Geri Dön

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

  1. Tez No: 826992
  2. Yazar: DURSUN OYLUM SERİNER GERENLİ
  3. Danışmanlar: PROF. DR. FERRUH ÖZBUDAK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Matematik, Mathematics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Uygulamalı Matematik Enstitüsü
  11. Ana Bilim Dalı: Kriptografi Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. Enhanced secure communication schemes for machine-to-machine and vehicular ad hoc networks

    Başlık çevirisi yok

    UĞUR CORUH

    Doktora

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. OĞUZ BAYAT

  2. Privacy preserving identification in home automation systems

    Ev otomasyon sistemlerinde gizliliği koruyan tanımlama

    ŞEVVAL ŞİMŞEK

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı Üniversitesi

    Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı

    PROF. DR. ALBERT LEVİ

  3. Nesnelerin ınterneti güvenliğinde öznitelik tabanlı erişim kontrolü

    Attribute-based access control in internet of things security

    MELİKE KUKUT

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGebze Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. İBRAHİM SOĞUKPINAR

  4. Automated privacy verification of voting systems

    Başlık çevirisi yok

    MURAT MORAN

    Doktora

    İngilizce

    İngilizce

    2013

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolUniversity of Surrey

    DR. JAMES HEATHER

    DR. STEVE SCHNEIDER

  5. 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

    Türkçe

    2022

    Bilim ve TeknolojiGazi Üniversitesi

    Bilişim Ana Bilim Dalı

    DOÇ. DR. MEHMET DEMİRCİ