PulseAugur
中
实时 09:44:40
English(EN) ZK-SR117: A Chunked Zero-Knowledge Attestation Design for Aggregated Fair-Lending Metrics, with a Control Mapping toward Full SR 11-7 Coverage

新的零知识设计向监管机构证明公平借贷指标

作者 PulseAugur 编辑部 · [1 个来源] ·

一篇新的研究论文介绍了 ZK-SR117，这是一种专为聚合公平借贷指标设计的零知识证明新方法。该系统允许金融机构在不泄露敏感模型权重或客户数据的情况下，证明其符合 SR 11-7 和 OCC 2011-12 等法规。该设计在一个大型数据集上成功证明了公平性统计数据和预期校准误差，在可扩展性和效率方面优于其他方法。 AI

影响 使金融机构能够在不损害数据隐私的情况下满足人工智能模型的监管合规性。

排序理由 该集群包含一篇学术论文，详细介绍了零知识证明的新技术设计。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的零知识设计向监管机构证明公平借贷指标

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Mohammad Nasir Uddin, Rahnuma Tabassum Orpita, Eklachur Rahman Bhuiyan, Asaduzzaman Anik ·

    ZK-SR117：一种分块零知识证明设计，用于聚合公平借贷指标，并带有实现SR 11-7全面覆盖的控制映射

    arXiv:2608.02664v1 Announce Type: cross Abstract: Deploying ML models in regulated decision-making (credit underwriting, fraud detection, loan approval) requires demonstrating fairness and robustness to auditors without exposing model weights or customer data. We address this att…

相关实体

相关话题