Sharing the Path: A Threshold Scheme from Isogenies and Error Correcting Codes
针对SIDH被密钥恢复攻击破坏但同源路径问题仍安全的情况,结合Robert提出的将该攻击转化为密码工具的多项式时间算法与高级编码技术,构建了新型门限方案。
2024-11-28 cs.CR cs.IT math.IT
Towards Secure and Practical Machine Learning via Secret Sharing and Random Permutation
College of Computer Science and Technology, Zhejiang University(浙江大学计算机科学与技术学院);JZTData Technology(JZTData科技公司 (JZTData Technology))
随着人们对隐私保护需求的日益增长,隐私保护机器学习受到学术界和工业界的广泛关注。然而,大多数现有的方法在实际应用中有其局限性。一方面,虽然大多数密码方法是可证明安全的,但它们带来了繁重的计算和通信。另一方面,许多相对有效的私有方法(例如,联邦学习和分裂学习)受到质疑,因为它们是不可证明的安全。受隐私保护机器学习研究的启发,本文提出了一种基于随机置换和算术秘密共享的隐私保护机器学习框架。由于我们的方法减少了元素的函数计算的成本,它比现有的密码方法更有效。此外,通过采用距离相关性作为度量隐私泄漏,我们证明了我们的方法是更安全的比以前的不可证明的安全方法。总体而言,我们的建议实现了安全性和效率之间的良好平衡。实验结果表明,与最先进的加密方法相比,我们的方法不仅速度快6倍,减少了高达85%的网络流量,而且与不可证明的安全方法相比,在训练过程中泄露的隐私更少。
2022-02-21 cs.CR cs.LG
zkSBOM: Privacy-Preserving SBOM Sharing with Zero-Knowledge Sets
KTH Royal Institute of Technology(皇家理工学院)
zkSBOM通过零知识集实现隐私保护的SBOM共享,解决了现有机制在完整披露与完全封闭间的二元选择问题,通过加密承诺组件和查询已知漏洞来验证影响,保障双方隐私。
2026-04-30 cs.CR cs.SE
Secret Sharing Homomorphism and Secure E-voting
安全电子投票是一个具有挑战性的协议。基于同态密码体制、混合网盲签名等提出了多种方案,但大多数方案都需要进行复杂的同态加密,加密解密过程复杂,密钥管理效率不高。本文提出了一种基于秘密共享同态的安全有效的电子投票方案。这里电子投票被视为多方计算的特殊情况,其中几个选民共同计算结果而不透露他的投票。秘密共享方案是安全多方计算的一个很好的替代方案,与密码技术相比,它具有计算效率高、安全性好等优点。该方案利用Shamir秘密共享方案的可加同态性质和投票的编码/解码来获得除选举结果之外的每个候选人所获得的个人投票。我们在保持系统效率的同时实现了完整性和隐私。
2016-02-17 cs.CR
Timed-Release Secret Sharing Scheme with Information Theoretic Security
在现代密码学中,秘密共享方案是一个重要的密码原语,它被应用于各种场合。本文首先研究了一个具有信息论安全性的定时释放秘密共享方案(TR-SS)。TR-SS是一个秘密共享方案,其特点是只有当一个秘密分发者指定的时间到来时,超过一个门限的参与者才能用他们的份额重建一个秘密。具体来说,本文首先介绍了一个模型和形式化的安全TR-SS的基础上,传统的秘密共享方案和信息论定时释放安全。我们还推导出严格的下限的大小的份额,时间信号,和实体的秘密密钥所需的TR-SS。此外,我们还提出了一种直接构造TR-SS的方法。我们的直接构造是最优的,因为该构造在我们的每一个界限中都满足相等性。结果表明,定时发布安全性可以在不增加共享大小冗余的情况下实现。
2014-05-11 cs.CR
SePEnTra: A secure and privacy-preserving energy trading mechanisms in transactive energy market
本文提出SePEnTra模型,利用加法秘密共享和Pedersen承诺,在交易能源市场中实现安全隐私的能源数据共享与恶意活动检测,同时保持低计算复杂度和通信开销。
2023-04-12 cs.CR
SpexPay: A Privacy-Preserving Pay-As-You-Go System for Dynamic Spectrum Sharing
Virginia Tech(弗吉尼亚理工大学);University of Kentucky(肯塔基大学)
研究动态频谱共享中现有方案的隐私和问责问题,提出SpexPay框架,集成多种技术实现隐私保护即付即用频谱使用,通过原型展示其低延迟、低成本,适用于实际部署,还评估了对边缘硬件的适用性。
2026-07-21 cs.CR
A Privacy-Preserving Information-Sharing Protocol for Federated Authentication
University Mediterranea of Reggio Calabria(雷焦卡拉布里亚地中海大学)
本文提出了一种基于OPRFs的隐私保护协议,用于联邦认证中身份注册和信息共享,通过伪匿名标识符实现隐私保护和欺诈检测。
2025-12-01 cs.CR
Efficient and Secure Cross-Domain Data-Sharing for Resource-Constrained Internet of Things
针对资源受限物联网跨域数据共享的安全与效率问题,提出基于区块链和分布式密钥生成的方案,实现低开销、抗攻击的完整安全数据共享流程。
2024-11-14 cs.CR
Sharing in a Trustless World: Privacy-Preserving Data Analytics with Potentially Cheating Participants
组织之间缺乏信任以及对其数据的隐私担忧阻碍了潜在的共生联合数据分析。我们提出DataRing,一个数据共享系统,允许相互不信任的参与者查询彼此的数据集在隐私保护的方式,同时确保输入数据集和查询答案的正确性,即使在存在(欺骗)参与者偏离他们的真实数据集。通过依赖于这样的假设,即如果只有真实数据集的一小部分行是已知的,则参与者不能提交与其真实数据集显著偏离的查询的答案。我们采用差分隐私和一套加密工具来确保每个参与者的数据集的个人隐私和系统的数据机密性。我们的结果表明,在具有10个属性和500,000条记录的数据集上评估10个查询在90.63秒内实现。DataRing可以在很少的查询中检测出偏离其真实数据集的作弊参与者,具有很高的准确性。
2021-06-18 cs.CR
Secret Sharing for Cloud Data Security
云计算有助于降低成本、提高业务灵活性,并为许多类型的应用程序部署具有高投资回报率的解决方案。然而,数据安全对许多用户来说非常重要,并且经常限制他们采用云技术。各种方法,即,数据加密、匿名化、复制和验证有助于加强数据安全的不同方面。秘密共享是一种特别有趣的加密技术。其最先进的变体确实同时加强了数据隐私,可用性和完整性,同时允许对加密数据进行计算。因此,本文的目的是全面调查的秘密共享方案的数据安全性,数据访问和成本,即付即用范式。
2017-12-29 cs.CR cs.DB
A Cryptographic Escrow for Treaty Declarations and Step-by-Step Verification
军备控制和裁军协定的核查要求各国提供申报,包括关于敏感军事地点和资产的资料。然而,在一些重要的情况下,由于各国担心过早交出具有重要军事意义的信息而不愿提供任何此类数据,这些协定的谈判受到阻碍。为了应对这一挑战,我们提出了一种加密托管,允许一个国家在一开始就对网站和资产进行完整的申报,并承诺其内容,但只按顺序披露其中的敏感信息。我们的代管机制与视察制度相结合,可以逐步核查最初申报的正确性和完整性,以便信息发布和视察与平行的外交和政治进程保持同步。我们将这一方针应用于朝鲜可能的无核化。不过,这种办法可适用于要求分享敏感信息的任何协定。
2018-09-11 cs.CR cs.CY
ARIANN: Low-Interaction Privacy-Preserving Deep Learning via Function Secret Sharing
Columbia University(哥伦比亚大学);ENS(巴黎高等师范学院);CNRS(法国国家科学研究中心);PSL University(巴黎文理研究大学);INRIA(法国国家信息与自动化研究所);Arkhn
我们提出了AriaNN,一个低交互的隐私保护框架,用于私人神经网络训练和敏感数据的推理。我们的半诚实的2方计算协议(与可信的经销商)利用功能秘密共享,最近的轻量级加密协议,使我们能够实现一个有效的在线阶段。我们为神经网络的构建块设计了优化的原语,如ReLU,MaxPool和BatchNorm。例如,我们在在线阶段使用输入大小的单个消息对ReLU操作进行私有比较,并且预处理密钥比以前的工作小近4倍。最后,我们提出了一个扩展来支持n方私有联邦学习。我们将我们的框架实现为PyTorch之上的可扩展系统,该系统利用CPU和GPU硬件加速进行加密和机器学习操作。我们评估了我们的端到端系统,用于在标准神经网络(如AlexNet,VGG 16或ResNet 18)上的远程服务器之间进行私有推理,以及在较小的网络(如LeNet)上进行私有训练。我们表明,计算而不是通信是主要的瓶颈,使用GPU与减少密钥大小是一个很有前途的解决方案,以克服这一障碍。
2021-10-28 cs.CR cs.LG stat.ML
DP-Cryptography: Marrying Differential Privacy and Cryptography in Emerging Applications
差分隐私(DP)已成为分析敏感数据时量化个人隐私的最新指标,并且开始在美国人口普查局、Apple、Google等组织中进行实际部署。部署差分隐私有两种流行模型-标准差分隐私(SDP),其中可信服务器聚合所有数据并运行DP机制,以及本地差分隐私(LDP),其中每个用户干扰他们自己的数据并且分析干扰的数据。由于在单个服务器上聚合原始数据所引起的安全问题,行业中的几个实际部署已经采用了LDP模型。然而,基于LDP模型的系统往往具有较差的效用-与基于SDP模型的系统相比,在所实现的效用中存在"差距"。在这项工作中,我们调查和综合新兴的研究方向的交叉点的差分隐私和密码学。首先,我们调查的解决方案相结合的加密原语,如安全计算和匿名通信与差分隐私,以提供替代方案的LDP模型,避免了一个可信的服务器,在SDP,但在准确性上的差距。这些原语引入了性能瓶颈,需要有效的替代方案。第二,我们合成的工作在一个领域,我们称之为“DP密码学”-密码原语,允许泄漏差分私人输出。这些原语具有比标准密码原语好几个数量级的性能。DP加密原语非常适合实现LDP的替代方案,但也适用于标准加密原语没有实际实现的情况。通过这种独特的研究分类法,我们调查了这些方向正在进行的研究,同时也为未来的研究提供了新的方向。
2020-04-19 cs.CR
From Noise to Meaning: Meaningful Secret Sharing with Tamper Detection for Facial Recognition
Institute of Systems and Robotics, University of Coimbra(科英布拉大学系统与机器人研究所)
该研究针对人脸识别生物数据保护需求,提出带篡改检测的有意义秘密共享框架,将噪声状份额转为封面图像,可抵御多种攻击,提升FR准确率并保障隐私安全与完整性。
2026-08-11 cs.CR cs.CV
Towards Scalable and Privacy-Preserving Deep Neural Network via Algorithmic-Cryptographic Co-design
Zhejiang University(浙江大学);Ant Group(蚂蚁集团);Macquarie University(麦考瑞大学);JZTData Technology(金智塔科技);Peking University(北京大学);East China Normal University(华东师范大学)
深度神经网络(DNN)在各种现实世界的应用中取得了显著的进展,特别是当提供了丰富的训练数据时。然而,数据隔离已成为当前的一个严重问题。现有的工作建立隐私保护DNN模型从算法的角度或密码学的角度。前者主要将DNN计算图在数据持有者之间或数据持有者与服务器之间拆分,具有良好的可扩展性,但存在准确性损失和潜在的隐私风险。相比之下,后者利用耗时的密码技术,具有很强的隐私保证,但可扩展性差。在本文中,我们提出了SPNN-一个可扩展和隐私保护的深度神经网络学习框架,从算法-密码学的角度。从算法的角度来看,我们将DNN模型的计算图分为两部分,即,由数据持有者执行的私有数据相关计算,以及委托给具有高计算能力的服务器的其余繁重计算。从加密的角度来看,我们建议使用两种类型的加密技术,即,秘密共享和同态加密,用于隔离的数据持有者私下地和合作地进行与私有数据相关的计算。此外,我们在分散的设置中实现SPNN,并引入用户友好的API。在真实数据集上的实验结果表明了SPNN的优越性。
2022-02-21 cs.CR cs.LG
Rational Secret Sharing over an Asynchronous Broadcast Channel with Information Theoretic Security
我们考虑了Halpern和Teague [1]提出的理性秘密共享问题,其中参与秘密共享的参与者只有在对他们有利时才参与。这可以用偏好的形式来描述。玩家更愿意得到秘密而不是不得到它,其次,他们希望尽可能少的其他玩家得到秘密。已经发表了一些积极的成果,有效地解决了合理的秘密共享的问题,但只有少数论文涉及到使用异步广播信道。[2]使用密码原语,[3]使用交互式经销商,[4]使用诚实的少数玩家来处理异步广播信道。在我们的论文中,我们提出了一个m-out-of-n合理的秘密共享方案,它可以在异步广播信道上运行,而不使用密码原语和非交互式的经销商。这是可能的,因为我们的方案使用了一个小数目,k+1,诚实的球员。该协议对大小为k的联盟是弹性的,并且对大小为m-1(包括m-1)的联盟是ε-弹性的。该协议将具有概率为Pr((k+1)/n)的严格纳什均衡和概率为Pr((n-k-1)/n)的ε-纳什均衡。此外,我们的协议是免疫逆向归纳。在本文的后面,我们将我们的结果扩展到包括恶意玩家。我们还表明,我们的协议处理玩家偏离的可能性,以迫使另一个玩家得到一个错误的值,我们认为这是一个更有效的方式比在Asharov和Lindell [5]。
2011-12-17 cs.CR cs.GT
Proposed Information Sharing Security Approach for Security Personnels, Vertical Integration, Semantic Interoperability Architecture and Framework for Digital Government
本文主要描述了垂直整合的概念概述,语义互操作性架构,如教育部门架构框架(ESAF)为新西兰政府和不同的互操作性框架解决方案的数字政府。在本文中,我们试图开发一个安全的信息共享方法,数字政府,以提高家园安全。这是一种以角色和合作为基础的方法,适用于不同政府部门的保安人员。世界上任何一个国家的数字政府要想成功运作,都必须与公民进行互动,并通过不同的网络在公民或其他政府之间共享安全信息。因此,为了使用户能够在没有黑暗和不受干扰的情况下与全球不同的网络和数据库进行协作和共享信息,安全和可信的信息共享环境已被视为一个非常重要的需求,并推动国土安全努力。本研究的关键动机是为政府部门提供安全可信的信息共享方法。本文提出了一种基于功能完善和团队协作的信息共享方法,利用公钥密码学,实现国家安全人员和政府部门之间的保密信息和特权信息的安全交换。扩展的方法利用加密散列函数,公钥密码系统和一个独特的和复杂的映射函数安全地交换秘密信息。此外,投影的方法有利于隐私保护信息共享与可能的限制的基础上的排名的安全人员。
2011-07-27 cs.CR
Secret Sharing with a Single d-level Quantum System
我们给出了一个例子的问题,其中量子信息协议的基础上多系统纠缠可以映射到更简单的涉及一个系统。秘密共享是一种密码学原语,在密码学中的各种安全多方计算任务和密钥管理中发挥着核心作用。在秘密共享协议中,一个经典的消息被分成几份,以这样一种方式提供给接收方,一些方需要合作,以重建消息。用于该任务的量子协议通常依赖于多体GHZ纠缠。我们提出了一个多方秘密共享协议,它只需要一个单量子d-能级系统的顺序通信(对于任何素数d)。它在可扩展性方面具有巨大的优势,并且可以通过最先进的技术来实现。n可以用最先进的技术实现。
2015-06-15 cs.CR quant-ph
Real-World Trajectory Sharing with Local Differential Privacy
共享轨迹对于许多现实世界的应用都是有益的,例如通过接触者追踪来管理疾病传播,以及根据人口的旅行模式来定制公共服务。然而,公众对隐私和数据保护的关注限制了这些数据的共享程度。局部差分隐私使得能够进行数据共享,其中用户共享其数据的扰动版本,但是现有机制未能结合用户独立的公共知识(例如,营业地点和营业时间、公共交通时刻表、地理定位的推文)。这种限制使得机制限制性太强,给出不切实际的输出,并最终导致实际效用低。为了解决这些问题,我们提出了一种局部差异私有机制,该机制基于扰动分层结构的重叠$n$ -gram(即,长度为$n$的连续序列)。我们的机制使用一个多维的层次结构,在公开的外部知识的真实世界的地方的利益,以提高现实主义和实用性的扰动,共享的轨迹。重要的是,包括真实世界的公共数据不会对隐私或效率产生负面影响。我们的实验,使用真实世界的数据和一系列的查询,每个与真实世界的应用程序类似物,证明了我们的方法的优越性,在一系列的替代方法。
2021-08-04 cs.CR cs.DB
Privacy-Preserving and Secure Spectrum Sharing for Database-Driven Cognitive Radio Networks
University of South Florida(南佛罗里达大学);Bellini College of Artificial Intelligence, Cybersecurity and Computing(贝利尼人工智能、网络安全与计算学院);Zurich University of Applied Sciences (ZHAW)(苏黎世应用科学大学);Department of Informatics, University of Zurich (UZH)(苏黎世大学信息学系)
本文提出SLAPX框架,通过可委托匿名凭证和可验证延迟函数,实现数据库驱动认知无线电网络中的隐私保护频谱共享和安全防御。
2026-03-02 cs.CR
MedExChain: Enabling Secure and Efffcient PHR Sharing Across Heterogeneous Blockchains
Tianjin University(天津大学);Griffith University(格里菲斯大学);The University of Queensland(昆士兰大学);Southern Cross University(南十字星大学)
MedExChain通过跨异构区块链的安全高效PHR共享方案,解决医疗数据在不同区块链架构间共享的性能与安全挑战。
2026-02-12 cs.CR
Online Efficient Secure Logistic Regression based on Function Secret Sharing
本文针对多方隐私保护逻辑回归训练,提出基于函数秘密共享的在线高效协议,通过MPC友好的sigmoid替代方案和FSS门封装,显著降低在线通信开销。
2023-09-18 cs.CR
Publicly Verifiable Private Information Retrieval Protocols Based on Function Secret Sharing
Ping An Technology (Shenzhen) Co., Ltd.(平安科技(深圳)有限公司);Shenzhen Youfang Information Technology Co., Ltd.(深圳市友方信息技术有限公司)
本研究提出两种多服务器环境下的公开可验证PIR构造及三种实例化,在点查询中实现低通信成本与强可验证性,在谓词查询中通信复杂度不随数据库规模增长,适用于大规模私有查询。
2025-09-17 cs.CR
Secure and Policy-Private Resource Sharing in an Online Social Network
提供允许在线社交网络用户以安全和私密的方式管理其信息和/或资源的发布的功能是一个相关的并且远非微不足道的主题,其已经受到各种研究团体的审查。在这项工作中,我们提供了一个框架,允许用户定义高度表达的访问策略,他们的资源的方式,执法不需要干预的(可信或不)第三方。这是通过部署新定义的加密原语来实现的,该原语提供了高效的访问撤销和访问策略隐私。最后,我们提供了一个实现我们的框架作为Facebook的应用程序,证明了我们的方法的可行性。
2013-07-10 cs.CR cs.SI
A fingerprint based crypto-biometric system for secure communication
为了确保数据的安全传输,密码学被视为最有效的解决方案。密钥是该过程中的重要实体。一般来说,随机生成的密钥(256位)很难记住。然而,这种密钥需要存储在受保护的地方或通过共享通信线路传输,这实际上对安全性构成了另一种威胁。作为替代方案,研究人员主张在通信会话期间使用发送者和接收者的生物特征生成密钥,从而避免密钥存储,同时又不损害安全性。然而,基于生物特征的密码密钥生成具有很少的问题,诸如生物特征的隐私、通信用户之间的生物特征数据的共享(即,发送方和接收方),以及从不可撤销的生物特征生成可验证密钥。这项工作解决了上述问题。在这项工作中,已经提出了一个框架,用于两个用户之间的安全通信,使用基于指纹的密码生物识别系统。为此,Diffie-Hellman(DH)算法用于从发送方和接收方的私钥生成公钥,该公钥被共享并进一步用于在两端产生对称的加密密钥。该方法利用不可撤销指纹生成对称密码系统的可撤销密钥。生物特征数据既不存储也不共享,保证了生物特征数据的安全性,并使用会话密钥实现了完美的前向保密。这项工作还确保了两个用户之间通信的消息的长期安全性。通过对FVC 2002和NIST专用数据库的四个数据集的实验评估,证明该框架具有隐私保护功能,可以应用于实际的访问控制系统中。
2018-05-22 cs.CR
STAR: Secret Sharing for Private Threshold Aggregation Reporting
阈值聚合报告系统为开发人员提供了一种实用的隐私保护解决方案,以了解如何使用“\emph{in-the-wild}“。不幸的是,迄今为止所提出的系统被证明对于大规模采用是不切实际的,其受到以下要求的组合的影响:\emph{i)}禁止的信任假设; \emph{ii)}高计算成本;或\emph{iii)}大规模用户基础。因此,采用真正的私营办法仅限于少数大型(和极其昂贵的)项目。在这项工作中,我们提出了$\mathsf{STAR}$,一个高效的,易于部署的系统,提供加密执行的$κ$ -匿名保护用户数据收集的私人数据收集的状态。$\mathsf{STAR}$协议易于实现,运行成本低,同时提供类似于或超过当前最先进的隐私属性。对我们的$\mathsf{STAR}$开源实现的测量发现,它比$1773\times$更快,需要$62.4\times$更少的通信,并且$24\times$比现有的最先进的运行成本更低。
2022-09-07 cs.CR
Controlled Data Sharing for Collaborative Predictive Blacklisting
尽管跨组织共享数据通常被认为是加强网络安全的一种有前途的方式,但由于保密性、信任和责任方面的挑战,合作计划很少付诸实践。在本文中,我们调查是否可以通过一个受控的数据共享的方法,使组织作出明智的决定,是否或不共享,以及有多少,实现协作的威胁缓解。使用适当的加密工具,实体可以评估协作的好处,并以隐私保护的方式就共享内容达成一致,而不必披露其数据集。我们专注于协作预测黑名单,即,根据自己的日志和其他组织贡献的日志预测攻击源。我们通过对两个月内从Dshield收集的20亿个可疑IP地址的真实数据集进行实验,研究了不同共享策略的影响。我们发现,受控的数据共享平均可提高高达105%的准确性,同时还降低了误报率。
2015-04-16 cs.CR cs.NI
Trust enhancement by multiple random beacons
随机信标--信息源,它广播一个任何人事先都不知道的随机数字流--对于各种加密目的都很有用。但是,这种信标可以很容易地和不可检测地破坏,使他们的输出是事先知道的一个不诚实的一方,谁可以使用这些信息来击败密码协议理应保护的信标。我们探索一种策略,以减少这种危险,通过将输出从几个非相互作用(如空间分离)信标XOR它们在一起,产生一个单一的数字流,这是更值得信赖的比任何单个信标,随机和不可预测的,如果至少有一个贡献的信标是诚实的。如果贡献信标不是空间分离的,使得不诚实的信标可以偷听并适应其他信标的早期输出,则信标的可信度仍然可以通过分时策略在较小程度上增强。指出了基于单向散列函数的信任放大方法的不足。
2002-01-06 cs.CR
Optical secret sharing with cascaded metasurface holography
秘密共享是用于存储高度敏感的信息(如编码数据的加密密钥)的完善的密码原语。它描述了将一个秘密分成不同份额的问题,而不向其股东透露有关该秘密的任何信息。在这里,我们展示了一个全光学的解决方案,秘密共享的基础上元表面全息。在我们的概念中,超表面全息图被用作空间上可分离的共享,其以全息图像的形式携带加密消息。其中两个份额可以通过将它们靠近在一起而重新组合。穿过这一叠超颖表面的光积累了两个全息图的相移,并且可以高保真地光学重建秘密。另一方面,由单个元表面生成的全息图可以用于识别每个股东。此外,我们证明了两个堆叠的超颖表面全息图之间的固有平移对准灵敏度可以用于空间复用,其可以进一步扩展以实现光学标尺。
2021-10-07 cs.CR physics.optics
Enabling Efficient Privacy-Assured Outlier Detection over Encrypted Incremental Datasets
Monash University(莫纳什大学);Data61, CSIRO(联邦科学与工业研究组织数据61研究所)
离群点检测被广泛应用于跟踪网络流量和系统日志等增量数据集上的异常。然而,这些数据集通常涉及敏感信息,并且将数据共享给第三方用于异常检测会引起隐私问题。在本文中,我们提出了一个隐私保护离群检测协议(PPOD)的增量数据集。该协议将异常值检测算法分解为几个阶段,并在每个阶段识别必要的密码操作。它通过高效和可互换的协议实现了几个加密模块,以支持上述加密操作,并将它们组合在整个协议中,以实现对加密数据集的离群值检测。为了支持有效的更新,它集成了滑动窗口模型,以定期驱逐过期的数据,以保持恒定的更新时间。我们建立了一个PPOD的原型,并系统地评估了各种参数设置下的密码模块和整体协议。我们的研究结果表明,PPOD可以处理加密的增量数据集与适度的计算和通信成本。
2019-11-14 cs.CR cs.LG
Differential Privacy-based Permissioned Blockchain for Private Data Sharing in Industrial IoT
Hyperledger fabric等许可区块链通过多渠道和私有数据汇集机制在工业物联网(IIoT)中实现安全的供应链模型。共享工业数据,包括供应链合作伙伴之间每个阶段的私有数据交换,有助于提高产品质量,实现未来预测,并加强管理活动。然而,Hyperledger fabric中现有的数据共享和查询机制不适合IIoT中的供应链环境,因为查询是对存储在分类账上的实际数据进行评估的,其中包括敏感信息,例如商业秘密以及提供给零售商和个人的特殊折扣。为了解决这个问题,我们提出了一个基于差分隐私的许可区块链,使用Hyperledger fabric来实现IIoT供应链中的私有数据共享(DH-IIoT)。我们将差分隐私集成到Hyperledger fabric的chaindcode(智能合约)中,以实现隐私保护。因此,查询响应由保护分类账中的敏感信息的扰动数据组成。拟议的工作(DH-IIoT)通过使用Hyperledger结构模拟许可的区块链进行评估。我们将我们的Hyperledger fabric的差分隐私集成链码与供应链场景的Hyperledger fabric的默认链码设置进行比较。实验结果表明,该方法在保证敏感账本数据安全的同时,保持了共享数据96.15%的准确性。
2021-03-30 cs.CR
Quantum Anonymous Secret Sharing with Permutation Invariant Codes
The University of Texas at Dallas(德克萨斯大学达拉斯分校)
本文提出一种利用置换不变量子纠错码和匿名量子传输算法实现发送者匿名的量子匿名秘密分享方案,并通过量子条件最小熵量化信息泄露。
2026-04-30 cs.CR cs.IT math.IT
Local Private Hypothesis Testing: Chi-Square Tests
差分隐私的局部模型正在成为收集和共享敏感信息的实际应用的参考模型,同时满足强隐私保证。在本地模型中,不存在允许每个人的原始数据的可信实体,因为在传统的馆长模型中假设差异隐私。因此,个人数据在共享之前通常会受到干扰。我们探讨了在局部模型中的私人假设检验的设计,其中每个数据条目都被扰动以确保每个参与者的隐私。具体来说,我们分析了本地私人χ 2检验的拟合优度和独立性测试,这已经在传统的,馆长模型的差异隐私研究。
2018-03-09 cs.CR math.ST stat.TH
Genomic Data Sharing under Dependent Local Differential Privacy
保护隐私的基因组数据共享对于加快基因组研究的步伐,从而为个性化基因组医学铺平道路是非常重要的。在本文中,我们引入($ε, T$)依赖的本地差分隐私(LDP)的隐私保护相关数据的共享,并提出了一个基因组数据共享机制下的隐私定义。我们首先指出LDP的原始定义不适合基因组数据共享,然后提出了一种新的基因组数据共享机制。该机制考虑了数据共享过程中数据之间的相关性,预先消除统计上不可能的数据值,并相应地调整每个共享数据点的概率分布。通过这样做,我们表明,我们可以避免攻击者推断的正确值的共享数据点,利用数据中的相关性。通过调整每个数据点的共享状态的概率分布,我们还提高了数据收集器的共享数据的效用。此外,我们开发了一个贪心算法,战略性地确定处理顺序的共享数据点的目的是最大限度地利用共享数据。考虑到在共享基因组数据时相互依赖的隐私风险,我们还通过观察基因组供体的扰动数据来分析攻击者关于供体家庭成员的基因组的信息增益,并且我们提出了一种选择隐私预算的机制(即,LDP的$ε$参数)。我们对现实生活中的基因组数据集的评估结果表明,所提出的机制相比,随机响应机制(广泛使用的技术,以实现LDP)的优越性。
2021-02-15 cs.CR
Secure Multi-Party Delegated Authorisation For Access and Sharing of Electronic Health Records
电子健康记录在医疗服务提供者之间的及时共享对于促进医学研究和及时护理患者至关重要。通过共享,患者可以控制谁可以访问他们的数据以及何时访问,并保证他们数据的安全性和隐私性。在目前的文献中,提出了各种系统模型,加密技术和访问控制机制,需要病人的同意之前共享。然而,他们主要集中在患者可以根据请求授权访问EHR。这是不切实际的,因为患者可能并不总是处于良好状态以提供此授权,例如,无意识并且需要立即医疗护理。为了解决这个问题,本文提出了一个有效的和安全的协议,预先授权给多方访问的EHR时,病人是不可用的这样做。该解决方案采用了一种新的方法,将自我主权身份的概念和框架与安全多方计算相结合,以实现安全的身份和授权验证。理论分析表明,它提高了协议和验证过程的效率,以确保患者数据的安全性和隐私性。
2022-03-24 cs.CR cs.DC
Privacy-Preserving Data Sharing for Genome-Wide Association Studies
传统的统计数据库的保密性保护的统计方法不能很好地扩展到处理GWAS(全基因组关联研究)数据库,特别是在保护与外部信息的联系方面。由加密社区引入的最近的差分隐私概念是一种在任意外部信息存在的情况下提供严格的隐私定义和有意义的隐私保证的方法,尽管这些保证在数据效用方面付出了沉重的代价。基于这样的概念,我们提出了新的方法来释放聚合GWAS数据,而不损害个人的隐私。我们提出了释放差异私人次要等位基因频率,卡方统计和p值的方法。我们比较这些方法的模拟数据和GWAS研究犬毛长度涉及685只狗。我们还提出了一个隐私保护的方法,发现全基因组协会的基础上,一个差异私人的方法惩罚逻辑斯谛回归。
2012-05-03 cs.CR stat.ME
Sharing The Secret: Distributed Privacy-Preserving Monitoring
ISTA, Klosterneuberg, Austria(奥地利科学院研究所);Université Libre de Bruxelles, Belgium(布鲁塞尔自由大学);TU Graz, Austria(格拉茨工业大学)
本文提出一种分布式隐私保护监控方法,通过将监控器分布到多个参与方,利用高效秘密共享方案替代传统加密技术,提升实时应用的可扩展性。
2026-03-20 cs.CR cs.FL
Multi-institution encrypted medical imaging AI validation without data sharing
人工智能医学成像应用的采用通常受到医疗保健系统和算法开发人员之间的障碍的阻碍,因为访问私人患者数据和商业模型IP对于执行部署前评估很重要。这项工作研究了一个框架,用于使用CrypTFlow 2进行安全,隐私保护和AI启用的医学成像推理,CrypTFlow 2是一个最先进的端到端编译器,允许机器学习模型供应商和目标患者数据所有者之间的加密安全的2方计算(2 PC)协议。一个常见的DenseNet-121胸部X射线诊断模型在美国和印度的7个地点的两个测试集上,使用和不使用CrypTFlow 2的多机构胸部X射线成像数据集进行了评估,包括1,149张胸部X射线图像。我们在多个病理分类任务中测量安全和不安全推理之间的比较AUROC性能,并探索安全模型推理引入的模型输出分布变化和资源约束。使用CrypTFlow 2的安全推理在所有诊断的AUROC中没有显着差异,安全和不安全推理方法的模型输出在分布上是等效的。CrypTFlow 2的使用可以允许医疗保健系统和AI模型供应商之间的现成安全2 PC用于医疗成像,而不会改变性能,并且可以促进可扩展的预部署基础设施,用于真实世界的安全模型评估,而不会暴露于患者数据或模型IP。
2021-08-13 cs.CR
PrivGNN: High-Performance Secure Inference for Cryptographic Graph Neural Networks
Deakin University(德肯大学);Singapore University of Technology and Design(新加坡科技与设计大学);Fuzhou University(福州市大学);East China Normal University(华东师范大学);Griffith University(格里菲斯大学)
本文提出PrivGNN,一种用于云环境中图神经网络的轻量级密码学安全推理方案。通过在两方计算中混合加法与函数秘密共享,设计新型交互协议,显著提升了线性和非线性层的计算速度,在四个数据集上实现了1.3至4.7倍的安全预测加速且保持准确率。
2025-11-04 cs.CR cs.LG
Secured histories: computing group statistics on encrypted data while preserving individual privacy
随着传感器变得越来越普遍,越来越多的关于我们每个人的信息将被收集。一个长期的研究问题是如何最好地支持有益的使用,同时保护个人隐私。在线状态系统是支持协作的新兴应用类别。这些系统利用无处不在的传感器来估计最终用户的位置、活动和可用的通信渠道。由于这些在线数据是敏感的,为了实现广泛的采用,共享模型必须反映用户的隐私和共享偏好。为了反映用户的协作关系和共享需求,我们引入了CollaPSE安全性,其中个人可以完全访问自己的数据,第三方处理数据而无需了解任何有关数据值的信息,并且层次结构中较高的用户仅了解有关其下属员工的统计信息。我们描述了简单的计划,有效地实现CollaPSE安全的时间序列数据。我们使用现成的加密函数实现了这些协议,并将这些协议与FXPAL的myUnity呈现系统集成。
2011-05-02 cs.CR
Revisiting Shared Data Protection Against Key Exposure
Thales(泰雷兹);LTCI, Télécom Paris, Institut Polytechnique de Paris(巴黎理工学院电信学院通信与电子学实验室)
本文针对分布式系统中加密密钥泄露的场景,定义了新的安全模型,提出两种计算安全的加密后共享方案,降低了计算开销并提供了密钥泄露场景下的密码学证明。
2026-10-20 cs.CR
The adaptation of Shamir's protocol for increasing the security of a mobile environment
本文的目的是提供一个解决方案,增加了个人和企业中的工人的移动环境的安全性。所提出的解决方案适应沙米尔的方法,用于共享加密密钥管理的秘密。密钥的一部分存储在蓝牙(或NFC)腕带或企业服务器上,而移动终端用于存储所有其余部分。该方法可以应用于保护文档和语音数据。该解决方案是由一个数学形式的支持,这是在目前已知的建议在加密民俗。
2016-09-22 cs.CR
Security Analysis of the Open Banking Account and Transaction API Protocol
本文利用AnBx形式化建模及OFMC和Proverif工具,结合NatWest沙箱实际测试,对英国开放银行账户与交易API协议进行了无限会话的安全性分析与验证。
2025-05-03 cs.CR
Privacy and Data Balkanization: Circumventing the Barriers
数字数据的快速增长构成了各种新服务和研究的基础,例如大规模的医学研究。与此同时,越来越严格的隐私问题和法律正在导致在安排共享或合并不同数据集以获得这些好处方面的显着开销。对于新的应用程序,合并数据的好处还不清楚,这种开销甚至会阻止组织尝试确定他们是否可以从共享数据中获益。在本文中,我们讨论的技术,以克服这一困难,采用私人信息传输,以确定是否有一个共享数据的好处,以及是否有空间谈判可接受的价格。这些技术涉及加密协议。虽然目前被认为是安全的,但这些协议可能容易受到量子技术发展的影响,特别是在未来很长一段时间内确保隐私。为了减轻这种担忧,我们描述了实际量子技术的发展如何提高这些协议的安全性。
2021-09-03 cs.CR cs.CY
OptimShare: A Unified Framework for Privacy Preserving Data Sharing -- Towards the Practical Utility of Data with Privacy
本文提出 OptimShare 统一框架,融合差分隐私、模糊逻辑与概率论,通过面向应用的选择性属性扰动提升表格数据共享的实际效用并保障隐私。
2023-06-06 cs.CR cs.DB
Secure Scattered Memory: Rethinking Secure Enclave Memory with Secret Sharing
University of Notre Dame(圣母大学);Wuhan University(武汉大学)
安全分散内存通过多项式秘密分享替代传统加密,实现更高效的安全内存保护,性能优于现有方案。
2026-02-11 cs.AR cs.CR
FairShare: Blockchain Enabled Fair, Accountable and Secure Data Sharing for Industrial IoT
工业物联网(IIoT)开辟了一个具有挑战性的研究领域,以改善安全的数据共享,目前有几个限制。首先,缺乏参与的诚实行为的内置保证,例如最终用户或恶意行为的云可能会导致争议。鉴于这些挑战,我们提出了一个公平、负责和安全的数据共享计划,即用于IIoT的$\textit{FairShare}$。在该方案中,从物联网设备收集的数据被处理并存储在云服务器中,中间雾节点便于计算。授权客户可以收取一定费用访问这些数据,以做出战略决策,改善IIoT系统的运营服务。通过启用区块链,$\textit{FairShare}$可以防止欺诈活动,从而实现公平,使各方在数据或惩罚/奖励方面获得合法的结果,同时确保各方提供的服务的问责制。此外,智能合约旨在通过强制执行支付结算来在任何争议中充当调解人。此外,通过适当地应用加密技术(如代理重新加密)来确保数据的安全性和隐私性。我们证明只要至少有一方是诚实的,$\textit{FairShare}$就是安全的。我们验证了$\textit{FairShare}$的理论开销分析。我们还在以太坊中构建了一个原型,通过模拟和现实的测试平台设置来评估性能,并通过最先进的方案证明可比较的结果。我们观察到256字节的额外通信开销和1.01美元的以太坊部署成本,无论文件大小如何都是恒定的。
2023-01-28 cs.CR cs.NI
Trusted Machine Learning Models Unlock Private Inference for Problems Currently Infeasible with Cryptography
Google DeepMind(谷歌DeepMind);Google Research(谷歌研究院);Google(谷歌)
针对传统密码学方案在大规模复杂应用中私有推理受限的问题,提出可信能力模型环境(TCMEs),以强能力机器学习模型作为可信第三方,在输入输出约束、显式信息流控制与无状态特性下实现隐私与效率的平衡,为密码学无法覆盖的场景提供私有推理支持。
2025-01-15 cs.AI cs.CR cs.LG
Secure Multi-party Computation for Cloud-based Control
在本章中,我们将探讨控制器对来自(可能是分布式)系统的加密测量的云外包隐私保护计算,同时考虑到数据的动态性质带来的挑战。在这项工作中使用的隐私概念是加密多方隐私,即,功能性的计算不应揭示比仅从功能性的输入和输出可推断的内容更多的内容。用于实现这一目标的主要理论概念是同态加密,它允许对加密数据进行求和和乘积的评估,并且当与其他加密技术(如秘密共享)相结合时,可以成为解决广泛的安全多方问题的强大工具。我们将严格定义这些概念,并讨论如何在模型预测控制器的实现中实施多方隐私,其中包括通过解决加密数据的优化问题来计算稳定控制动作。
2019-06-23 cs.CR cs.SY eess.SY
Third Party Privacy Preserving Protocol for Perturbation Based Classification of Vertically Fragmented Data Bases
隐私是分布式数据采掘中的主要问题。在文献中我们可以发现许多隐私保护的建议,这些建议可以分为两大类,即可信第三方和基于多方的隐私协议。在可信第三方模型的情况下,将使用传统的基于非对称密码的技术,并且在基于多方的协议的情况下,数据被扰动以确保没有其他方理解原始数据。为了结合两种模型的优点来增强安全特性,本文提出在第三方隐私保护协议中使用数据扰动技术对垂直碎片数据库进行分类。特别地,我们提出了一种方法来建立朴素贝叶斯分类伪装和分散的数据库。为了进行分类,我们提出了第三方协议的安全计算。我们进行实验,以比较我们的朴素贝叶斯的准确性与从原始的未伪装的数据。我们的结果表明,虽然数据是伪装和分散的,我们的方法仍然可以达到相当高的准确性。
2013-04-24 cs.CR cs.DB
GovernR: Provenance and Confidentiality Guarantees In Research Data Repositories
本文提出密码学协议为研究数据提供时间溯源、机密性和受控共享保证,并开发了与Dataverse兼容的实用工具GovernR,填补了实际数据管理中的关键空白。
2023-07-26 cs.CR cs.DL
Comprehension from Chaos: Towards Informed Consent for Private Computation
该研究通过22次半结构化访谈,首次调研终端用户对私有计算的认知与预期,发现具体场景能帮助用户理解私有计算,其接受度受数据用途影响,且需向用户明确计算目的与输入不跨机构共享的特性,以推动知情同意落地。
2023-08-23 cs.CR
Distributed systems and trusted execution environments: Trade-offs and challenges
计算机系统中的安全和隐私问题随着连接设备的普遍存在而变得越来越重要。TEE基于硬件内置的的密码构造提供安全保证。特别是英特尔软件防护扩展(SGX),它实现了强大的机制,可以保护敏感数据,即使是对系统软件具有完全控制权的特权用户也可以保护。在这项工作中,我们主要探讨了使用英特尔SGX作为基石设计安全分布式系统所面临的一些挑战。我们这样做的设计和实验评估几个基本的系统,从通信和处理中间件的对等隐私保护的解决方案。我们从自然适合云部署场景的支持系统开始,即基于内容的路由,路由和流处理框架。我们实现了原型,并使用它们来分析SGX固有的内存使用问题。接下来,我们的目标是保护非常敏感的数据:加密密钥。通过利用TEE,我们设计的组数据共享协议,具有较低的计算复杂性比传统的方法。作为奖励,我们的建议允许大量节省元数据量和加密操作的处理时间,所有这些都具有同等的安全保证。最后,我们提出了隐私保护系统对既定的服务,如网络搜索引擎。我们的评估表明,我们提出了最强大的系统相比,现有的解决方案,用户重新识别率和结果的准确性在一个可扩展的方式。总的来说,本论文提出了新的机制,利用分布式系统架构的TEE。我们通过基于英特尔SGX的实证方法展示了应用于分布式通信和处理、加密协议和私有Web搜索的不同设计的利弊。
2020-03-11 cs.CR cs.DC cs.PF