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.
Pacmann: Efficient Private Approximate Nearest Neighbor Search
- 1.Pacmann은 그래프 기반 ANN 탐색과 PIR을 결합해 쿼리 벡터를 서버에 노출하지 않고 검색 수행
- 2.클라이언트가 그래프 탐색 일부를 맡아 무거운 암호 연산 없이도 효율적 구조 구현
- 3.기존 프라이뱗 ANN 대비 검색 정확도 최대 2.5배 향상, 비공개 알고리즘 대비 90% 품질 달성
- 4.1억 개 벡터 규모에서 연산시간 63%, 지연시간 24% 감소로 확장성 개선
왜 중요한가?
벡터 데이터베이스에서 쿼리 프라이버시를 지키면서도 실용적 속도를 확보한 접근으로, 민감 데이터를 다루는 검색·추천 시스템에 프라이버시 보존 ANN을 적용할 수 있는 실질적 대안을 제시한다.
언급 프로젝트
본문 미리보기
We propose a new private Approximate Nearest Neighbor (ANN) search scheme named Pacmann that allows a client to perform ANN search in a vector database without revealing the query vector to the server. Unlike prior constructions that run encrypted search on the server side, Pacmann carefully offloads limited computation and storage to the client, no longer requiring computationally-intensive cryptographic techniques. Specifically, clients run a graph-based ANN search, where in each hop on the gr
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 11:05AI 초안



