論文の概要: Authenticated Approximate Nearest Neighbor Search in Outsourced Vector Databases
- arxiv url: http://arxiv.org/abs/2611.16516v1
- Date: Thu, 12 Nov 2026 09:13:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.410287
- Title: Authenticated Approximate Nearest Neighbor Search in Outsourced Vector Databases
- Title(参考訳): アウトソースベクタデータベースにおける認証近似近傍探索
- Abstract要約: 認証グラフに基づくANN検索のための,新規かつ効率的なスキームであるVIDAを提案する。
VIDAは、生ベクトル伝達をコンパクトなベクトルコミットメントに置き換え、集約された内部積論を用いている。
トポロジを意識した認証データ構造であるMeSTは、認証パスをグラフトラバーサルと整合させ、構造的証明オーバーヘッドを著しく低減する。
- 参考スコア(独自算出の注目度): 18.596569281892602
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Approximate Nearest Neighbor (ANN) search has become a fundamental query primitive in modern vector databases for managing large-scale embedding data. To support growing vector collections, organizations increasingly outsource database management and query processing to third-party clouds. However, untrusted service providers may return suboptimal or fabricated results, posing a serious threat to ANN search integrity. Existing authenticated ANN approaches face substantial scalability challenges. They typically require transmitting high-dimensional vectors for distance verification and rely on topology-agnostic authentication structures, resulting in excessive communication and verification overhead. In this paper, we propose VIDA, a novel and efficient scheme for authenticated graph-based ANN search. VIDA replaces raw vector transmission with compact vector commitments and employs an aggregated Inner Product Argument to efficiently verify multiple distance computations. Furthermore, we introduce MeST, a topology-aware authenticated data structure that aligns authentication paths with graph traversal, significantly reducing structural proof overhead. Additionally, we design a quantization-aware authentication strategy that exploits distance bounds for pruning, reducing the number of exact distances requiring cryptographic authentication. Extensive experiments demonstrate that the proposed schemes substantially improve the efficiency of authenticated ANN search, achieving up to a $6.6\times$ speedup in end-to-end latency and reducing data transfer time by up to 99.2% compared with state-of-the-art methods.
- Abstract(参考訳): ANN (Approximate Nearest Neighbor) 探索は,大規模埋め込みデータを管理するため,現代のベクトルデータベースにおいて基本的なクエリプリミティブとなっている。
ベクタコレクションの増加をサポートするために、データベース管理とクエリ処理をサードパーティのクラウドにアウトソースしている。
しかし、信頼できないサービスプロバイダは、最適化された結果または製造された結果を返すことができ、ANNの検索完全性に深刻な脅威をもたらす可能性がある。
既存の認証されたANNアプローチは、相当なスケーラビリティの課題に直面している。
これらは一般的に、距離検証のために高次元ベクトルを送信し、トポロジーに依存しない認証構造に依存し、過剰な通信と検証オーバーヘッドをもたらす。
本稿では,認証グラフに基づくANN検索のための新しい,効率的なスキームであるVIDAを提案する。
VIDAは、生ベクトル伝達をコンパクトなベクトルコミットメントに置き換え、複数の距離計算を効率的に検証するために集約された内部積論を用いている。
さらに,認証パスをグラフトラバーサルに整合させるトポロジ対応の認証データ構造であるMeSTを導入し,構造的証明オーバーヘッドを大幅に低減する。
さらに、暗号認証を必要とする正確な距離数を削減し、プルーニングに距離境界を利用する量子化対応認証戦略を設計する。
大規模な実験により、提案手法は認証されたANN検索の効率を大幅に改善し、エンドツーエンドのレイテンシで最大6.6\times$のスピードアップを実現し、最先端の手法と比較してデータ転送時間を最大99.2%削減することを示した。
関連論文リスト
- Atlas: Efficient Verifiable Semantic Search [42.56979915155187]
私たちはAtlasを紹介します。Atlasは、プロバイダがインデックスを公開せずに、そのコミットインデックスに対して正しく回答したことを証明できるシステムです。
その中核は、3つの技術に基づいて構築されたHNSW検索のための新しいゼロ知識証明である。
Atlasは、検証可能なグラフベースの大規模検索を初めて実証した。
論文 参考訳(メタデータ) (2026-09-10T17:30:39Z) - SearchOS-V1: Towards Robust Open-Domain Information-Seeking Agent Collaboration [77.28003194268977]
SearchOSは、脆弱で暗黙的な検索進捗を明示的で永続的で共有状態に変換するシステムレベルのマルチエージェントフレームワークである。
SOCM上に構築されたSearchOSは、サブエージェントの実行を重複させるパイプライン並列スケジューリングメカニズムを適用している。
SearchOSは評価されたシングルエージェントとマルチエージェントのベースラインの中で、すべてのメトリクスをリードする。
論文 参考訳(メタデータ) (2026-07-16T17:51:23Z) - EEVEE: Towards Test-time Prompt Learning in the Real World for Self-Improving Agents [64.96332056338923]
EEVEEは、LLMエージェントのための最初のマルチデータセットテスト時プロンプト学習フレームワークである。
実世界のタスクストリーム下でテスト時のプロンプト学習を可能にする。
EEVEEはQwen3-4B-InstructとDeepSeek-V3.2で平均マルチベンチマークスコアを10.38点、24.32点改善している。
論文 参考訳(メタデータ) (2026-06-09T17:57:16Z) - Beyond Semantic Similarity: Rethinking Retrieval for Agentic Search via Direct Corpus Interaction [127.64173950476702]
エージェントが直接、汎用端末ツールを用いて、生コーパスを直接検索する直接コーパス間相互作用(DCI)について検討する。
このアプローチではオフラインインデックスを必要とせず、ローカルコーパスの進化に自然に適応する。
IRベンチマークとエンドツーエンドのエージェント検索タスク全体にわたって、この単純なセットアップは、強いスパース、密度、リランクベースラインよりも大幅に優れています。
論文 参考訳(メタデータ) (2026-05-03T19:13:11Z) - From HNSW to Information-Theoretic Binarization: Rethinking the Architecture of Scalable Vector Search [0.7804710977378487]
本稿では,支配的な"HNSW + float32 + cosine similarity"スタックのアーキテクチャ的制約を分析する。
最大情報二項化(MIB)に基づく代替情報理論アーキテクチャの導入と実証評価を行った。
その結果,完全精度のシステムに匹敵する検索品質を示すとともに,レイテンシを大幅に低減し,高い要求レートで一定のスループットを維持することができた。
論文 参考訳(メタデータ) (2025-12-16T23:24:37Z) - Demystifying and Enhancing the Efficiency of Large Language Model Based Search Agents [9.862334188345791]
大規模言語モデル(LLM)に基づく検索エージェントは,複雑なタスクを解く際,顕著な能力を示した。
LLMベースの検索エージェントのための高効率推論フレームワークであるSearchAgent-Xを紹介する。
SearchAgent-Xは、vLLMやHNSWベースの検索のような最先端システムよりも一貫して優れている。
論文 参考訳(メタデータ) (2025-05-17T16:07:01Z) - Task-Oriented Feature Compression for Multimodal Understanding via Device-Edge Co-Inference [54.53508601749513]
本稿では,マルチモーダル理解のためのタスク指向特徴圧縮(TOFC)手法を提案する。
圧縮効率を向上させるために、視覚特徴の特性に基づいて複数のエントロピーモデルを適応的に選択する。
その結果,TOFCはデータ転送オーバーヘッドを最大52%削減し,システム遅延を最大63%削減できることがわかった。
論文 参考訳(メタデータ) (2025-03-17T08:37:22Z) - RIDE: Real-time Intrusion Detection via Explainable Machine Learning
Implemented in a Memristor Hardware Architecture [24.824596231020585]
本稿では、パケットの任意の長さのシーケンスをよりコンパクトな結合機能埋め込みに統合するために、リカレントオートエンコーダを利用するパケットレベルのネットワーク侵入検出ソリューションを提案する。
提案手法は,パケットレベルで高い検出精度で,極めて効率的かつリアルタイムな解が得られることを示す。
論文 参考訳(メタデータ) (2023-11-27T17:30:19Z) - MD-CSDNetwork: Multi-Domain Cross Stitched Network for Deepfake
Detection [80.83725644958633]
現在のディープフェイク生成法では、偽画像やビデオの周波数スペクトルに識別的アーティファクトが残されている。
MD-CSDNetwork(MD-CSDNetwork)と呼ばれる新しい手法を提案する。
論文 参考訳(メタデータ) (2021-09-15T14:11:53Z) - Sequential End-to-end Network for Efficient Person Search [7.3658840620058115]
人物検出と人物再識別(re-ID)を共同で解決することを目的とした人物探索
既存の研究は、Faster R-CNNに基づくエンドツーエンドネットワークを設計している。
優れた特徴を抽出するためのシーケンシャルエンドツーエンドネットワーク(SeqNet)を提案する。
論文 参考訳(メタデータ) (2021-03-18T10:28:24Z)
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。