「ゼロ知識証明」に関する研究記事 8 件を、新しい順に掲載しています。
暗号通信の土台となる「擬似ランダム関数（PRF）」の一種であるLegendre PRFを、従来より広い数学的条件（拡大体）で使った場合の安全性を初めて体系的に分析しました。
AIモデルを微調整（ファインチューニング）した際に、悪意ある変更が紛れ込んでいないかを暗号技術で証明する新しい枠組み「ファインチューニング完全性（FTI）」が提案されました。
数百万〜数億パラメータ規模のデータでも、サーバ間の通信量をデータ次元に依存させずにプライバシーを守りながら集約できる新手法TAPASを提案しました。
高価なAIモデルを利用する際、本当にそのモデルが使われたかをユーザーが確認する手段がない、という課題があります。
『設計図』を秘密にしたまま、ハードウェアが仕様通りに正しく動作することを証明する新技術『ZK-CEC』を提案しました。
公共の電波を安全に共有する新しい仕組みでは、利用者の身元情報が漏洩するプライバシーリスクが課題でした。
AIモデルが「約束通りのデータで正しく学習されたか」を、学習データやモデル内部を一切見せずに証明する新技術「ZKBoost」が提案されました。
取引ごとの重いデジタル署名検証を、軽量な認証とブロック単位の「ゼロ知識証明」に置き換える新しい方式を提案しています。
ブックマークするには Google アカウントでログインしてください。端末をまたいで同期されます。
