデバイスは、プライバシに敏感なバッチ推論をサポートすることがますます期待されている。
本稿では,プライバシ保護型クラウド-エッジ-エンドコラボレーションのためのレイテンシ最適化型分割推論フレームワークを提案する。
論文 参考訳（メタデータ） (2026-08-02T10:59:07Z) - F-GRPO: Factorized Group-Relative Policy Optimization for Unified Candidate Generation and Ranking [79.49893545611779]
大規模言語モデル(LLM)はサブセットを生成し、それを1つの自己回帰パス内で順序付けることができる。
この柔軟性は、新しい最適化課題をもたらす: モデルが出力空間を検索し、完全なランクリストが生成された後にのみユーティリティフィードバックを受けなければならない。
このクレジット割り当てギャップは、エンドツーエンドの最適化を不安定にし、サンプル非効率にする。
本稿では,単一自己回帰的ロールアウト内の両方を実行する統一フレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-13T04:52:33Z) - PASC: Pipeline-Aware Conformal Prediction with Joint Coverage Guarantees for Multi-Stage NLP and LLM Pipelines [0.11280931253550518]
PASC(Pipeline-Aware Split Conformal)は多段関節カバレッジを1つのスカラー共形予測問題に還元する。
3段階のNER -> NED -> エンティティ・タイピングパイプライン上では、PASCは96.4%、ボンフェロニは93.4%、独立CPは86.5%を達成している。
論文 参考訳（メタデータ） (2026-05-12T08:23:12Z) - dParallel: Learnable Parallel Decoding for dLLMs [77.24184219948337]
拡散大言語モデル(dLLM)は並列トークン予測と低推論遅延を提供する。
既存のオープンソースモデルは、パフォーマンスを確保するためにトークン長のデコードステップをほとんど必要としています。
高速サンプリングのためにdLLMs固有の並列性を解き放つシンプルで効果的な方法であるdParallelを導入する。
論文 参考訳（メタデータ） (2025-09-30T16:32:52Z)
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。