Використання протоколiв з нульовим розголошенням в системах штучного iнтелекту

Скорочена інформація про документ
dc.contributor.advisorКудiн,Антон Михайлович
dc.contributor.authorМалютiна, Марина Сергiївна
dc.date.accessioned2026-08-20T07:42:42Z
dc.date.available2026-08-20T07:42:42Z
dc.date.issued2026
dc.description.abstractМетою роботи є пiдвищення рiвня конфiденцiйностi та верифiкованостi систем машинного навчання. Об’єктом дослiдження є процеси верифiкацiї обчислень нейронних мереж iз забезпеченням конфiденцiйностi даних. Предметом дослiдження є методи побудови доказiв з нульовим розголошенням на основi zk-STARK для верифiкацiї iнференсу та захисту навчальних даних багатошарового перцептрона. У роботi проаналiзовано загрози конфiденцiйностi в системах машинного навчання та обґрунтовано вибiр протоколiв доведення з нульовим розголошенням як основи для їх усунення. Дослiджено математичнi основи zk-STARK, методи арифметизацiї обчислень та схеми полiномiальних зобов’язань. Розроблено та реалiзовано iнтегрований протокол трьох взаємопов’язаних STARK-доказiв, який забезпечує одночасну верифiкацiю iнференсу та захист навчального набору даних без розкриття параметрiв моделi, вхiдних даних i тренувальних прикладiв.
dc.description.abstractotherThe aim of the work is to increase the level of confidentiality and verifiability of machine learning systems. The object of the research is the processes of verifying neural network computations while ensuring data confidentiality. The subject of the research is methods for constructing zero-knowledge proofs based on zk-STARK for verifying inference and protecting the training data of a multilayer perceptron. The work analyzes privacy threats in machine learning systems and substantiates the choice of zero-knowledge proof protocols as the basis for their elimination. The mathematical foundations of zk-STARK, methods of arithmetization of computations, and schemes of polynomial commitments are studied. An integrated protocol of three interconnected STARK proofs is developed and implemented, which ensures simultaneous verification of inference and protection of the training dataset without disclosing model parameters, input data, and training examples.
dc.format.extent75 с.
dc.identifier.citationМалютiна, М. С. Використання протоколiв з нульовим розголошенням в системах штучного iнтелекту : дипломна робота ... бакалавра : 113 Прикладна математика / Малютiна Марина Сергiївна. - Київ, 2026. - 75 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/82626
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectzk-STARK
dc.subjectпротоколи з нульовим розголошенням
dc.subjectмашинне навчання
dc.subjectзахист навчальних даних
dc.subjectверифiкацiя iнференсу
dc.subjectzero-knowledge proof protocols
dc.subjectmachine learning
dc.subjecttraining data protection
dc.subjectinference verification
dc.subject.udc004.056.5:004.85
dc.titleВикористання протоколiв з нульовим розголошенням в системах штучного iнтелекту
dc.title.alternativeThe Use of Zero-Knowledge Protocols in Artificial Intelligence Systems
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Maliutina_bakalavr.pdf
Розмір:
720.52 KB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Бакалаврські роботи (ММЗІ)
Бакалаврські роботи