ZK-SR117은 은행이 모델 가중치나 고객 데이터를 노출하지 않고도 공정 대출 규제(SR 11-7) 준수를 감사기관에 증명할 수 있는 청크 단위 영지식증명(zkSNARK) 설계를 제시한다. 2022년 HMDA 모기지 데이터 32,768건을 32개 청크로 나눠 각각 증명한 결과, 집계된 인구통계학적 공정성 격차가 실제값과 0.0029 이내로 일치했고 청크당 증명 시간은 4초 미만이었다. 동일 구조로 기대 보정 오차(ECE) 지표도 검증해 확장성을 보였으며, 평탄 합산·트리 축소 방식 등 대안 회로는 수만 건 규모에서 계산이 불가능하거나 오버플로가 발생해 청크 설계만이 이 규모에 도달했다. 규제 대응형 AI 감사에 영지식증명을 실용적으로 적용할 수 있음을 보여주는 사례다.
- •32,768건의 HMDA 데이터를 32개 zkSNARK로 검증, 공정성 격차 오차 0.0029 이내
- •청크당 증명 시간 4초 미만으로 대규모 데이터에서도 실용적 속도 달성
- •평탄 합산·트리 축소 등 대안 회로는 수천 건 이상에서 오버플로·계산 불가
- •센티널 코드 이상치로 인한 데이터 품질 오류를 발견·해결, 전처리 규격 공개
- •SR 11-7·OCC 2011-12 통제 요소 9개를 영지식 진술로 매핑하는 설계 제안
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
ZK-SR117: A Chunked Zero-Knowledge Attestation Design for Aggregated Fair-Lending Metrics, with a Control Mapping toward Full SR 11-7 Coverage
본문 미리보기
arXiv:2608.02664v1 Announce Type: new 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 attestation problem for U.S. bank supervision under SR 11-7 and OCC 2011-12 guidance. We present a chunked zero-knowledge circuit design that attests an aggregated fairness statistic - the demographic-parity gap - on committ
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 10:57AI 초안
