暗号学的コミットメントとハッシュチェーン監査台帳検証による大規模会話データ監査可能性
Large-scale conversational data auditability via cryptographic commitments and hash-chained audit-ledger verification
本稿は、大規模言語モデル(LLM)システムの監査可能性を実現するため、機密情報を公開せずに検証可能な証拠を提供するハッシュチェーン監査台帳フレームワークを提案する。このフレームワークは、公開LLM会話をオフチェーンの正規単位に変換し、SHA-256およびHMAC-SHA-256を用いて暗号学的コミットメントを生成し、メルクルートを用いて軽量な台帳を構築し、改ざんに対する整合性を検証する。LMSYS-Chat-1M、WildChat、Chatbot Arenaの3つの異種ソースを統合し、3,971,887の監査可能単位を生成した。フルコーパスHMAC-SHA-256実験では、11,899.55 MiBの正規化リポジトリが、ハッシュのみの監査記録1,473.44 MiB、台帳ブロックヘッダー2.03 MiB、およびレコードレベル検証に必要な運用台帳とメンバーシップ構造380.52 MiBで表現された。5つの改ざんカテゴリ(メルクルートと決定ハッシュの整合性、ハッシュチェーンリンケージの整合性、ブロック順序の整合性、メンバーシップの完全性、データセットメンバーシップの一貫性)が検出され、偽陽性はなかった。5つの改ざんカテゴリ(メルクルートと決定ハッシュの整合性、ハッシュチェーンリンケージの整合性、ブロック順序の整合性、メンバーシップの完全性、データセットメンバーシップの一貫性)が検出され、偽陽性はなかった。ロード実験では、監査レコード数に対する平均パイプライン時間のほぼ線形な増加が示された。運用台帳ステージのスループットは中間ワークロードで増加したが、評価された最大負荷では低下した。一方、レコードセット全体の検証スループットは、250,000インタラクションまでは比較的安定していたが、500,000インタラクションのシナリオでは低下した。この貢献は、LLMによって生成された決定のトレーサビリティが、測定可能でプライベート、かつ暗号学的に検証可能な実験チェーンとして定式化できることを示している。このフレームワークは、台帳状態が保存されたアーティファクト、信頼されたチェックポイント、または外部でアンカーされたコミットメントに対して評価される際に、独立した一貫性評価、規制遵守、およびフォレンジック分析のための文書化された数値監査基盤を提供する。
- LLMの監査可能性を実現するハッシュチェーン監査台帳フレームワークを提案し、公開LLM会話をオフチェーンの正規単位に変換してSHA-256/HMAC-SHA-256の暗号学的コミットメントとメルクルートで軽量台帳を構築する手法を示した
- LMSYS-Chat-1M、WildChat、Chatbot Arenaの3つの異種データソースを統合し、3,971,887の監査可能単位を生成した
- フルコーパスHMAC-SHA-256実験で、11,899.55 MiBの正規化リポジトリがハッシュのみの監査記録1,473.44 MiB、台帳ブロックヘッダー2.03 MiB、レコードレベル検証用の運用台帳とメンバーシップ構造380.52 MiBで表現できた
- メルクルート整合性、ハッシュチェーンリンケージ、ブロック順序、メンバーシップ完全性、データセットメンバーシップ一貫性の5つの改ざんカテゴリを検出し、偽陽性はなかった
- ロード実験で監査レコード数に対する平均パイプライン時間のほぼ線形な増加を確認し、検証スループットは250,000インタラクションまで安定、500,000インタラクションで低下した
LLMの監査可能性を暗号学的コミットメントとハッシュチェーン台帳で担保する研究。投資家視点では、大規模モデルの透明性・トレーサビリティがEU AI Actなどの規制対応コストに直結するため、監査レコードを1,473MiB程度まで圧縮できるこの手法は、データセット事業者やモデル提供者のコンプライアンス・インフラ需要を生む可能性がある。ただし現時点では実験段階の学術成果であり、商用製品化や採用企業の発表ではない点には留意が必要。AIガバナンス/監査ツールへの投資テーマの材料として押さえておきたい。