Attestazione a conoscenza zero a blocchi per metriche di equità nei prestiti ai sensi della SR 11-7

Un recente articolo su arXiv (2608.02664) introduce un progetto di circuito a conoscenza zero che facilita la verifica di statistiche aggregate di equità in processi decisionali di machine learning regolamentati, in particolare per quanto riguarda la supervisione bancaria statunitense ai sensi della SR 11-7 e delle linee guida OCC 2011-12. Utilizzando lotti impegnati e campionati con nonce di dati ipotecari HMDA reali del 2022, il sistema dimostra il divario di parità demografica senza rivelare i pesi del modello o le informazioni dei clienti. Gli autori raggiungono prestazioni end-to-end con 32.768 righe, producendo 32 prove zkSNARK verificate indipendentemente, con un divario attestato di 0,0029 rispetto al valore effettivo trattenuto e tempi di prova inferiori a 4 secondi per blocco. Estendono ulteriormente questo risultato verificando l'errore di calibrazione atteso su 10 bin, con tutti i 32 blocchi confermati, raggiungendo un ECE attestato entro 0,00037 dal valore in chiaro. Questa ricerca affronta il problema di dimostrare equità e robustezza ai revisori in settori come la sottoscrizione di crediti e l'approvazione di prestiti, garantendo al contempo la privacy. La sottomissione è categorizzata come cross-type su arXiv.