[論文レビュー] PAC to the Future: Zero-Knowledge Proofs of PAC Private Systems

Guilhem Repetto, Nojan Sheybani+2 more|arXiv (Cornell University)|Feb 12, 2026

Cryptography and Data Security被引用数 0

ひとこと要約

本論文は、PAC Privacyとゼロ知識証明を組み合わせたフレームワークを提案し、非対話型 zk-STARK を用いたアウトソーシング計算において、検証可能で量子後の安全性を持つプライバシーを実現する。

ABSTRACT

Privacy concerns in machine learning systems have grown significantly with the increasing reliance on sensitive user data for training large-scale models. This paper introduces a novel framework combining Probably Approximately Correct (PAC) Privacy with zero-knowledge proofs (ZKPs) to provide verifiable privacy guarantees in trustless computing environments. Our approach addresses the limitations of traditional privacy-preserving techniques by enabling users to verify both the correctness of computations and the proper application of privacy-preserving noise, particularly in cloud-based systems. We leverage non-interactive ZKP schemes to generate proofs that attest to the correct implementation of PAC privacy mechanisms while maintaining the confidentiality of proprietary systems. Our results demonstrate the feasibility of achieving verifiable PAC privacy in outsourced computation, offering a practical solution for maintaining trust in privacy-preserving machine learning and database systems while ensuring computational integrity.

研究の動機と目的

• 大規模な ML およびデータシステムのアウトソーシングにおけるプライバシー問題を動機付ける。
• 信頼不要環境で正しく PAC プライバシーノイズが適用されていることを検証するフレームワークを導入する。
• 正しい計算を証明する非対話型、ポスト量子安全な零知識証明を提供する。
• クラウドベースの ML およびデータベースタスクにおける検証可能な PAC プライバシーの実現可能性と実用性を示す。

提案手法

• ノイズ適用が正しく行われたことを証明するために PAC Privacy をゼロ知識証明と組み合わせる。
• 信頼設定を回避し公開検証性を可能にする非対話型 zk-STARK を使用する。
• 検証可能なノイズ計算を可能にする two deterministic functions f_h および f_PAC を定義する。
• Σ を公開せずにノイズ共分散と PAC-privacy 実装が正しいことをサーバーが証明するワークフローを提供する。
• RISC-Zero フレームワーク内で K-means、SVM、データベース統計量などの機構を実装・評価する。

Figure 2. Evolution of the centroids after some iterations of the Risc-Zero implementation of $4$ -means ( $K=4$ )

実験結果

リサーチクエスチョン

• RQ1 アウトソーシング計算において PAC プライバシーのノイズが正しく計算・適用されたことをゼロ知識証明で認証できるか。
• RQ2 ポスト量子安全な非対話 ZKPs は、機密パラメータを暴露せずに検証可能なプライバシ保証をどのように可能にするか。
• RQ3 ML およびデータベースワークロードにおける zk-STARKs を用いた PAC privacy の実装の実用性とオーバーヘッドはどの程度か。

主な発見

• zk-STARK を用いたアウトソーシング計算における検証可能な PAC プライバシーの実現性を示す。
• Σ のような private parameters を暴露せずに PAC プライバシー用ノイズを生成・証明できることを示す。
• ML およびデータベースタスクにおける証明生成のオーバーヘッドを最小限に抑えつつ近似的平文利用性を実証する。
• 既存の機構（K-means、SVM、データベース統計量）を PAC-プライベートで ZKP対応のワークフローに適応する。
• RISC-Zero を活用して非対話型・透明な証明を実現するエンドツーエンドのフレームワークを提供する。