SlideShare a Scribd company logo
1 of 49
Download to read offline
論文紹介
THEMIS: Decentralized and Trustless Ad Platform
with Reporting Integrity
Gonçalo Pestana et al., 2020
Agenda
選んだ理由
論文概要
モチベーション
貢献
前提知識
登場人物
システム概要
システム詳細
実験
選んだ理由
3rdパーティー事業者におけるオンライン広告事業の別の世界線探し
1stパーティ以外での最適化の難易度年々上がるのでは?
ビジネス的にジリ貧では?
Apple, Googleのデータ寡占も難しくなるのでは?
GDPR, 各国の独禁法, DEPAなど
オンライン広告にも分散管理の世界線があるのでは?
システム論文も世の中には結構あるしエンジニア系の人にもMLOps論文とか紹介
してもらえれば読み会の幅が広がるのでは?
論文概要 - モチベーション
我々はプライバシーに多大な犠牲を払いウェブサイトに無料でアクセスできる
また大量の広告収入とユーザデータを吸収する第三者や仲介業者を盲信する必要
がある
これがユーザが広告ブロッカーを使って広告を拒否する理由の一つ
その結果パブリッシャーは数百万ドルもの広告収入の損失を被っている
既存のプライバシー保護を目的とした広告手法(Adnostic, Privad, Brave Adsな
ど)は以下の課題がある
広告主に提供するパフォーマンス分析の完全性を保証することができていな
い
ユーザが監査できなにも関わらず信頼しなければならない中央管理に依存
分散管理できてユーザの盲信をなくせる新しいプライバシーバイデザイン広告プ
ラットフォームを作るしかない
論文概要 - 貢献
広告を見たユーザに報酬を与える新しいプライバシー保護広告プラットフォー
ム"THEMIS"を提案
分散管理(単一の中央機関に依存しない)
スマートコントラクトを活用してユーザと広告主の間で報酬の計算と支払い
機能を提供
実現可能性を評価するためにプロトタイプをRustとSolidityで実装
prototype
論文概要 - 貢献
実験でスケーラビリティと実用性を評価
単一サイドチェーン
単一のサイドチェーンでは毎月約5100万人のユーザの報酬支払いをサポ
ート
マルチサイドチェーン
3つのサイドチェーンの並列セットアップでは1億5300万人のユーザをサ
ポート
THEMISが線形にスケールすることを証明
ユーザエンゲージメントの向上
クリック率が2% -> 14%に向上
前提知識
Proof of Authority Blockchains
Private input transactions
Cryptographic Tools
機密保持(Confidentiality)
完全性(Integrity)
信頼の分散(Distribution of trust)
ブロックチェーンのコンフィデンシャルペイメント(Confidential payments
for account-based blockchains)
前提知識 - Proof of Authority Blockchains
スマートコントラクトベースのブロックチェーン
PoA (Proof-of-Authority)ブロックチェーンを使用
相対的なスケーラビリティが高い
PoAブロックチェーンは許可制のバリデーションノードプールによるコンセンサ
スに依存する分散型台帳で構成される
PoAのバリデータはIBFT/IBFT2.0, Cliqueなどの高速なコンセンサスプロトコル
に依存
PoAは従来のPoWベースのブロックチェーンよりも高速/高トランザクション
スループットを達成可能
THEMISではバリデータのセットはパブリッシャーやファウンデーションで構成さ
れることがある
前提知識 - Private input transactions
プライバシー維持のための機能
THEMISはQuorum PoAサイドチェーンで定義されたprivate input transactionを使
用
スマートコントラクトで実現するには入力を全てのバリデータの公開鍵で暗号化
する必要がある
入力と出力の両方をバリデータの公開鍵で暗号化することでパラメータは公開情
報という文脈では秘密になる
しかし同時にバリデータノードは値を復号化しコンセンサスを得るためにス
マートコントラクトを正しく実行することができる
簡略化のため本稿ではバリデータの公開鍵を1つとし と表記
QuorumやHyperledger Besuはプライベートなトランザクションの入出力を実装し
たEthereumベースの分散型台帳の実装
pk ​
V
前提知識 - Cryptographic Tools
機密保持(Confidentiality)
ユーザの行動(広告のクリックなど)を秘密にしながら各ユーザに対する報酬の
支払いを計算するために加法準同型暗号を使用
本論文では楕円ElGamal暗号を使用
暗号関数
公開鍵 とメッセージ を入力して暗号文 を出力
復号関数
暗号文 と秘密鍵 を入力して復号されたメッセージ を出
力
署名関数
メッセージ と秘密鍵 を入力として当該メッセージに対する署名
を出力
pk M C = Enc(pk, M)
C sk M = Dec(sk, C)
M sk S =
Sign(sk, M)
前提知識 - Cryptographic Tools
完全性(Integrity)
正しい復号を証明するためにゼロ知識証明(ZPK)を活用
あるエンティティ(prover: 証明者)が別のエンティティ(verifier: 検証者)
に対してある文が秘密の入力に対して真であることを証明するもの
簡単に言うと情報を公開しないままある事象が真であることを証明するもの
この証明では文が真であるかどうか以外の情報は一切開示されない
THEMISはZKPを利用してクライアント側の計算を軽減しつつ整合性とプライバシ
ーを維持
より正確にはユーザは獲得した報酬の支払いを復号でき、その復号化された情報
が正しいことを証明
証明を という記号で表す
証明の検証を という記号で表す
Π
Π.Verify
前提知識 - Cryptographic Tools
信頼の分配(Distribution of trust) <- マルチパーティ計算の話
ユーザの機密情報を暗号化するための公開鍵と秘密鍵のペアを広告キャンペーン
ごとに生成
THEMISでは分散鍵生成(DKG)プロトコルを利用
参加者のグループが鍵ペア を分散生成
この時各参加者は秘密鍵 を共有し完全な秘密鍵 の知識を得ることはない
結果として得られる鍵ペアは 閾値鍵ペア(threshold key-pair)であり鍵を分散
生成した 人の参加者のうち少なくとも 人が復号/署名プロトコル中に相互作用
する必要がある
これには同期型と非同期型の方式があるが同期型のスキームをベースに構築
参加者数が少なく鍵生成時に参加者がオンラインであることがインセンティ
ブとなるため
(pk ​
, sk ​
)
T T
sk ​
T,i sk ​
T
k − n
n k
前提知識 - Cryptographic Tools
信頼の分配(Distribution of trust)
THEMISでは検証可能なランダム関数(VRF)を利用
VRFは公開鍵と秘密鍵のペア(VRF.pk, VRF.sk)を入力としてVRF.Randを乱数として
生成
正しく生成されたことを証明するゼロ知識証明 を併せて出力
where is a random seed
ΠVRF
(VRF.Rand, Π ) =
VRF VRF.RandGen(VRF.sk, ϵ)
ϵ
前提知識 - Cryptographic Tools
ブロックチェーンのコンフィデンシャルペイメント(Confidential payments for
account-based blockchains)
アカウントベースのブロックチェーンにおける機密性の高い支払いは送金される
資産の金額やアカウントの残高を開示することなくアカウント間での資産の移動
を可能にする
送信者は支払いの正しさを証明することができる(二重払いがなかったとか)
AZTECとZetherの2つのソリューションのスループットを調査
Zetherは支払い証明検証のバッチ処理を提供していないため支払いの決済に
かかる時間は発行された支払いの数に比例して増加
AZTECを採用
AZTECは証明の一括生成可能
AZTECによる決済によりTHEMISは月に5,090万回の決済が可能
前提知識 - Cryptographic Tools
ブロックチェーンのコンフィデンシャルペイメント(Confidential payments for
account-based blockchains)
AZTECプロトコルはEthereumVM上に機密資産を構築するためのツールキットとス
マートコントラクトのセットを実装している
つまりSolidityが使える
AZTECプロトコルは資産取引の残高を開示せずに取引を検証/有効化するためのコ
ミットメントスキームとゼロ知識証明を定義
登場人物
PoAバリデータノード(PoA validator nodes)
キャンペーンファシリテータ(CF)
広告主(Advertisers)
ユーザ(Users)
登場人物 - PoAバリデータノード
THEMISはPoAサイドチェーンを活用
許可されたバリデーターノードのプールによるコンセンサスに依存
バリデーターの役割はサイドチェーンのブロックをマイニングすること
独立性とサイドチェーンのゼロトラスト要件を維持するために悪いことしそうに
ない独立した第三者(電子フロンティア財団(EFF)など)によってメンテされる
登場人物 - キャンペーンファシリテータ(CF)
CFはTHEMISプロトコルの実行を支援するPoAコンソーシアムによって認可された
エンティティ
広告主と対話して広告ポリシーに合意しPoAサイドチェーンにスマートコントラ
クトを展開
ユーザへの秘密かつ検証可能な支払いを実行する責任も負う
CFが誤動作した場合システムは検知することができるのでヤバいCFがいてもシス
テムの治安は守られる
登場人物 - 広告主(Advertisers)
広告主はTHEMISで展開する各広告キャンペーンのポリシーにCFと合意する
広告主はキャンペーンのパフォーマンスについてフィードバックを受け取る
広告主はレポートの妥当性を確認することができる
広告主は請求された金額が妥当かどうかをPoAサイドチェーンを通して検証する
ことができる
登場人物 - ユーザ(Users)
ユーザは広告プラットフォームを通じて広告を見る/クリックする
ユーザにはPoAサイドチェーンを通して報酬が計算され支払われる
THEMISのユーザは他のユーザとP2Pで交流するコンセンサスプールに参加するこ
ともできる
それらをコンセンサス参加者(Con.Part)と呼んでいる
システム概要
設計にあたり重要視したもの
プライバシー
分散化と監査可能性
スケーラビリティ
セキュリティ
通信の盗聴
リプレイ攻撃
プロトコルに従わない不正行為
提供してないもの
クライアント側の不正行為防止
bot clicks、click farm、sybil attackなど
システム概要 - プライバシー
ユーザおよび広告主が重要な情報を開示せずにシステムを利用できることをプラ
イバシーと定義
ユーザ目線では自分の興味や好みを第三者に明かすことなく広告とインタラクト
(すなわち、閲覧、クリック)できることを意味
ユーザが報酬を請求するときにもユーザのプライバシーを保護
プロセス全体を通して広告ポリシーを秘密にできる
広告ポリシーに基づいてユーザが(証明可能な)報酬を請求できる
システム概要 - 分散化と監査可能性
既存の広告プラットフォームではプロトコルの実行を管理/指揮するために単一の
中央機関が必要
プライバシーと課金の両方が単一の権限者の行動に依存
しかし現行のアドプラットフォームでは信頼されていると考えられているエンテ
ィティが不正することもできる
レポートの不正とか
THEMISの主要な目標の1つは信頼の分散化(ゼロトラスト)
これを実現するためにTHEMISはスマートコントラクト機能を備えたPoAブロック
チェーンを活用
監査可能性を提供するためにTHEMISはゼロ知識証明を活用して請求と報告の両方
の正しさと妥当性を保証し操作の信憑性を確認できるようにした
システム概要 - スケーラビリティ
広告プラットフォームはシームレスに拡張し何百万人ものユーザにサービスを提
供できる必要がある
THEMISは
何百万人ものユーザに対してプライバシーを保護しながら広告を配信
支払いをタイムリーかつリソース効率の良い方法で完了
システム概要
広告のマッチング
事前に学習されたモデルに基づいて局所的に行われる
ユーザの関心事はウェブの閲覧履歴から抽出される
ユーザのデバイスからデータが出ることはない
詳細はBATのWhite paper参照
ちゃんと読んでないけどFederated Learningと同じようなことをして
いると考えておけば良さそう
システム概要
表示された広告やクリックされた広告からフィアットマネー、暗号通貨、クーポ
ンなどの報酬が得られる
報酬額は広告作成者(広告主)とCM/CFが合意することで決まる
ユーザは定期的に(例:2日、1週間、1ヶ月ごと)に報酬を請求
論文中ではStraw-man ApproachとTHEMISに分けて説明がされている
Straw-man ApproachはTHEMISと中央集権型のシステムの違いをわかりやす
くするものなので説明割愛
システム詳細
中央集権型システム(straw-man approach)の課題
広告主は各広告キャンペーンに設定された予算を預かるキャンペーンマネージャ
(CM)を盲目的に信頼する必要がある
CMは以下を担当
プロトコルオーケストレーション
レポート処理
ユーザに支払われるべき報酬の計算
ユーザと広告主はCMが支払いの際に合意したポリシーを尊重し正しい量の報酬が
送金されることを信頼しなければならない(Fig.3 step 3c)
CM, 広告主ともにパフォーマンスの検証ができない
プロトコル全体が単一の中央機関の信頼性に依存
ユーザや広告主はプロトコルが期待通りに実行されているかどうかを検証す
るメカニズムを持っていない
システム詳細
THEMISの上の課題への対処
分散型PoA台帳の活用
ビジネス/支払ロジックはスマートコントラクトを通して実行
THEMISの参加者全員がプロトコルを正しく実行していることを検証できる
検証可能性に関してゼロトラスト
システム詳細
THEMISの上の課題への対処
具体的には2つのスマートコントラクトを定義(スマートコントラクトの構造の詳
細については付録A参照)
ポリシースマートコントラクト(PSC)
ユーザの報酬の請求と支払い要求の検証を担う
Enc が格納される
The Fund Smart Contract (FSC)
キャンペーンの実行に必要な資金の受取/預託の役割を果たす
以下の資金のやり取りを担当
ユーザ報酬に必要な資金
広告主への払戻金
CFの処理手数料
P
システム詳細
THEMISの上の課題への対処法
CMの代わりにCFを導入
コンセンサスプールの活用によるパフォーマンスレポート作成
CFの役割
広告主のポリシー(広告ごとの報酬や広告ごとのインプレッション数など)
を交渉すること
スマートコントラクトをPoA台帳に展開
オンチェーンでの支払処理
システム詳細
THEMISでは誰もがCFの行動を監査/検証できる
広告主は評判に基づいてCFを選ぶことができる
CFは広告主から処理手数料を受け取る
タスク実行のインセンティブ
ユーザがマルチパーティプロトコルを実行して広告キャンペーンのパフォーマン
スレポートを広告主に提供
参加ユーザを"コンセンサスプール"と呼ぶ
システム詳細
DEFINING AD REWARDS, CLAIMING AD REWARDS, PAYMENT REQUEST, PAYMENT
システム詳細 - PHASE 1. DEFINING AD REWARDS
1a
広告主はポリシー(広告ごとの報酬とか)をCFに送信する
CFと連携するのに必要
各広告主は広告キャンペーンごとに共通鍵 をCFと交換
広告主は対応する広告キャンペーンを暗号化
広告クリエイティブとともにCFに送信
CF
復号化してポリシーが合意通りであることを確認
広告主の暗号化されたポリシーを暗号化されたポリシーベクトルEnc
に統合
S ​
i
P
システム詳細 - PHASE 1. DEFINING AD REWARDS
1b
CFは広告カタログを2つのパブリックスマートコントラクトに展開
CFはすべての広告主の秘密鍵 を持つベクトル を作成
CFはEnc (PoAの各バリデータの公開鍵 で暗号化された )をPSCに格納
PoAバリデータが復号化してユーザの広告インタラクションベクトルに対応
するポリシーを適用できるように準備
ポリシーベクトルを共通鍵で暗号化しその共通鍵をバリデータの公開鍵で暗
号化するというプロセスはハイブリッド公開鍵暗号化と見なす
S ​
i S
S pk ​
V S
システム詳細 - PHASE 1. DEFINING AD REWARDS
1c
PSCの準備が終わると広告主はEnc がCFと合意したポリシーを暗号化してい
るかどうかを検証
広告主はPSCの公開ストレージからEnc ベクトルを取得
対応する共通鍵 を用いてポリシーEnc (Enc ) を復号
それが合意値であることを検証
広告主はFSCからエスクロー口座のアドレスを取得
広告主はエスクロー口座に資金を送金
必要な資金は広告ごとに必要なインプレッション数、合意されたポリシ
ー 、CFに支払う処理手数料によって決定
P
P
S ​
i P P[i]
p ​
i
システム詳細 - PHASE 1. DEFINING AD REWARDS
1c続き
キャンペーンが終了すると広告主は剰余予算の返金を受ける
広告主がエスクロー口座に正しい金額を送金したことをFSCが確認するとキャ
ンペーンが初期化/バリデートされる
キャンペーンの資金を確保することで広告主は展開された広告ポリシー
を暗黙のうちに検証していることになる
システム詳細 - PHASE 2. CLAIMING AD REWARDS
ユーザは広告報酬を請求(移転請求)するためにエフェメラルキーペア(pk,sk)を
作成
コンセンサスプールによって生成された閾値公開鍵 を取得
これらの2つの鍵を用いて各ユーザは広告インタラクションベクトルを暗号化
以下の2つの暗号文を生成する
広告報酬の請求に使用されるEncVec
広告主への報告に使用されるEncVec'
pk ​
T
システム詳細 - PHASE 2. CLAIMING AD REWARDS
集計計算はPSCを介して行われる (2b)
ユーザはPSCのパブリックエンドポイントを呼び出し両方の暗号文を送信
ユーザが請求できる報酬の暗号化された合計を計算するためにPoAバリデータは
以下のようにPSCを実行
Enc を使用して各ポリシー を復号する
EncVecの暗号文に基礎となる加法同型性を適用する
暗号化されままま加算(Aggr.Resを得る)
Aggr.Resをスマートコントラクトのパブリックストアに格納
S P[i]
システム詳細 - PHASE 3. PAYMENT REQUEST
PSCが集計結果を算出するとユーザは支払い要求 を生成
有効であればFSCで公開
技術的にいうと
ユーザは
アドレスAddrを持つエフェメラルブロックチェーンアカウント(リクエ
ストごとに1回のみ使用)を作成
Aggr.Resを取得して復号化
復号化された報酬Dec.Aggr.Resを取得
正しい復号化の証明 を生成
以下の3タプルで構成される支払い要求を生成
E
Π ​
Res
E = [Dec.Aggr.Res, Π ​
, Addr]
Res
システム詳細 - PHASE 3. PAYMENT REQUEST
ユーザはバリデータの鍵で暗号化された を入力としてPSCのパブリックエンドポ
イントを呼び出す
ユーザの集計結果Aggr.Resを取得
リクエストを復号化しゼロ知識証明 を検証
証明が有効であればAddrをこのアドレスに支払うべき金額とともにFSCに格納
FSCは支払い済みとマークされるまでバッファリングされたユーザの支払いのリス
トを保持
E
Π ​
Res
システム詳細 - PHASE 4. PAYMENT SETTLEMENT
プライバシーを守るためにユーザが獲得した合計報酬額の計算を秘密裏に行う必
要がある
CFはFSCから保留中の支払い要求を取得し保留中の支払いを決済するために必要
な資金の合計額を計算
CFはFSCのパブリック関数を呼び出して支払いをカバーするために必要な所定の
量のトークンをCFが所有する運用口座に転送することを要求
CFが不正な動作をした場合(不正な量のトークンを要求した場合)は検出さ
れ広告主またはユーザのいずれかがその不正動作を証明する
CFは保留中の各報酬の支払いをII-Bで示した支払いスキームを使って決済
決済が正しく行われた後CFはFSCから処理費用を受け取る
予算があまった場合広告主へ返金
FSCはコンセンサスプールが計算した広告毎のクリック数集計ベクトルを利用
このベクトルと合意された報酬に基づいてFSCは剰余資金を広告主に返還
システム詳細 - Privacy-Preserving Performance
Analytics
コンセンサスプール周りの詳細
割愛
実験(システムパフォーマンス評価)
1. クライアント側の操作(報酬請求)の実行時間
2. 複数の参加者がTHEMISで支払いを要求した場合のエンドツーエンドの実行時間
3. システムの全体的なスケーラビリティ
シングルサイドチェーン
マルチサイドチェーン
そもそものWEBサイトの表示速度が無いが...ってなった人はBraveブラウザのパフォー
マンス参照
実験
スペック
Client specifications
MacBook Pro (Intel Core i5 2.4GHz, Qual-Core) Catalina 10.15.5, 16GB LPDDR3
memory
Campaign facilitator specifications
AWS ECS t2.2xlarge instance (8 vCPUs, 32 GB RAM)
Concurrent users
AWS EC2 t2.large instances (2 vCPUs, 8 GB RAM)
複数ユーザからの請求検証用
実験
スペック
Sidechain deployment
Quorum sidechainをデプロイするのにMjölnirのtool[76]を使った
4x Quorum sidechainをAWS上に構築
AWS EC2 t2.xlarge instance (4 vCPUs, 16 GB RAM)
VPCでつないだ
コンセンサスプロトコルはIstanbul Byzantine Fault Tolerant (IBFT)を採用
実験
報酬請求時にクライアント側は1秒も待たなくて良い
実験
支払い時のゼロ知識証明にかかる時間
1.7M payments/dayの処理能力(batch size=800のとき)
実験
実験
サイドチェーン増やすと線形にスケールする

More Related Content

Similar to [読会]Themis decentralized and trustless ad platform with reporting integrity

シラレルリード獲得プラス
シラレルリード獲得プラスシラレルリード獲得プラス
シラレルリード獲得プラスssuser50834a
 
Csカレッジ登壇資料_吉田航平
Csカレッジ登壇資料_吉田航平Csカレッジ登壇資料_吉田航平
Csカレッジ登壇資料_吉田航平ssuser0647dc
 
Tealium+AWS Analytics サービスで実現する Customer Experience(CX)
Tealium+AWS Analytics サービスで実現する Customer Experience(CX)Tealium+AWS Analytics サービスで実現する Customer Experience(CX)
Tealium+AWS Analytics サービスで実現する Customer Experience(CX)Amazon Web Services Japan
 
ビジネス・イノベーションを支えるテクノロジ活用への挑戦
ビジネス・イノベーションを支えるテクノロジ活用への挑戦ビジネス・イノベーションを支えるテクノロジ活用への挑戦
ビジネス・イノベーションを支えるテクノロジ活用への挑戦Recruit Technologies
 
代理店向けセミナー
代理店向けセミナー代理店向けセミナー
代理店向けセミナーRyoji Yanashima
 
【デブサミ秋S3】エンジニア目線で見たデジタルマーケティング業界のこれまでとこれから
【デブサミ秋S3】エンジニア目線で見たデジタルマーケティング業界のこれまでとこれから【デブサミ秋S3】エンジニア目線で見たデジタルマーケティング業界のこれまでとこれから
【デブサミ秋S3】エンジニア目線で見たデジタルマーケティング業界のこれまでとこれからDevelopers Summit
 
チャネルパートナーの収益性に関する調査 2016年6月
チャネルパートナーの収益性に関する調査 2016年6月チャネルパートナーの収益性に関する調査 2016年6月
チャネルパートナーの収益性に関する調査 2016年6月MPN Japan
 
クラウド消費を正しく計測する方法
クラウド消費を正しく計測する方法クラウド消費を正しく計測する方法
クラウド消費を正しく計測する方法Hiroyasu Sato
 
Marketo & salesforce.comで作った マーケティングオートメーション事例 ~実体験で得た5つの教訓を共有します~
Marketo & salesforce.comで作った マーケティングオートメーション事例 ~実体験で得た5つの教訓を共有します~Marketo & salesforce.comで作った マーケティングオートメーション事例 ~実体験で得た5つの教訓を共有します~
Marketo & salesforce.comで作った マーケティングオートメーション事例 ~実体験で得た5つの教訓を共有します~株式会社サンブリッジ (SunBridge Inc.)
 
エンジニアリング会社の社内システム再構築
エンジニアリング会社の社内システム再構築エンジニアリング会社の社内システム再構築
エンジニアリング会社の社内システム再構築Yohei Sato
 
CMS学会 第三回 研究報告
CMS学会 第三回 研究報告CMS学会 第三回 研究報告
CMS学会 第三回 研究報告loftwork
 
Salesforce crm over_view_2012_0301
Salesforce crm over_view_2012_0301Salesforce crm over_view_2012_0301
Salesforce crm over_view_2012_0301Kohei Nishikawa
 
Learning kotler's basic marketing in one hour
Learning kotler's basic marketing in one hourLearning kotler's basic marketing in one hour
Learning kotler's basic marketing in one hourKoichi Okubo
 
株式会社ヤプリ 決勝資料 CS天下一武道会2022
株式会社ヤプリ 決勝資料 CS天下一武道会2022株式会社ヤプリ 決勝資料 CS天下一武道会2022
株式会社ヤプリ 決勝資料 CS天下一武道会2022TakayukiMasuda4
 
ビジネスプロセスマップ作成講座概要2:計画立案と事前準備
ビジネスプロセスマップ作成講座概要2:計画立案と事前準備ビジネスプロセスマップ作成講座概要2:計画立案と事前準備
ビジネスプロセスマップ作成講座概要2:計画立案と事前準備YusukeTanikawa
 
Webセントリックマーケティング
WebセントリックマーケティングWebセントリックマーケティング
WebセントリックマーケティングHirohiko Sasaki
 
【IMJ】「Adobe Media Manager」を活用したプライベートDMP構築
【IMJ】「Adobe Media Manager」を活用したプライベートDMP構築【IMJ】「Adobe Media Manager」を活用したプライベートDMP構築
【IMJ】「Adobe Media Manager」を活用したプライベートDMP構築IMJ Corporation
 
freee会計 取引先マスタ連携ガイドライン
freee会計 取引先マスタ連携ガイドラインfreee会計 取引先マスタ連携ガイドライン
freee会計 取引先マスタ連携ガイドラインfreee株式会社
 

Similar to [読会]Themis decentralized and trustless ad platform with reporting integrity (20)

シラレルリード獲得プラス
シラレルリード獲得プラスシラレルリード獲得プラス
シラレルリード獲得プラス
 
Atom info
Atom infoAtom info
Atom info
 
Csカレッジ登壇資料_吉田航平
Csカレッジ登壇資料_吉田航平Csカレッジ登壇資料_吉田航平
Csカレッジ登壇資料_吉田航平
 
Tealium+AWS Analytics サービスで実現する Customer Experience(CX)
Tealium+AWS Analytics サービスで実現する Customer Experience(CX)Tealium+AWS Analytics サービスで実現する Customer Experience(CX)
Tealium+AWS Analytics サービスで実現する Customer Experience(CX)
 
ビジネス・イノベーションを支えるテクノロジ活用への挑戦
ビジネス・イノベーションを支えるテクノロジ活用への挑戦ビジネス・イノベーションを支えるテクノロジ活用への挑戦
ビジネス・イノベーションを支えるテクノロジ活用への挑戦
 
代理店向けセミナー
代理店向けセミナー代理店向けセミナー
代理店向けセミナー
 
【デブサミ秋S3】エンジニア目線で見たデジタルマーケティング業界のこれまでとこれから
【デブサミ秋S3】エンジニア目線で見たデジタルマーケティング業界のこれまでとこれから【デブサミ秋S3】エンジニア目線で見たデジタルマーケティング業界のこれまでとこれから
【デブサミ秋S3】エンジニア目線で見たデジタルマーケティング業界のこれまでとこれから
 
チャネルパートナーの収益性に関する調査 2016年6月
チャネルパートナーの収益性に関する調査 2016年6月チャネルパートナーの収益性に関する調査 2016年6月
チャネルパートナーの収益性に関する調査 2016年6月
 
クラウド消費を正しく計測する方法
クラウド消費を正しく計測する方法クラウド消費を正しく計測する方法
クラウド消費を正しく計測する方法
 
Marketo & salesforce.comで作った マーケティングオートメーション事例 ~実体験で得た5つの教訓を共有します~
Marketo & salesforce.comで作った マーケティングオートメーション事例 ~実体験で得た5つの教訓を共有します~Marketo & salesforce.comで作った マーケティングオートメーション事例 ~実体験で得た5つの教訓を共有します~
Marketo & salesforce.comで作った マーケティングオートメーション事例 ~実体験で得た5つの教訓を共有します~
 
エンジニアリング会社の社内システム再構築
エンジニアリング会社の社内システム再構築エンジニアリング会社の社内システム再構築
エンジニアリング会社の社内システム再構築
 
CMS学会 第三回 研究報告
CMS学会 第三回 研究報告CMS学会 第三回 研究報告
CMS学会 第三回 研究報告
 
Salesforce20100608
Salesforce20100608Salesforce20100608
Salesforce20100608
 
Salesforce crm over_view_2012_0301
Salesforce crm over_view_2012_0301Salesforce crm over_view_2012_0301
Salesforce crm over_view_2012_0301
 
Learning kotler's basic marketing in one hour
Learning kotler's basic marketing in one hourLearning kotler's basic marketing in one hour
Learning kotler's basic marketing in one hour
 
株式会社ヤプリ 決勝資料 CS天下一武道会2022
株式会社ヤプリ 決勝資料 CS天下一武道会2022株式会社ヤプリ 決勝資料 CS天下一武道会2022
株式会社ヤプリ 決勝資料 CS天下一武道会2022
 
ビジネスプロセスマップ作成講座概要2:計画立案と事前準備
ビジネスプロセスマップ作成講座概要2:計画立案と事前準備ビジネスプロセスマップ作成講座概要2:計画立案と事前準備
ビジネスプロセスマップ作成講座概要2:計画立案と事前準備
 
Webセントリックマーケティング
WebセントリックマーケティングWebセントリックマーケティング
Webセントリックマーケティング
 
【IMJ】「Adobe Media Manager」を活用したプライベートDMP構築
【IMJ】「Adobe Media Manager」を活用したプライベートDMP構築【IMJ】「Adobe Media Manager」を活用したプライベートDMP構築
【IMJ】「Adobe Media Manager」を活用したプライベートDMP構築
 
freee会計 取引先マスタ連携ガイドライン
freee会計 取引先マスタ連携ガイドラインfreee会計 取引先マスタ連携ガイドライン
freee会計 取引先マスタ連携ガイドライン
 

More from shima o

[読会]Causal transfer random forest combining logged data and randomized expe...
[読会]Causal transfer random forest   combining logged data and randomized expe...[読会]Causal transfer random forest   combining logged data and randomized expe...
[読会]Causal transfer random forest combining logged data and randomized expe...shima o
 
[読会]P qk means-_ billion-scale clustering for product-quantized codes
[読会]P qk means-_ billion-scale clustering for product-quantized codes[読会]P qk means-_ billion-scale clustering for product-quantized codes
[読会]P qk means-_ billion-scale clustering for product-quantized codesshima o
 
[読会]Long tail learning via logit adjustment
[読会]Long tail learning via logit adjustment[読会]Long tail learning via logit adjustment
[読会]Long tail learning via logit adjustmentshima o
 
[読会]A critical review of lasso and its derivatives for variable selection und...
[読会]A critical review of lasso and its derivatives for variable selection und...[読会]A critical review of lasso and its derivatives for variable selection und...
[読会]A critical review of lasso and its derivatives for variable selection und...shima o
 
[読会]Logistic regression models for aggregated data
[読会]Logistic regression models for aggregated data[読会]Logistic regression models for aggregated data
[読会]Logistic regression models for aggregated datashima o
 
Introduction of introduction_to_group_theory
Introduction of introduction_to_group_theoryIntroduction of introduction_to_group_theory
Introduction of introduction_to_group_theoryshima o
 
Squeeze and-excitation networks
Squeeze and-excitation networksSqueeze and-excitation networks
Squeeze and-excitation networksshima o
 
Dynamic filters in graph convolutional network
Dynamic filters in graph convolutional networkDynamic filters in graph convolutional network
Dynamic filters in graph convolutional networkshima o
 
Nmp for quantum_chemistry
Nmp for  quantum_chemistryNmp for  quantum_chemistry
Nmp for quantum_chemistryshima o
 
Dl study g_learning_to_remember_rare_events
Dl study g_learning_to_remember_rare_eventsDl study g_learning_to_remember_rare_events
Dl study g_learning_to_remember_rare_eventsshima o
 
連続最適化勉強会
連続最適化勉強会連続最適化勉強会
連続最適化勉強会shima o
 
ReviewNet_161122
ReviewNet_161122ReviewNet_161122
ReviewNet_161122shima o
 
finite time analysis of the multiarmed bandit problem
finite time analysis of the multiarmed bandit problemfinite time analysis of the multiarmed bandit problem
finite time analysis of the multiarmed bandit problemshima o
 
normalized online learning
normalized online learningnormalized online learning
normalized online learningshima o
 
logistic regression in rare events data
logistic regression in rare events datalogistic regression in rare events data
logistic regression in rare events datashima o
 
Joint optimization of bid and budget allocation in sponsored search
Joint optimization of bid and budget allocation in sponsored searchJoint optimization of bid and budget allocation in sponsored search
Joint optimization of bid and budget allocation in sponsored searchshima o
 
Towards a robust modeling of temporal interest change patterns for behavioral...
Towards a robust modeling of temporal interest change patterns for behavioral...Towards a robust modeling of temporal interest change patterns for behavioral...
Towards a robust modeling of temporal interest change patterns for behavioral...shima o
 
Real time bidding algorithms for performance-based display ad allocation
Real time bidding algorithms for performance-based display ad allocationReal time bidding algorithms for performance-based display ad allocation
Real time bidding algorithms for performance-based display ad allocationshima o
 
Fingind the right consumer - optimizing for conversion in display advertising...
Fingind the right consumer - optimizing for conversion in display advertising...Fingind the right consumer - optimizing for conversion in display advertising...
Fingind the right consumer - optimizing for conversion in display advertising...shima o
 
Real time bid optimization with smooth budget delivery in online advertising
Real time bid optimization with smooth budget delivery in online advertisingReal time bid optimization with smooth budget delivery in online advertising
Real time bid optimization with smooth budget delivery in online advertisingshima o
 

More from shima o (20)

[読会]Causal transfer random forest combining logged data and randomized expe...
[読会]Causal transfer random forest   combining logged data and randomized expe...[読会]Causal transfer random forest   combining logged data and randomized expe...
[読会]Causal transfer random forest combining logged data and randomized expe...
 
[読会]P qk means-_ billion-scale clustering for product-quantized codes
[読会]P qk means-_ billion-scale clustering for product-quantized codes[読会]P qk means-_ billion-scale clustering for product-quantized codes
[読会]P qk means-_ billion-scale clustering for product-quantized codes
 
[読会]Long tail learning via logit adjustment
[読会]Long tail learning via logit adjustment[読会]Long tail learning via logit adjustment
[読会]Long tail learning via logit adjustment
 
[読会]A critical review of lasso and its derivatives for variable selection und...
[読会]A critical review of lasso and its derivatives for variable selection und...[読会]A critical review of lasso and its derivatives for variable selection und...
[読会]A critical review of lasso and its derivatives for variable selection und...
 
[読会]Logistic regression models for aggregated data
[読会]Logistic regression models for aggregated data[読会]Logistic regression models for aggregated data
[読会]Logistic regression models for aggregated data
 
Introduction of introduction_to_group_theory
Introduction of introduction_to_group_theoryIntroduction of introduction_to_group_theory
Introduction of introduction_to_group_theory
 
Squeeze and-excitation networks
Squeeze and-excitation networksSqueeze and-excitation networks
Squeeze and-excitation networks
 
Dynamic filters in graph convolutional network
Dynamic filters in graph convolutional networkDynamic filters in graph convolutional network
Dynamic filters in graph convolutional network
 
Nmp for quantum_chemistry
Nmp for  quantum_chemistryNmp for  quantum_chemistry
Nmp for quantum_chemistry
 
Dl study g_learning_to_remember_rare_events
Dl study g_learning_to_remember_rare_eventsDl study g_learning_to_remember_rare_events
Dl study g_learning_to_remember_rare_events
 
連続最適化勉強会
連続最適化勉強会連続最適化勉強会
連続最適化勉強会
 
ReviewNet_161122
ReviewNet_161122ReviewNet_161122
ReviewNet_161122
 
finite time analysis of the multiarmed bandit problem
finite time analysis of the multiarmed bandit problemfinite time analysis of the multiarmed bandit problem
finite time analysis of the multiarmed bandit problem
 
normalized online learning
normalized online learningnormalized online learning
normalized online learning
 
logistic regression in rare events data
logistic regression in rare events datalogistic regression in rare events data
logistic regression in rare events data
 
Joint optimization of bid and budget allocation in sponsored search
Joint optimization of bid and budget allocation in sponsored searchJoint optimization of bid and budget allocation in sponsored search
Joint optimization of bid and budget allocation in sponsored search
 
Towards a robust modeling of temporal interest change patterns for behavioral...
Towards a robust modeling of temporal interest change patterns for behavioral...Towards a robust modeling of temporal interest change patterns for behavioral...
Towards a robust modeling of temporal interest change patterns for behavioral...
 
Real time bidding algorithms for performance-based display ad allocation
Real time bidding algorithms for performance-based display ad allocationReal time bidding algorithms for performance-based display ad allocation
Real time bidding algorithms for performance-based display ad allocation
 
Fingind the right consumer - optimizing for conversion in display advertising...
Fingind the right consumer - optimizing for conversion in display advertising...Fingind the right consumer - optimizing for conversion in display advertising...
Fingind the right consumer - optimizing for conversion in display advertising...
 
Real time bid optimization with smooth budget delivery in online advertising
Real time bid optimization with smooth budget delivery in online advertisingReal time bid optimization with smooth budget delivery in online advertising
Real time bid optimization with smooth budget delivery in online advertising
 

[読会]Themis decentralized and trustless ad platform with reporting integrity