Secure model verification and privacy preservation with ZK-SNARKs and neural networks
ZK-SNARK ve sinir ağları ile güvenli model doğrulama ve özel verinin korunması
- Tez No: 826992
- Danışmanlar: PROF. DR. FERRUH ÖZBUDAK
- Tez Türü: Yüksek Lisans
- Konular: Matematik, Mathematics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Uygulamalı Matematik Enstitüsü
- Ana Bilim Dalı: Kriptografi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 101
Özet
Yapay sinir ağları günümüzde birçok uygulama alanında başarılı sonuçlara ulaşmak için yaygın olarak kullanılan öğrenme modelleridir. Ancak, bu ağların doğruluğunun ve güvenilirliğinin kanıtlanması ve paylaşılması genellikle gizlilik ve güvenlik sorunları nedeniyle sınırlıdır. Bu çalışmada, yapay sinir ağlarının içsel bileşenlerini ortaya çıkarmadan doğruluğunu kriptografik olarak kanıtlayan bir yöntem sunulmaktadır. Yöntem, sinir ağlarının nihai ağırlıkları, bias değerleri ve girdilerinden yararlanarak bu elemanları içeren bir devre oluşturmak için Circom programlama dili kullanılarak sunulmuştur. Circom programlama dilinin kullanılması, sinir ağı elemanlarının elektronik devrelere dönüştürülmesini mümkün kılar. Ortaya çıkan devre, sinir ağı modelinin temsilini içerir ve girdilerden çıktılara dönüşümü taklit eder. Ayrıca, sinir ağının doğruluğunu özel bilgileri sızdırmadan kanıtlamak için Zero Knowledge Proof sistemi olan Groth16 ile birlikte kullanılır. Bu çalışmada olduğu gibi yeni üretilen devre zkREPL veya terminal yardımıyla kullanılabilir. Sonuç olarak, sinir ağı modelinin gerçek dünya performansını kanıtlamak ve modelin güvenilirliğini artırmak için deneysel bir yöntem sunulmuş ve literatürde bulunan bilgiler kullanılarak mevcut güvenliğik probleminin çözümüne yönelik uygulanacak bir yaklaşım araştırılmıştır. Bu sayede gizli girdiler doğrudan karşı tarafa söylenmeden modelin doğruluğu kanıtlanabilmektedir.
Özet (Çeviri)
Neural networks are widely used learning models to achieve successful results in many application areas today. However, proving and sharing the accuracy and reliability of these networks is often limited due to privacy and security challenges. In this study, a method of cryptographic proving the accuracy of neural networks without revealing their intrinsic components is presented. The method is presented by using the Circom programming language to create a circuit containing these elements by making use of the final weights, bias values, and inputs of the neural networks. The use of the Circom programming language makes it possible to convert neural network elements into electronic circuits. The resulting circuit contains the representation of the neural network model and mimics the transformation from inputs to outputs. It is also used with Groth16 which is a Zero Knowledge Proof system to prove the accuracy of the neural network without leaking private information. As in this study, the newly produced circuit can be used with the help of zkREPL or terminal. As a result, an experimental method is presented to prove the real-world performance of the neural network model and increase the reliability of the model, and using the knowledge found in the literature, an approach has been explored to be implemented to solve current security problems. In this way, the correctness of the model can be proven without directly telling the hidden inputs to the other party.
Benzer Tezler
- Enhanced secure communication schemes for machine-to-machine and vehicular ad hoc networks
Başlık çevirisi yok
UĞUR CORUH
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. OĞUZ BAYAT
- Privacy preserving identification in home automation systems
Ev otomasyon sistemlerinde gizliliği koruyan tanımlama
ŞEVVAL ŞİMŞEK
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
PROF. DR. ALBERT LEVİ
- Nesnelerin ınterneti güvenliğinde öznitelik tabanlı erişim kontrolü
Attribute-based access control in internet of things security
MELİKE KUKUT
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGebze Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM SOĞUKPINAR
- Automated privacy verification of voting systems
Başlık çevirisi yok
MURAT MORAN
Doktora
İngilizce
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolUniversity of SurreyDR. JAMES HEATHER
DR. STEVE SCHNEIDER
- Elektronik sağlık kayıtlarının etkin ve güvenli yönetimi için blokzinciri tabanlı çözüm önerileri
Blockchain-based solution proposals for efficient and safe management of electronic health records
ALHUMEIRA FAROUG OSMAN MOHAMED
Yüksek Lisans
Türkçe
2022
Bilim ve TeknolojiGazi ÜniversitesiBilişim Ana Bilim Dalı
DOÇ. DR. MEHMET DEMİRCİ