#ml-data-streams

共收录 1 条相关安全情报。

← 返回所有主题
👥 作者: Kentaro Oda

该论文提出 Attestream,一种基于区块链的架构,用于间歇性交付的数据集流,解决持续产生且商业价值高的数据(如传感器流、遥测数据、机器学习训练数据)提供商无法验证数据是否被实际使用的问题。核心思想是将持续交付与可验证的使用报告绑定:数据集准备、双重签名交付、衍生品创建(如模型)及分发等全生命周期事件,均以不可否认且相互关联的生命周期记录追加到链上注册表中。该机制要求可证明的转移而非代币化,普通合约存储、ERC-721 代币及锚定链下收据可作为同一协议的可互换表示。一个使用感知门控会在报告窗口内未注册衍生品创建记录时暂停消费者流,该门控在下一交付交易中惰性评估,不增加额外交易开销。此外,一个模态可插拔的指纹层可将任何泄露副本绑定到对应消费者的双重签名交付记录,已针对表格/地理空间数据、图像和文档实现。作者用 Solidity 合约配合 EIP-712 双重签名实现了注册表并评估:完整生命周期普通记录消耗 657k gas(rollup 上约 0.13 美元;ERC-721 代币化每记录增加约 30k gas);在 50 消费者池中,泄漏归因在 40 条泄露表行下达到 100% 准确率并抵御中等噪声,能抵抗 JPEG 质量 30 的重新压缩,对文档的改写容忍度高达 30%。论文适合关注数据安全、区块链应用、机器学习数据供应链和数字版权管理的读者。

💡 推荐理由: 针对数据流泄露与不可见使用问题提出链上可验证生命周期方案,创新地将门控与指纹结合,为安全社区提供了一种可审计的数据分发与溯源思路,尤其对敏感数据交易场景有参考价值。

🎯 建议动作: 研究跟进

排序因子: 来自 arXiv 其他板块 (+2) | Community 数据源 (+1) | LLM 评分加成 (+0.5)