面向去中心化学习与就业记录的隐私保护AI启用系统
密码学与安全
2026-01-07 v1 人工智能
摘要
学习与就业记录（LER）系统正在成为安全编译和共享教育与工作成就的关键基础设施。现有区块链平台利用可验证凭证，但通常缺乏自动化技能-凭证生成能力，以及无法整合非结构化学习证据的能力。本文提出一种隐私保护、AI启用的去中心化LER系统，以解决上述问题。接受经过数字签名的教育机构成绩单，并通过自然语言处理管道在受信任执行环境（TEE）内从形式记录（如成绩单、课程大纲）和非正式制品中推导出可验证的自我签发技能凭证。所有验证和岗位技能匹配均在密封环境内进行，采用选择性披露，确保原始凭证和私钥 remain enclave-confined。岗位匹配仅依赖凭证技能向量进行，且对非技能简历字段不敏感，从而减少了筛选偏见的机会。对NLP组件进行了样本学习数据评估；映射遵循已验证的课程- O*NET 方法论，对重复运行的稳定性测试观察到 <5% 的技能排名前列的方差。提供形式安全声明和证书草图，表明派生凭证不可伪造，敏感信息保持保密。该系统支持安全的教育和就业凭证、可靠的成绩单验证，以及在去中心化框架内的自动化、隐私保护技能提取。
引用
@article{arxiv.2601.02720,
title = {Privacy-Preserving AI-Enabled Decentralized Learning and Employment Records System},
author = {Yuqiao Xu and Mina Namazi and Sahith Reddy Jalapally and Osama Zafar and Youngjin Yoo and Erman Ayday},
journal= {arXiv preprint arXiv:2601.02720},
year = {2026}
}