A Distributed k-Secure Sum Protocol for Secure Multi-Party Computations
私有数据输入的安全和计算是安全多方计算(SMC)的一个有趣的例子,它吸引了许多研究人员来设计具有较低数据泄漏概率的安全协议。在本文中,我们提供了一个新的协议,计算个人数据输入的总和与零概率的数据泄漏时,两个邻居方勾结知道中间方的数据。在计算之前,我们将每一方的数据块分成若干段,并在各方之间重新分配这些段。这些步骤创造了一个场景,在这个场景中,半诚实的一方不可能知道另一方的私人数据。
2010-03-22 cs.CR
Changing Neighbors k Secure Sum Protocol for Secure Multi Party Computation
私有数据输入的安全和计算是安全多方计算(SMC)的一个重要组成部分,本文提出了一个计算私有数据输入和的协议。在我们提出的协议中,我们打破了每一方的输入成段数,并改变各方的安排,这样,在每一轮的计算的邻居被改变。在这个协议中,半诚实的一方不可能知道另一方的私人数据。
2010-02-11 cs.CR
Spatial data sharing with secure multi-party computation for exploratory spatial data analysis
空间数据共享在开放数据研究和促进政府机构透明度方面发挥着重要作用。然而,有价值的空间数据,如高精度的地理信息和个人交通记录,不能公开,因为它们可能会引发入侵,盗窃和未经授权出售专有信息等泄漏风险。当拥有机密数据的参与者彼此不信任,但希望使用其他数据集进行计算时,最常见的解决方案是将其原始数据提供给受信任的第三方。然而,受信任的第三方经常面临被攻击和数据泄露的风险。为了保持数据的可控性,大多数公司和组织拒绝共享他们的数据。在这项研究中,我们引入安全多方计算空间数据共享,以解决共享问题。此外,我们描述了两个探索性的空间数据分析协议的设计和实现:全球莫兰的我和本地莫兰的我。此外,我们建立了一个系统来演示过程实现和结果可视化。与现有的数据共享方案相比,我们的系统在空间数据共享过程中,在不产生泄漏风险的情况下,正确地复制了结果。
2022-07-22 cs.CR cs.DC
A Modified ck-Secure Sum Protocol for Multi-Party Computation
安全多方计算(SMC)允许多方计算其输入的某些函数,而不向彼此公开实际输入。安全和计算是一个容易理解的例子,也是各种SMC解决方案的组成部分。安全和计算允许各方计算其各个输入的和,而不向彼此公开输入。在本文中,我们提出了一个修改后的版本,我们的ck-Secure和协议具有更高的安全性时,一组计算方合谋知道一些党的数据。
2010-02-21 cs.CR
Our Brothers' Keepers: Secure Routing with High Performance
三位一体(Brodsky等人,2007)垃圾邮件分类系统是基于分布式哈希表的,该哈希表是使用结构化对等覆盖来实现的。这种覆盖必须能够每秒处理数百条消息,并且必须能够将消息路由到其目的地,即使存在错误路由数据包或将欺诈性路由信息注入系统的故障和恶意对等体。通常,在覆盖层中安全和有效地路由消息的要求之间存在紧张关系。我们描述了一个安全和有效的路由扩展,我们开发的I3(斯托伊卡等。2004年)实现的和弦(斯托伊卡等。2001年)覆盖。安全路由是通过几个互补的方法来实现的:首先,在附近的对等点形成重叠的组,警察自己来识别和减轻欺诈性路由信息。其次,一种形式的随机路由解决了整个数据包流通过恶意对等点的问题。第三,消息认证机制将每条消息链接到其发送方,以防止欺骗。第四,每个对等体的标识符将对等体链接到其网络地址,并且同时将对等体均匀地分布在密钥空间中。最后,我们提出了我们的初步评估系统,包括一个255对等覆盖运行在本地集群。我们描述了我们的方法,并表明,我们的安全实现的开销是相当合理的。
2008-08-12 cs.CR cs.DC cs.NI
Secure Two-party Protocols for Point Inclusion Problem
众所周知,在理论上,一般的安全多方计算问题是可以使用电路评估协议来解决的。然而,所得到的协议的通信复杂性取决于表示要计算的功能的电路的大小,因此可能是不切实际的。因此,出于效率原因,需要针对具体问题采取特殊解决方案。计算几何中的点包含问题是一种特殊的多方计算问题,有着广泛的应用。以前的协议的安全点包含问题是不够的。本文将计算几何中点包含问题的一些已知解修正到安全两方计算的框架下。
2007-05-29 cs.CR
Privacy Preserving PageRank Algorithm By Using Secure Multi-Party Computation
在这项工作中,我们研究了PageRank算法的隐私保护计算问题。其思想是利用Paillier方案的同态加密迭代实现算法的安全多方计算。在所提出的PageRank计算中,用户使用非对称加密方法加密自己的图数据,以隐私保护的方式将数据集发送到不同的方。每一方都计算自己的加密实体,但对其他方的数据一无所知。
2016-11-07 cs.CR
The Impossibility Of Secure Two-Party Classical Computation
我们提出的攻击表明,无条件安全的两方经典计算是不可能的许多类的功能。我们的分析适用于量子和相对论协议。我们说明我们的结果,显示不经意传输的不可能性。
2007-12-14 cs.CR quant-ph
Multi-party Secure Broad Learning System for Privacy Preserving
多方学习是通过整合来自多方的数据来提高学习性能的一种不可或缺的技术。不幸的是,直接集成多方数据将无法满足隐私保护要求。因此,隐私保护机器学习(PPML)成为多方学习中的一个重要研究课题。本文提出了一种基于安全多方交互协议的PPML方法,即多方安全广义学习系统(MSBLS),并给出了该方法的安全性分析。现有的PPML方法一般不能同时满足安全性、准确性、效率和适用范围等多方面的要求,而MSBLS在这些方面都取得了令人满意的效果。该方法采用交互式协议和随机映射生成数据的映射特征,然后采用高效的广义学习方法对神经网络进行训练分类器。这是第一个结合安全多方计算和神经网络的隐私计算方法。从理论上讲,这种方法可以保证模型的精度不会因为加密而降低,而且计算速度非常快。我们在三个经典数据集上验证了这一结论。
2022-06-22 cs.CR
Secure Two-Party Feature Selection
在这项工作中,我们研究如何安全地评估交易数据的价值,而不需要可信的第三方。我们专注于分类这一重要的机器学习任务。这使得我们提出了一个可证明安全的四轮协议,该协议计算要交易的数据的价值,而不会将数据泄露给潜在的收购方。理论结果表明,所提出的协议的一些重要属性。特别是,我们证明了该协议的安全性诚实,但好奇的对手模型。
2019-01-03 cs.CR
A practical multi-party computation algorithm for a secure distributed online voting system
我们提出了一个在线投票架构的基础上划分的选举在小集群的选民,并使用一个新的多方计算算法获得投票结果的集群。该算法与其他已知算法相比具有一些实用优势,并且不受任何特定密码学概念的约束,因此可以适应未来的密码学需求。与其他在线投票技术相比,我们看到,鉴于没有任何敏感信息存储在任何公共服务器中,并且不需要任何受托人来维护选举过程的合法性,这种新架构不太容易受到黑客攻击和来自不诚实当局的攻击。即使在攻击成功的情况下,与整体选举相关的风险也远远低于任何其他投票系统。该架构还可以与任何其他投票系统相结合,继承两种系统的优点。
2016-03-14 cs.CR cs.DC
Biscotti: A Ledger for Private and Secure Peer-to-Peer Machine Learning
University of British Columbia(不列颠哥伦比亚大学)
联邦学习是支持安全多方机器学习(ML)的最新技术:数据保存在所有者的设备上,模型的更新通过安全协议聚合。但是,此过程假设有一个可信的集中式基础设施来进行协调,并且客户端必须相信中心服务不会使用客户端数据的副产品。除此之外,一组恶意客户端还可以通过执行中毒攻击来损害模型的性能。作为回应,我们提出了Biscotti:一种用于多方ML的完全分散的对等(P2P)方法,它使用区块链和加密原语来协调对等客户端之间的隐私保护ML过程。我们的评估表明,Biscotti是可扩展的,容错的,并抵御已知的攻击。例如,当30%的对手试图毒害模型时,Biscotti能够保护单个客户端更新的隐私和全局模型的大规模性能。该实现可以在以下网址找到:https://github.com/DistributedML/Biscotti
2019-12-12 cs.CR cs.DC cs.LG
Information-Theoretically Secure Three-Party Computation with One Corrupted Party
研究了当一方可以任意偏离计算协议(主动行为模型)时,三个成对交互方中的一方需要安全地计算另两方所持有的输入的函数的问题.给出了主动行为模型下无条件安全计算协议的信息论刻画。给出了一个计算汉明距离的协议,并证明了该协议在主动和被动行为模型下都是无条件安全的。主动和被动行为模型下的安全概念之间的差异说明通过BGW协议计算二次和汉明距离,该协议是安全的被动模型下,但被证明是不安全的主动模型。
2013-02-04 cs.CR cs.IT math.IT
Secure Numerical and Logical Multi Party Operations
我们推导出有效的安全数值和逻辑运算的算法,使用最近推出的安全多方计算方案-\cite{sch15}在半诚实模型,确保统计或完美的安全性。为了推导出我们的三角函数算法,我们使用基本的数学定律结合属性的添加剂加密方案在一个新的方式。对于除法和对数,我们使用一种新的方法来计算泰勒级数在一个固定点的所有数字。我们所有的逻辑操作,如比较和大扇入“与”门都是完全安全的。我们的经验评估产生的速度超过100的因素相比,最先进的评估操作。
2017-07-19 cs.CR
Blockchain based Secure Energy Marketplace Scheme to Motivate Peer to Peer Microgrids
针对微电网剩余能源交易依赖第三方导致的成本与安全问题,本文提出基于区块链智能合约和屏蔽执行环境的点对点安全能源市场方案。
2024-05-20 cs.CR cs.DC
Garou: An Efficient and Secure Off-Blockchain Multi-Party Payment Hub
为了缓解比特币和以太坊等去中心化加密货币的可扩展性问题,已经提出了允许双方在不涉及区块链的情况下执行安全硬币转移的支付通道。支付通道将双方的交易吞吐量提高到仅受其网络带宽限制的水平。最近的提案侧重于将双方支付渠道扩展到N方支付中心。不幸的是,在没有可信的第三方的情况下,它们都无法实现效率和灵活性。在本文中,我们提出了Garou,一个安全的N方支付中心,允许多方执行安全的链下硬币转移。除非发生纠纷,支付中心内的参与者可以在没有区块链或任何第三方中介参与的情况下相互进行并发和直接的硬币转移。这使得Garou能够实现高性能和灵活性。狼人还保证一个诚实的一方总是保持平衡安全对抗强大的敌对能力。为了证明Garou协议的可行性,我们为以太坊网络开发了一个概念验证原型。我们的评估结果表明,Garou的最大交易吞吐量是最先进的支付中心的20倍。
2020-10-15 cs.CR
Performance Evaluation of Secure Multi-party Computation on Heterogeneous Nodes
安全多方计算(MPC)是一个广泛的密码学概念,可用于隐私保护计算。通过MPC,多方可以协作计算一个函数,而不会向其他人透露明文的实际输入或输出。MPC的应用范围从隐私保护投票,算术计算和大规模数据分析。从系统的角度来看,MPC中的每一方都可以在一个计算节点上运行。多方的计算节点可以是同构的,也可以是异构的;然而,来自MPC协议的分布式工作负载往往总是同构的(对称的)。在这项工作中,我们研究了一个有代表性的MPC框架和一组MPC的应用程序从系统性能的角度来看。我们展示了一个最先进的MPC协议的详细的在线计算工作流程,并分析了其停滞时间和性能瓶颈的根本原因在同构和异构计算节点。
2020-04-23 cs.CR cs.DC cs.PF
On the relationship between (secure) multi-party computation and (secure) federated learning
这篇短文的贡献包括以下两个部分:在第一部分中,我们能够证明Kairouz等人提出的联邦成员学习(FL)过程\cite{Kairouz1901}是一个随机过程。也就是说,可以在多方计算(MPC)的上下文中定义FL过程的$m$元功能;此外,根据Kairouz等人的的定义可被视为所定义的$m$元功能的实现。因此,FL过程的实例也是MPC协议的实例。简而言之,FL是MPC的子集。为了私密地计算所定义的FL(m-ary)功能,已经部署了各种技术,诸如同态加密(HE)、安全多方计算(SMPC)和差分隐私(DP)。在第二部分中,我们能够证明,如果底层FL实例在基于模拟的框架中私下计算定义的$m$ -ary功能,则基于模拟的FL解决方案也是SMPC的实例。因此,SFL是SMPC的子集。
2020-08-06 cs.CR
Towards Secure Two-Party Computation from the Wire-Tap Channel
我们介绍了一个新的协议,安全的两方计算的线性函数的半诚实模型,基于编码技术。我们首先建立了一个平行的第二版窃听信道模型和安全的两方计算。这导致我们的协议,结合了线性陪集编码和不经意传输技术。我们的建设需要使用二元相交码或$q$ -ary最小码,这也是本文研究。
2013-06-26 cs.CR cs.IT math.IT
Secure Multi-Party Quantum Conference and Xor Computation
量子会议是利用量子资源在三方或多方之间安全地交换消息的过程。2017年提出了一种对信息泄漏安全的测量设备独立量子对话(MDI-QD)协议(量子信息处理16.12(2017):305),被证明对拦截和重发攻击策略是不安全的。我们首先修改了这个协议,并将MDI-QD推广到三方量子会议,然后推广到多方量子会议。我们还提出了一个量子多方异或计算协议。这三个协议都没有使用纠缠作为资源,我们证明了我们提出的协议的正确性和安全性。
2021-01-14 cs.CR quant-ph
Secure Error Correction using Multi-Party Computation
近年来,随着数据和数据分析需求的增加,隐私保护数据分析方法变得非常重要。研究人员为此提出了不同的方法。安全多方计算是这样的技术之一,它允许一组各方在不泄露数据的情况下对其数据进行评估。这是通过秘密共享方法来完成的,在该方法中,各方使用多项式共享他们的一段数据,并且在对数据份额进行函数评估之后,最后他们进行拉格朗日插值以得到结果。在安全多方计算中,已经提出了两种方法来评估函数,算术门和逻辑门。由于通信是多方计算的重要步骤,因此在这两种情况下都可能发生错误。因此,能够检测和纠正错误是非常重要的。此外,由于对手可能会在通信中或计算期间中断通信或操纵数据,因此这种错误检测和纠正为参与方提供了检测此类错误的技术。因此,在本文中,我们提出了一个安全的多方计算纠错技术,有能力检测和纠正错误的球员的份额。这种技术是基于Berlekamp-Welch纠错码,我们假设球员的股份是使用里德-所罗门码。
2019-05-12 cs.CR
Secure multi-party linear regression at plaintext speed
Broad Institute of MIT and Harvard(麻省理工学院与哈佛大学博德研究所)
我们详细介绍了分布式算法的可扩展性,安全的多方线性回归和特征选择在基本上相同的速度作为明文回归。虽然核心的几何思想很简单,但认识到它们在组合时的广泛用途是新颖的。我们的方案为跨多个生物库的高效和安全的全基因组关联研究打开了大门。
2019-07-10 cs.CR cs.LG stat.ML
Distributed and Secure ML with Self-tallying Multi-party Aggregation
隐私保护多方计算在医学、在线广告等领域有着广泛的应用。在这项工作中,我们提出了一个在不受信任的个人之间进行分布式、安全的机器学习的框架。该框架由两部分组成:基于同态加法的两步训练协议和用于数据有效性的零知识证明。通过结合这两种技术,我们的框架提供了每个用户数据的隐私,防止恶意用户贡献损坏的数据的共享池,使每个用户能够自行计算的算法的结果,而不依赖于外部可信的第三方,并要求用户组之间没有私人通道。我们展示了不同的ML算法,如潜在狄利克雷分配,朴素贝叶斯,决策树等,适合我们的分布式,安全计算的框架。
2018-11-26 cs.CR
Universally Composable Quantum Multi-Party Computation
Canetti(FOCS 2001)的通用可组合性模型(UC)允许任意协议的安全组合。我们提出了一个量子版本的UC模型,享有相同的组合性保证。我们证明了在这个模型中,统计安全的不经意传输协议可以构造承诺。此外,我们证明了每个统计经典UC安全协议也是统计量子UC安全的。这种影响对于其他量子安全定义是未知的。作为推论,我们得到一般多方计算的量子UC安全协议可以由承诺构造。
2009-10-15 cs.CR quant-ph
Quantum-Resilient Secure Protocol for Decentralized Edge-IoT Peer-to-Peer Energy Trading Systems
Central Queensland University(中昆士兰大学);Royal Melbourne Institute of Technology University(皇家墨尔本理工大学)
针对量子计算对边缘物联网P2P能源交易的安全威胁,提出结合CRYSTALS-Kyber与Hedera Hashgraph的抗量子会话密钥协议,性能与安全性优于现有方案,助力去中心化能源市场发展。
2026-10-14 cs.CR
Secure and Scalable Circuit-based Protocol for Multi-Party Private Set Intersection
本文提出一种基于电路的多方隐私集合求交(PSI)协议,通过优化两方SCS协议并利用简单哈希与分桶技术,规避多方交互复杂性,在保持可扩展性的同时显著降低了计算与通信开销。
2023-09-14 cs.CR
Introducing a Framework to Enable Anonymous Secure Multi-Party Computation in Practice (Extended Version)
安全多方计算(SMPC)允许一组各方以分布式方式安全地计算功能,而无需任何可信的外部方。通常,假设各方彼此认识并且已经在彼此之间建立了认证信道。然而,在实践中,当事人有时必须保持匿名。在本文中,我们概念化的框架,使重复执行的SMPC协议为一个给定的功能,使各方可以保持他们的参与在协议执行的私人,并在同一时间可以肯定的是,只有授权方可以参加协议执行。我们确定了我们的框架的实现必须满足的安全属性,并介绍了实现这些属性的框架的第一个实现。
2023-01-19 cs.CR
Think Locally Before Computing Jointly: Efficient Secure Multi-Party Computation via Maximizing Local Processing
Stanford University(斯坦福大学);Centrum Wiskunde & Informatica(荷兰数学与计算机科学研究学会);EPFL(洛桑联邦理工学院)
该研究针对混淆电路协议,提出感知所有权的优化方法,通过增加参与方本地计算减少需联合评估的非线性门,提升了带本地结构电路的安全多方计算性能。
2026-10-14 cs.CR
IDCloak: A Practical Secure Multi-party Dataset Join Framework for Vertical Privacy-preserving Machine Learning
提出首个无需非共谋辅助服务器的安全多方数据集连接框架IDCloak,通过结合OKVS和OPRF的cmPSI协议及高效安全混淆协议实现隐私保护,在效率和安全性上显著优于现有方法。
2025-06-01 cs.CR
CrypTFlow2: Practical 2-Party Secure Inference
Microsoft Research(微软研究院)
我们提出了CrypTFlow 2,这是一个加密框架,用于使用安全的2方计算在现实的深度神经网络(DNN)上进行安全推理。CrypTFlow 2协议都是正确的-即,它们的输出按位等效于明文执行--并且是高效的--它们在延迟和规模方面都优于最先进的协议。在CrypTFlow 2的核心,我们有新的2 PC协议,用于安全比较和划分,精心设计,以平衡轮和通信复杂性的安全推理任务。使用CrypTFlow 2,我们在ResNet 50和DenseNet 121等ImageNet规模的DNN上提出了第一个安全推理。这些DNN至少比先前的2方DNN推理工作中考虑的DNN大一个数量级。即使在以前的工作所考虑的基准上,CrypTFlow 2所需的通信数量级也比最先进的少20 - 30倍。
2020-10-13 cs.CR cs.LG
Secure Anonymous Broadcast
在匿名广播中,一个或多个参与方希望匿名地向所有参与方发送消息。这个问题在许多隐私保护应用中,如匿名通信,分布式拍卖和多方计算中,作为一个黑盒子越来越重要。在本文中,我们设计了分散的协议,匿名广播,要求每一方发送(和计算)的多对数位(和操作)每个匿名位交付的$O(\log n)$轮的通信。我们的协议是可证明安全的流量分析,不需要任何可信方,是完全负载平衡的。该协议容忍多达$n/6$静态调度拜占庭方控制的计算无界的对手。我们实现可扩展性的主要策略是在对数数量的参与方之间执行本地通信(和计算)。我们提供的模拟结果表明,我们的协议比以前的工作显着改善。我们最后表明,使用一个共同的加密工具,在我们的协议可以实现匿名广播的实际效果。
2014-05-21 cs.CR cs.DC
Disintermediation of Inter-Blockchain Transactions
不同版本的点对点电子现金作为由单独的区块链表示的数据存在。这种系统之间的支付不能直接从一方发送到另一方而不通过金融机构。比特币提供了部分解决方案,但其效用仅限于区块链内交易。如果需要一个可信的第三方来执行区块链间的交易,那么这些好处就失去了。我们提出了一个解决区块链间交易问题的方案,使用与比特币相同的基本原理。该协议由Uberledger框架描述,Uberledger框架是一个分层的元区块链层,它封装了有关点对点交易促进者的保真度的信息。
2016-09-08 cs.CR
Optimal Accuracy-Privacy Trade-Off for Secure Multi-Party Computations
安全多方计算的目的是使协议参与者能够计算他们的私人输入的公共函数,同时保持他们的输入秘密,而不求助于任何可信的第三方。然而,公开这些计算的公共输出不可避免地会揭示一些关于私有输入的信息。我们提出了一个措施,推广Renyi熵和g-熵,以量化这种信息泄漏。为了控制和抑制这种信息流,我们引入了函数替换的概念,用一个近似函数的计算来代替一个揭示敏感信息的函数的计算。我们展示了这种方法提供的隐私增益的理论界限,并通过实验表明,这提高了输入的机密性,同时控制计算输出值的失真。最后,我们调查固有的妥协之间的准确性的计算和隐私的输入,我们演示了如何实现这种最佳的权衡。
2018-03-01 cs.CR
Efficient Three-party Computation: An Information-theoretic Approach from Cut-and-Choose
据我们所知,从切割和选择安全计算的文献集中在实现对恶意对手的计算安全。目前还不清楚切割和选择的想法是否可以适用于信息理论安全的安全计算。在这项工作中,我们探讨的可能性,使用切割和选择在信息论设置的安全三方计算(3PC)。以前的工作3PC主要集中在半诚实的情况下,是由观察到的多方计算(MPC)的真实字部署似乎涉及几方的动机。我们提出了一个新的协议,信息理论上安全的3PC容忍一个恶意方欺骗概率$2^{-s}$使用$s$运行的电路计算的切割和选择范例。我们的协议的计算成本基本上是只有一个小常数比国家的最先进的3PC协议对半诚实的腐败,而它的通信轮大大减少相比,其他恶意安全的3PC协议在信息理论的设置。
2019-08-10 cs.CR
Applications of Secure Multi-Party Computation in Financial Services
University of Chadli Bendjedid, Faculty of Sciences & Technology(查德利·本杰迪德大学,科学与技术学院)
本文探讨了安全多方计算在金融服务中的应用,分析了隐私保护的重要性及SMPC在提升计算效率和可扩展性方面的研究方向。
2026-01-01 cs.CR
Secure Multi-Party Computation with a Helper
客户希望将机密数据的计算外包给各方网络。他不相信任何一方,但相信多方不会勾结。为了解决这个问题,我们使用将其中一方视为帮助者的想法。辅助器仅协助计算。通常使用更多的参与方可以确保机密性,尽管有更多的腐败参与方。这不适用于添加助手。但是在某些情况下,辅助器可以将通信量渐近地降低到每个“与”门一位的理论最小值,这比没有辅助器的方案有了显著的改进。它还可以允许某些函数的非常有效的计算,正如我们展示的具有公共基的指数函数。
2017-07-19 cs.CR
A New Approach to Practical Active-Secure Two-Party Computation
我们提出了一种新的方法,以实际的两方计算安全对一个积极的对手。所有先前的实用协议都是基于姚明的乱码电路。我们使用基于OT的方法,并通过OT扩展的随机预言机模型的效率。为了得到一个实用的协议,我们引入了一些新的技术,在一个更大的建设有关的输出和输入的OT。我们还报告了这种方法的实施,这表明我们的协议是更有效的比以前任何一个:对于足够大的电路,我们可以评估每秒超过20000个布尔门。例如,评估一个不经意的AES加密(约34000门)需要64秒,但当重复任务27次时,每个实例只需要不到3秒。
2012-02-14 cs.CR
An Improved E-voting scheme using Secret Sharing based Secure Multi-party Computation
电子投票系统(EVS)与许多现有的投票方案相比具有潜在的优势。准确性和可靠性是这些系统中的主要关注点。EVS随着技术的进步而不断发展。随着资源的可重用性,它是廉价和有效的。快速和准确的计算结果与选民隐私是额外的优势。在所提出的系统中,我们使用秘密共享技术和安全多方秘密共享是安全计算的一项重要技术。多重参与方计算通常是通过秘密共享来实现的,即通过对输入进行共享并操纵共享来计算输入的典型函数。所提出的系统利用了按位表示的投票,并且只有共享用于传输和计算结果。安全和计算可以使用Shamir秘密共享方案分配的共享来完成。因此,该方案是安全可靠的,并且不需要为了保证安全性,我们不做任何数论假设,并提出了一种计算候选人个人选票的方法。
2015-02-26 cs.CR
QUOTIENT: Two-Party Secure Neural Network Training and Prediction
University of Oxford(牛津大学);Queen Mary University of London(伦敦玛丽女王大学);The Alan Turing Institute(艾伦·图灵研究所);University of Warwick(华威大学)
最近,已经有大量的努力致力于机器学习任务的安全协议的设计。其中大部分旨在实现高度准确的深度神经网络(DNN)的安全预测。然而,由于DNN是在数据上训练的,一个关键问题是如何安全地训练这些模型。关于安全DNN训练的少数先前工作集中在为现有训练算法设计自定义协议,或者开发定制的训练算法,然后应用通用安全协议。在这项工作中,我们研究了设计训练算法的优点,以及一种新的安全协议,在两个方面都进行了优化。我们提出了QUOTIENT,一种用于DNN离散化训练的新方法,以及为其定制的安全两方协议。QUOTIENT融合了最先进的DNN训练的关键组件,如层归一化和自适应梯度方法,并改进了两方计算中DNN训练的最先进技术。与以前的工作相比,我们获得了50倍的广域网时间和6%的绝对精度的改善。
2019-07-08 cs.CR cs.LG
CrypTen: Secure Multi-Party Computation Meets Machine Learning
Facebook AI Research(脸书人工智能研究院)
安全多方计算(MPC)允许各方对数据执行计算,同时保持数据的私密性。这种能力对机器学习应用有很大的潜力:它有助于在不同方拥有的私有数据集上训练机器学习模型,使用另一方的私有数据评估一方的私有模型等。安全MPC的采用受到缺乏灵活的软件框架的阻碍,这些框架可以“说机器学习研究人员和工程师的语言”。为了促进安全MPC在机器学习中的采用,我们提出了CrypTen:一个软件框架,通过现代机器学习框架中常见的抽象来暴露流行的安全MPC原语,例如张量计算,自动微分和模块化神经网络。本文介绍了CrypTen的设计,并衡量其性能的最先进的模型,文本分类,语音识别和图像分类。我们的基准测试表明,CrypTen的GPU支持和(任意数量的)各方之间的高性能通信使其能够在半诚实的威胁模型下对现代机器学习模型进行有效的私人评估。例如,使用CrypTen的双方可以使用Wav2Letter比实时更快地安全地预测语音记录中的音素。我们希望CrypTen将促进安全MPC在机器学习社区中的采用。
2022-09-15 cs.CR cs.LG
An efficient and secure two-party key agreement protocol based on chaotic maps
安全通信是一个真正令人关切的问题,其中包括各实体能够在不被第三方截获的情况下分享信息的手段。密钥协商协议是一种常见的方法,其中两个或多个参与方可以就密钥达成一致,这防止了不希望的第三方强制他们选择密钥。在过去的十年中,基于混沌的密钥协商协议得到了广泛的研究和应用。最近,Yoon和Jeon提出了一种新的基于混沌映射的密钥协商协议,并声称他们的协议的安全性和实用性。我们发现Yoon-Jeon的协议存在一些问题:(1)它引入了一个可信的第三方,其存在增加了实现成本。(2)需要多次加密/解密计算,以及(3)不保护用户的匿名性。为了克服这些问题,我们提出了一个增强的用户匿名密钥协商协议。理论分析表明,该协议是有效的,并抵抗当前的攻击。
2018-01-09 cs.CR
An Elementary Completeness Proof for Secure Two-Party Computation Primitives
在安全两方计算问题中,双方希望通过交互式协议计算他们输入的(可能是随机的)函数,同时确保任何一方都不会学习到比仅从他们自己的输入和输出中推断出的更多的东西。对于半诚实的当事人和信息理论的安全保证,众所周知,如果只有无噪声通信是可用的,只有一组有限的功能可以安全地计算;然而,如果交互也允许在一般的通信原语(多输入/输出通道),有“完整”的原语,使任何功能被安全地计算。Maji、Prabhakaran和Rosulek最近利用Kilian早期的专门表征来表征完整原语的一般集合。我们在本文中的贡献是一个简单的,独立的,替代推导使用基本的信息理论工具。
2014-12-12 cs.CR cs.IT math.IT
EVA-S3PC: Efficient, Verifiable, Accurate Secure Matrix Multiplication Protocol Assembly and Its Application in Regression
Beihang University(北京航空航天大学)
本文提出EVA-S3PC框架,基于数据混淆的双方及三方基本矩阵运算,实现高效、可验证且准确的秘密矩阵乘法,在Float64下精度达14位有效数字,通信开销最多降低54.8%,并用于垂直分区数据上的三方回归,准确率接近明文训练。
2024-11-05 cs.CR
Asymmetric Quantum Secure Multi-Party Computation With Weak Clients Against Dishonest Majority
安全多方计算(SMPC)协议允许相互不信任的几方共同计算他们输入的函数。在本文中,我们介绍了一个协议,电梯经典SMPC量子SMPC的可组合和统计安全的方式,即使是一个诚实的一方。与以前的量子SMPC协议不同,我们的提议只需要来自除一方之外的所有方的非常有限的量子资源;弱方(即客户端)能够在X-Y平面中准备单量子比特状态就足够了。新的量子SMPC协议是以自然模块化的方式构建的,并且依赖于一种独立感兴趣的量子验证新技术。这种验证技术只需要在布洛赫球的单个平面中远程准备状态。在证明新验证协议安全性的过程中,我们还发现了基于测量的量子计算所固有的基本不变性。
2023-03-15 cs.CR quant-ph
GCSA Codes with Noise Alignment for Secure Coded Multi-Party Batch Matrix Multiplication
考虑了一个安全的多方批量矩阵乘法问题(SMBMM),其目标是通过将计算分布在S个服务器上,使Master能够高效地计算两批大规模矩阵的两两乘积.任何X共谋服务器都不会获得关于输入的任何信息,主服务器也不会获得关于产品之外的输入的任何额外信息。基于交叉子空间对齐码,提出了一种带噪声对齐的广义交叉子空间对齐码(GCSA-NA)。SMBMM的现有技术解决方案是由Nodehi和Maddah-Ali提出的称为多项式共享(PS)的编码方案。GCSA-NA在几个关键方面优于PS代码-更高效和安全的服务器间通信,更低的延迟,灵活的服务器间网络拓扑,高效的批处理,以及对落伍者的容忍度。噪声对齐的思想也可以与N源交叉子空间对齐(N-CSA)码和快速矩阵乘法算法(如Strassen构造)相结合。此外,噪声对齐可以应用于对称安全私有信息检索,以实现渐近容量。
2020-09-06 cs.CR cs.DC cs.IT
An Effective Private Data storage and Retrieval System using Secret sharing scheme based on Secure Multi-party Computation
外包数据的隐私是一个主要的挑战。网络环境的不安全和服务提供商的不可信是使数据库成为服务的障碍。个人身份信息的收集和存储是一个主要的隐私问题。在线公共数据库和资源对用户隐私构成重大风险,因为恶意数据库所有者可能会监视用户查询并推断出有关客户的有用信息。数据隐私方面的挑战是与第三方共享数据,一个私有的信息检索(PIR),它是一种基于网络的信息检索技术,它可以在保证信息安全的同时,防止有价值的信息被第三方未经授权的访问和使用。方案允许用户在查询数据库的同时隐藏检索到的数据的身份。保密性的简单解决方案是在外包之前加密数据。查询执行,密钥管理和统计推断是这种情况下的主要挑战。所提出的系统提出了一种使用秘密共享技术来安全存储和检索私有数据的机制。其思想是开发一种机制来存储私有信息,该机制具有高度可用的存储提供者,可以从任何地方使用查询访问,同时隐藏实际的数据值私有信息检索系统采用基于秘密共享的安全多方计算(SMC)技术实现。多方计算允许多方在各自的私有输入上计算联合函数,通过对不同服务器所拥有的份额进行安全计算来获得查询结果。
2015-02-26 cs.CR
Secure two-party quantum computation for non-rational and rational settings
自Lo(Physical Review A,1997)的否定结果以来,在量子域中是否存在某些函数,当其中一方是恶意的时,在两方环境下可以安全地计算,一直是一个悬而未决的问题。在本文中,我们首次证明了在非同时信道模型下,对于某些函数,安全的两方量子计算确实是可能的。这与Ben-Or等人(FOCS,2006)在广播信道模型中的不可能性结果形成鲜明对比。我们研究的函数有两种类型-一种是没有嵌入式XOR的任何函数,另一种是包含嵌入式XOR的特定函数。与经典解决方案相反,由于纠缠,量子协议可以实现对具有无限计算能力的对手的安全性。此外,在安全多方量子计算的背景下,我们第一次引入理性的各方,他们中的每一个都试图通过单独获得函数输出来最大化其效用。我们调整我们的量子协议,为上述类型的功能在合理的设置,以实现公平和严格的纳什均衡。
2016-05-01 cs.CR quant-ph
Secure Multi-party Quantum Computation with a Dishonest Majority
在过去的几十年里,安全多方(经典)计算的密码任务受到了很多关注。即使在$k$相互不信任的玩家之间执行计算的极端情况下,并且如果所有其他玩家都是勾结对手,则即使对于单个诚实玩家也需要安全性,安全协议也是已知的。另一方面,对于量子计算,允许任意不诚实多数的协议仅在$k=2$中被证明。在这项工作中,我们推广了Dupuis,Nielsen和Salvail(NIPPTO 2012)在两方设置中采取的方法,为任何数量的参与者$k$设计一个安全,高效的多方量子计算协议,并证明了对$k-1$勾结对手的安全性。用于计算$\{\mathsf{CNOT, T}\}$深度$d$的量子线路的协议的量子轮复杂度是$O(k \cdot (d + \log n))$,其中$n$是安全参数。为了提高效率,我们开发了一种新的公共验证协议的Clifford认证码,和魔术状态输入的测试协议,都使用经典的多方计算。
2020-05-04 cs.CR quant-ph
DE-RSTC: A rational secure two-party computation protocol based on direction entropy
理性安全多方计算(RSMC)是指两个或多个理性方在私有输入上完成一个函数。在此过程中,理性的参与者会选择效用最大化的策略,这会导致参与者恶意执行协议,破坏协议的公平性和正确性。为了解决这个问题,我们利用博弈论,提出了基于方向熵的解决方案。首先,我们利用方向熵的方向向量来考察局中人的策略不确定性,并从不同维度量化其策略。具体来说,当双方选择合作策略时,方向向量为正,传递的信息为正,反之则为负。然后,我们提供了互信息来构造新的效用函数的球员。此外,我们还测量了局中人之间的互信息来评价他们的策略。最后,我们对所提出的协议进行了详细的证明,证明了合理安全两方计算的公平性问题。我们还证明了该协议达到了纳什均衡。此外,我们进行了实验,使用互信息来构建效用,结果表明,当玩家是诚实的,将获得更高的效用。
2022-06-18 cs.CR
Secure and Privacy- Aware Searching in Peer-to-Peer Networks
现有的P2P网络存在虚假内容分发、搭便车、洗白和搜索可扩展性差等问题,缺乏鲁棒的信任模型和用户隐私保护机制。虽然,一些研究人员已经提出了一些信任管理和语义社区为基础的机制,以打击免费搭车和分发恶意内容,这些计划大多缺乏可扩展性,由于其高的计算,通信和存储开销。本文提出了一个强大的信任管理计划,利用拓扑结构的适应性,通过构建一个覆盖的可信的对等点,邻居选择的基础上,他们的信任评级和内容相似性的P2P网络。该方案在提高搜索效率的同时,通过可信节点之间的拓扑自适应,智能地利用语义社区结构的形成,为用户对网络资源的使用和消费模式提供了非常高水平的隐私保护。仿真结果表明,该方案提供了有效的搜索到好的节点,而惩罚恶意节点增加搜索时间的网络拓扑稳定。
2011-10-02 cs.CR cs.NI
Experimental Examination of Secure Two-Party Controller Computation
The University of Osaka(大阪大学);Purdue University(普渡大学)
本文通过云端平台实验验证了基于秘密共享的双方面向动态控制器的安全计算协议,证明其在通信开销下能稳定倒立摆系统。
2026-05-12 cs.CR cs.SY eess.SY
How to Simulate It in Isabelle: Towards Formal Proof for Secure Multi-Party Computation
在密码学中,安全多方计算(MPC)协议允许参与者联合计算函数,同时保持其输入的私密性。最近的突破将MPC付诸实践,解决了安全分布式计算的基本挑战。就像经典的加密和密钥交换协议一样,MPC的设计和实现需要精确的保证;任何缺陷都会给攻击者一个破坏隐私或正确性的机会。在本文中,我们提出了第一个(据我们所知)形式化的一些MPC的安全证明。这些证明提供了概率保证的计算模型的安全性,但有一个不同的字符机器证明和证明工具实现到目前为止- MPC证明使用\emph{simulation}的方法,其中安全性是建立在实际的协议执行和一个理想的世界,其中安全性是由定义保证的执行痕迹之间的不可分割性。我们表明,现有的机器推理概率程序适应这种设置,铺平了道路,精确地检查一类新的密码学参数。我们使用Isabelle/HOL内部的CryptHOL框架实现我们的证明。
2018-05-31 cs.CR
Multi-party computation enables secure polynomial control based solely on secret-sharing
加密的控制系统允许评估外部服务器上的反馈法则,而不会泄露关于状态和输入数据、控制法则或工厂的私人信息。虽然有一些加密的控制方案可用于线性反馈法,只有很少的结果存在更一般的控制律的评估。最近,提出了一种加密多项式控制的方法,依赖于两方秘密共享和使用同态加密的服务器间通信协议。由于同态映射的计算量比秘密共享大得多,因此它们弥补了该方案的大量计算需求。出于这个原因,在本文中,我们证明了多方计算,使安全的多项式控制仅基于秘密共享。提出了一种基于三方计算的安全三方控制方案。此外,我们提出了一种新的$n$ -党的控制方案,安全地评估多项式反馈法的任意程度,没有服务器间的通信。后一个属性使得更容易实现关于服务器的非共谋的必要要求,从而可以保证完美的安全性。仿真结果表明,所提出的控制方案是许多倍的计算要求比上述两方计划。
2022-01-13 cs.CR cs.SY eess.SY
Simulation of Collision Resistant Secure Sum Protocol
安全多方计算是计算机科学中广泛研究的领域。它几乎触及人类生活的每一个方面。本文介绍了Shukla等人提出的一个安全多方计算协议的理论和实验结果,并使用VisualC ++实现。通过改变参数计算数据流出概率。最后,利用理论和实验结果计算了时间和空间复杂度。
2014-11-28 cs.CR