Privacy in Population Protocols with Probabilistic Scheduling
该研究针对群体协议模型隐私研究不足的问题，提出多种隐私形式化定义，验证了现有Remainder计算协议在概率调度下不满足信息论隐私，并提出了满足该隐私要求的新算法。
2023-05-03 cs.CR cs.DC
Cloud-based MPC with Encrypted Data
University of Pennsylvania（宾夕法尼亚大学）
本文研究了线性系统中带有输入约束的云外包模型预测控制（MPC）的隐私问题，提出了一种部分同态加密系统来保护客户端数据隐私，并设计了两种云-MPC架构协议，分别由单个服务器和两个独立非合谋服务器计算控制输入，同时分析了加密引入的误差和通信、MPC性能与隐私之间的权衡。
2018-09-19 cs.CR cs.SY eess.SY
Perfectly Secure Message Transmission in Two Rounds
在被称为“完全安全消息传输”（PSMT）的模型中，发送方Alice通过n个并行的双向通道连接到接收方Bob。一个计算能力无限的对手夏娃控制着这些通道中的t个，这意味着她可以获取和改变通过这些通道传输的任何数据。发送者Alice希望私下和可靠地向Bob传送秘密消息，即以这样的方式，Eve将不会获得关于消息的任何信息，而Bob将能够完全恢复它。在本文中，我们专注于工作在两个传输轮n= 2t+1的协议。我们打破了以前的工作，通过以下一个概念上更简单的蓝图实现PSMT协议。我们降低了以前最著名的通信复杂性，即传输1位秘密所需的位数，从O（n^3 log n）到O（n^2 log n）。我们的协议还回答了Kurosawa和Suzuki提出的一个问题，迄今为止还没有解决：他们的协议对于大小为O（n^2 log n）位的秘密达到了最佳传输速率，作者提出了降低这个阈值的问题。因此，时间复杂度为O（n log n）。此外，我们展示了我们的协议可以适应网络编码的背景下。
2016-08-05 cs.CR
Differential Privacy of Aggregated DC Optimal Power Flow Data
我们考虑的问题，私人发布聚合网络统计数据从解决直流最优潮流（OPF）问题。结果表明，确定噪声分布参数的机制与电力系统的拓扑结构和网络的单调性有关。我们推导出一个措施的“几乎”单调性，并展示了它如何可以与线性规划，以释放聚合OPF数据使用的差分隐私框架。
2019-03-27 cs.CR math.OC
Inherit Differential Privacy in Distributed Setting: Multiparty Randomized Function Computation
如何在分布式环境中实现差分隐私，其中数据集分布在不信任的各方，是一个重要的问题。我们考虑在什么条件下协议可以继承它计算的函数的差分隐私性质。问题的核心是随机函数的安全多方计算。引入了\emph{obliviousness}的概念，它捕获了在分布式环境中从确定性函数计算随机化函数时的关键安全问题。通过这一观察，给出了由确定性函数计算随机化函数的一个充要条件。上述结果不仅可以用来判断计算差分私有函数的协议是否安全，而且可以用来构造安全的差分私有函数协议。证明了如果协议秘密地计算一个函数，则计算该函数的协议可以继承该函数的差分隐私性质，并给出了差分隐私协议的合成定理。我们还构造了一些协议，以产生随机变量的分布设置，如均匀随机变量和反演方法。利用这些基本协议，我们构造了高斯机制、拉普拉斯机制和指数机制的协议。重要的是，所有这些协议都满足遗忘性，因此可以通过基于模拟的方式证明是安全的。给出了分布情形下计算随机函数的复杂性界。最后，为了证明我们的研究结果对多方差分隐私协议的有效性，我们构造了一个差异隐私的经验风险最小化协议。
2016-04-11 cs.CR cs.DB
Trustless Privacy-Preserving Data Aggregation on Ethereum with Hypercube Network Topology
针对隐私保护数据聚合需求，本文提出一种融合多种密码学原语与超立方体拓扑、在以太坊上运行的可扩展求和聚合协议，经分析与实验验证了其安全性、可扩展性及gas成本等性能。
2023-08-29 cs.CR
Two Efficient Measurement Device Independent Quantum Dialogue Protocols
量子对话是一种使用单一信道的双向安全和同时通信的过程。最近，已经提出了测量设备独立量子对话（MDI-QD）协议（量子信息处理16.12（2017）：305）。为了使协议安全防止信息泄漏，作者在错误估计阶段之后丢弃了几乎一半的剩余量子位。在本文中，我们提出了MDI-QD协议的两个修改版本，使得在错误估计阶段之后丢弃的量子比特的数量减少到剩余量子比特的近四分之一。我们使用了几乎一半的废弃量子位以及他们使用过的量子位，使我们的协议在量子位计数方面更有效。在MDI-QD协议中给出的相同对抗模型下，我们证明了我们的两个协议都是安全的。
2020-06-11 cs.CR quant-ph
Non-Malleable Condensers for Arbitrary Min-Entropy, and Almost Optimal Protocols for Privacy Amplification
近年来，主动攻击下的隐私放大问题受到了广泛的关注。给定一个共享的n比特弱随机源X，其最小熵为k，安全参数为s，主要目标是构造一个显式的两轮隐私放大协议，该协议的熵损失为O（s）. Dodis和Wichs \cite{DW09}表明，通过构造显式的不可延展提取器可以实现最佳协议。然而，最著名的显式不可延展提取器仅实现k= 0.49 n \cite{Li12b}，并且\cite{Li12b}中的证据表明，为较小的最小熵构造显式不可延展提取器可能是困难的。在另一种方法中，Li \cite{Li12}引入了不可延展冷凝器的概念，并表明显式不可延展冷凝器也可以提供最佳的隐私放大协议。本文首次构造了任意最小熵的不可延展凝聚体。利用我们的构造，我们得到了一个两轮隐私放大协议，该协议在安全参数s=Ω（\sqrt{k}）时具有最优熵损失.这是第一个协议，同时实现最佳轮复杂度和最佳熵损失为任意最小熵k。我们还推广了这个结果，以获得一个协议，运行在O（s/ \sqrt{k}）轮的最佳熵损失，安全参数s=Ω（k）。这显著改进了\cite{ckor}中的协议。最后，给出了线性最小熵的一个更好的不可延展凝聚器，并在此情况下得到了一个在安全参数s=Ω（k）下具有最优熵损失的2轮协议，改善了\cite{Li12b}协议的熵损失和通信复杂性.
2012-11-03 cs.CR
On the Risks of Collecting Multidimensional Data Under Local Differential Privacy
本文研究了多维数据在本地差分隐私下面临的隐私威胁，评估了多种LDP协议并提出了提升效用与鲁棒性的对策。
2023-08-01 cs.CR
PEPSI: Practically Efficient Private Set Intersection in the Unbalanced Setting
针对非对称场景下现有电路PSI协议计算效率低、通信量大的问题，提出仅需客户端发送加密数据的非交互式方案PEPSI，大幅提升运算速度并降低通信成本，首次实现该类协议在非对称场景的实用化。
2024-08-18 cs.CR
An Almost-Optimally Fair Three-Party Coin-Flipping Protocol
在多方公平的硬币翻转协议中，各方输出一个共同的（接近）无偏位，即使一些损坏的各方试图偏置输出。Cleve [STOC 1986]已经表明，在不诚实的多数（即，至少一半的参与方可能被破坏），在任何$m$轮硬币翻转协议中，被破坏的参与方可以使诚实参与方的公共输出比特偏置$Ω(\frac1{m})$。二十多年来，针对不诚实多数的最著名的硬币翻转协议具有偏见$Θ(\frac{\ell}{\sqrt{m}})$，其中$\ell$是损坏的方的数量。Moran等人[TCC 2009]最近的一项突破性结果改变了这一点，他们构建了一个具有最佳偏倚$Θ(\frac1{m})$的$m$回合、双方硬币翻转方案。在随后的工作中，Beimel等人[Crypto 2010]将该结果扩展到多方情况，其中少于$\frac23$的各方可能被损坏。仍然对于$\frac23$（或更多）损坏方的情况，最知名的协议具有偏倚$Θ(\frac{\ell}{\sqrt{m}})$。特别是自然三方案件的情况。我们朝着消除上述差距迈出了一步，提出了一个$m$轮，三方硬币翻转协议，与偏见$\frac{O(\log^3 m)}m$。我们的方法（我们也适用于两方的情况）不遵循Moran等人和Beimel等人的工作中使用的“阈值回合”范式，而是Cleve的多数方案的变体，用于获得上述$Θ(\frac{\ell}{\sqrt{m}})$ -偏差…
2021-05-04 cs.CR
Learning from End User Data with Shuffled Differential Privacy over Kernel Densities
The Blavatnik School of Computer Science and AI Tel-Aviv University（特拉维夫大学布拉瓦尼克计算机科学与人工智能学院）
该研究提出一种基于核密度估计的洗牌差分隐私协议，在保护终端用户数据隐私的同时实现接近中心差分隐私的准确率，可用于私密分类学习且能恢复类别语义，实验验证了其下游性能优势。
2025-02-19 cs.CR cs.DS cs.LG
N-Parties Private Structure and Parameter Learning for Sum-Product Networks
Institute of Computer Science, Johannes Gutenberg University Mainz（计算机科学研究所，吉森大学马因茨分校）；Zalando SE
本文提出基于秘密共享的隐私保护协议，用于和积网络的结构生成、参数学习及私有推理，在保证数据隐私的同时不损失性能，且扩展性优于神经网络协议。
2025-10-07 cs.CR cs.LG
Frequency Estimation in the Shuffle Model with Almost a Single Message
我们提出了一个协议，在洗牌模型的差分隐私（DP）的\textit{frequency estimation}的问题，实现错误的$ω(1)\cdot O(\log n)$，几乎匹配的中心DP的准确性，与每个用户的$1+o(1)$消息。这表现出急剧的转变现象，因为如果每个用户仅被允许发送一条消息，则存在$Ω(n^{1/4})$的下限。以前，只有当域大小$B$为$o(n)$时才知道这样的结果。对于大的域，我们还需要一种有效的方法来识别\textit{heavy hitters}（即，足够频繁的元素）。为此，我们设计了一个shuffle-DP协议，使用$o(1)$消息每个用户，并可以识别所有的重打击者在$B$的时间多对数。最后，通过结合我们的频率估计和重打击检测协议，我们展示了如何解决$B$ -维\textit{1-sparse vector summation}的问题，在高维设置$B=Ω(n)$，实现最佳的中央DP MSE $\tilde O(n)$与每个用户的$1+o(1)$消息。除了错误和消息数量，我们的协议在消息大小和运行时间方面也有所改进。它们也很容易实现。实验结果表明，数量级的改善比以前的工作。
2022-11-22 cs.CR
Distributed Private Data Analysis: On Simultaneously Solving How and What
我们研究了隐私领域中两个方向的组合，涉及分布式私有输入的计算-安全函数评估（SFE）和差分隐私。虽然两者的目标都是私下评估个人输入的某些功能，但隐私要求却截然不同。SFE的一般可行性结果提出了一个自然的范例，用于分布式地实现差异私有分析：首先选择要计算的内容，即，差异私有分析;然后决定如何计算它，即，构建用于此分析的SFE协议。我们开始检查是否有一个范例的优势，这两个决定是同时作出的。特别是，我们调查的准确性要求下，它是有益的，以适应这种模式计算的功能，包括二进制和，差距阈值，近似中位数查询的集合。我们的结果意味着，当计算$n$分布输入的二进制和时，则：* 当我们要求误差为$o(\sqrt{n})$且轮数为常数时，在新的范例中没有好处。* 当我们允许$O(\sqrt{n})$的错误时，当我们考虑计算对称函数的协议时，新的范例产生更有效的协议。我们的研究结果还产生了新的分离的本地和全球模型的计算私人数据分析。
2011-03-14 cs.CR cs.DC
Explicit Non-Malleable Extractors, Multi-Source Extractors and Almost Optimal Privacy Amplification Protocols
我们在以下三个问题上取得了进展：1.构建最佳种子非延展性提取器; 2.构造最优的隐私放大协议与一个积极的对手，对任何安全参数; 3。构造独立弱随机源的提取器，当最小熵极小时（即，接近对数）。对于前两个问题，Chattopadhyay，Goyal和Li [CGL 16]以及Cohen [Coh 16 a，Coh 16 b]的最著名的不可延展提取器都要求种子长度和最小熵至少为$\log^2 (1/ε)$，其中$ε$是提取器的误差。结果表明，在[Li 15 c，CGL 16]中实现两轮通信和最优熵损失的最著名的带有主动攻击者的显式隐私放大协议只能处理最大为$s=Ω(\sqrt{k})$的安全参数，其中$k$是共享秘密弱随机源的最小熵.对于较大的$s$，[Li 15 c]中具有最佳熵损失的最佳已知协议需要$O(s/\sqrt{k})$轮通信。在本文中，我们给出了一个显式的不可延展的提取器，只需要种子长度和最小熵$\log^{1+o(1)} (n/ε)$，这也产生了一个2轮的隐私放大协议的最佳熵损失的安全参数高达$s=k^{1-α}$的任何常数$α>0$。对于第三个问题，先前最好的已知提取器，其支持由于Li [Li 13 a]而导致的最小熵，对于任何恒定的$δ>0$，需要最小熵$\log^{2+δ} n$并使用$O(1/δ)$源。Cohen和Schulman [CS 16]最近的一个结果改进…
2016-04-05 cs.CC cs.CR
ABG: A Multi-Party Mixed Protocol Framework for Privacy-Preserving Cooperative Learning
协作学习是一种由两个或多个数据拥有者共同训练模型的学习方法，被广泛用于解决机器学习中训练数据不足的问题。如今，迫切需要机构和组织合作训练模型，同时保持彼此的数据私密。为了解决协作学习中的隐私保护问题，安全外包计算和联邦学习是两种典型的方法。然而，这两种方法在协作学习中的运用都存在着许多不足。对于安全的外包计算，需要引入半诚实服务器。一旦外包服务器勾结或进行其他主动攻击，数据的隐私将被泄露。对于联邦学习，它很难应用于垂直分区数据分布在多方的场景。在这项工作中，我们提出了一个多方混合协议框架，ABG $^n$，它有效地实现任意转换之间的算术共享（A），布尔共享（B）和混淆电路共享（G）的$n$ -党的场景。基于ABG $^n$，我们设计了一个隐私保护的多方协作学习系统，该系统允许不同的数据拥有者在数据安全和隐私保护方面合作进行机器学习。此外，我们设计了一些典型的机器学习方法，如逻辑回归和神经网络特定的隐私保护计算协议。与以往的工作相比，该方法具有更广泛的适用范围，并且不需要依赖于额外的服务器。最后，我们评估了ABG $^n$在本地设置和公共云设置上的性能。实验表明，ABG $^n$具有良好的性能，尤其是在低延迟的网络环境中。
2022-02-10 cs.CR cs.LG
Confidentiality in a Card-Based Protocol Under Repeated Biased Shuffles
本文针对五张牌戏法协议，通过条件概率和马尔可夫链特征结构分析有偏随机切牌导致的信息泄露，并推导出将泄露降至可接受水平所需重复切牌次数的紧界。
2025-11-07 cs.CR cs.IT math.IT
Hiding in the Crowd: A Massively Distributed Algorithm for Private Averaging with Malicious Adversaries
INRIA（法国国家信息与自动化研究所(INRIA)）
在我们与连接设备的日常交互中收集的大量个人数据为机器学习推动的创新服务提供了巨大的机会，同时也引发了对个人隐私的严重担忧。在本文中，我们提出了一个大规模分布式协议，供大量用户私下计算其联合数据的平均值，然后可用于学习预测模型。我们的协议可以找到一个任意精度的解决方案，不依赖于第三方，并在诚实但好奇和恶意对手模型的整个执行过程中保护用户的隐私。具体来说，我们证明了对手（恶意用户集）观察到的信息并没有显着降低其预测的私人价值相比，其先前的信念的不确定性。隐私保护的水平取决于与网络图的拉普拉斯矩阵相关的量，并且通常随着图的大小而提高。此外，我们设计了一个验证程序，提供保护，防止恶意用户加入服务的目标是操纵算法的结果。
2018-03-27 cs.CR cs.DC cs.LG
Constant Degree Networks for Almost-Everywhere Reliable Transmission
本文针对几乎处处可靠传输问题，提出基于图积的组合技术，首次构造出容忍常数比例敌手故障且协议工作复杂度为多对数的常数度网络，解决了 Dwork 等人留下的核心开放问题。
2024-12-31 cs.CR cs.DC cs.DS
Differentially Private Aggregation in the Shuffle Model: Almost Central Accuracy in Almost a Single Message
差分隐私的洗牌模型由于其介于中心模型和局部模型之间而受到广泛关注。在这项工作中，我们研究了求和（聚合）实数或整数，在许多机器学习任务的基本原语，在洗牌模型的问题。我们给出了一个协议，实现误差任意接近中心模型中的（离散）拉普拉斯机制，而每个用户只发送$1 + o(1)$短消息的预期。
2021-09-27 cs.CR cs.DS
Using HB Family of Protocols for Privacy-Preserving Authentication of RFID Tags in a Population
在本文中，我们提出了一个HB类协议的隐私保护认证的RFID标签，标签可以保持匿名和不可追踪的对手在认证过程中。这种协议的先前提议是基于PRF计算的。相反，我们的协议可以用于低成本的标签，可能无法计算标准的PRF。此外，由于HB协议中的底层计算是非常有效的，我们的协议也减少了阅读器的负载相比，基于PRF的协议。我们提出了一种基于树的方法，取代了基于PRF的认证，从以前的工作与HB+或HB#的过程。我们通过使用底层协议的“轻型版本”和在树的所有级别上共享随机挑战来优化树遍历阶段。这提供了通信资源的显著减少，导致隐私保护协议几乎与底层HB+或HB#一样高效
2009-07-07 cs.CR
Blind quantum computing with two almost identical states
一个完全经典的客户端是否可以将量子计算委托给一个不可信的量子服务器，同时完全保持隐私（失明），这是量子密码学中的一个大问题。无论是肯定的还是否定的答案都有重要的实践和理论意义，而且这个问题似乎真的很难回答。安全地委托量子计算的最先进方法无一例外地依赖于授予客户端适度的量子功率，或者依赖于额外的非通信量子服务器。在这项工作中，我们考虑单服务器设置，并推动客户端的最小设备的边界，这仍然允许盲量子计算。我们的方法是基于这样的观察，在许多盲目的量子计算协议中，从客户端的角度来看，协议的“量子”部分归结为在客户端和服务器之间建立经典-量子相关性（独立于计算），然后控制计算本身只需要经典通信。在这里，我们抽象这个初始准备阶段，特别是Broadbent，Fitzsimons和Kashefi的通用盲量子计算协议。我们确定了足够的标准，客户端的权力，这仍然允许安全的盲量子计算。我们在一个通用的可组合框架中工作，并提供一系列协议，其中每个步骤都减少了客户端需要准备的不同状态的数量。作为这种约简的极限，我们证明了只准备两个纯态的能力，这两个纯态具有任意高的重叠（因此任意接近相同），足以进行有效和安全的盲量子计算。
2016-04-06 cs.CR quant-ph
A Privacy Preserving Improvement for SRTA in Telecare Systems
射频识别（RFID）是一种通过非物理接触提供身份认证和识别的现代通信技术。最近，这项技术的使用几乎在医疗保健环境中得到了发展。虽然RFID技术可以在系统中准备智能，但隐私和安全问题应该在此之前考虑。最近，在2015年，Li等人提出了SRTA，这是一种基于哈希的RFID认证协议，用于医疗保健的药物验证。在本文中，我们研究了该协议，并表明SRTA协议是脆弱的可追溯性，假冒和Dos攻击。因此，它不提供RFID最终用户的隐私和安全。因此，我们提出了一种改进的安全和高效的RFID认证协议，以提高李等人的方法的性能。分析表明，该协议克服了SRTA协议存在的不足。
2015-10-14 cs.CR
Classical Cryptographic Protocols in a Quantum World
密码协议，如安全功能评估（SFE）协议，在现代密码学的发展中起着至关重要的作用。然而，这些协议的广泛理论几乎只涉及经典攻击者。如果我们接受量子信息处理是物理上可行的计算的最现实的模型，那么我们必须问：什么经典协议对量子攻击者仍然是安全的？我们的主要贡献是证明了在合理的计算假设下（例如，对于量子多项式时间来说，有错误的学习问题是困难的），存在经典的两方协议来安全地评估任何多项式时间函数。我们的结果表明，经典密码学的基本两方可行性图像在量子世界中保持不变。
2015-07-06 cs.CR quant-ph
On decentralized oracles for data availability
中本聪共识是比特币的基础协议，它有可能保护一类新的系统，这些系统同意非数学真理。作为此功能的一个示例，我们提出了一种无需信任的数据可用性Oracle的设计。这一论述减少了确定注册数据是否公开的问题，以构建一个网络，其中几乎所有节点都可以下载给定的数据，或者几乎没有一个节点可以。
2019-10-23 cs.CR
How not to secure wireless sensor networks revisited: Even if you say it twice it's still not secure
最近的两篇论文描述了几乎完全相同的无线传感器网络组密钥建立协议。相当部分的重复问题，我们表明，这两个协议是不安全的，不应该使用-一个组的成员可以成功地冒充密钥生成中心，并说服任何其他组成员接受错误的密钥值。这违背了这些计划的既定目标。
2020-11-20 cs.CR
Improved Extension Protocols for Byzantine Broadcast and Agreement
拜占庭广播（BB）和拜占庭协议（BA）是分布式计算中的两个最基本的问题和重要的组成部分，提高它们的效率是理论工作者和实践工作者共同关心的问题。在本文中，我们研究了BB和BA的扩展协议，解决具有$l$位的长输入的BB/BA的协议，其使用比$l$单个位实例更低的成本。我们提出了新的协议，提高了通信复杂性性，在几乎所有的设置：认证BA/BB与$t<n/2$，认证BB与$t<(1-ε)n$，未经认证的BA/BB与$t<n/3$，和异步可靠广播和BA与$t<n/3$。新协议在几个方面具有优势和意义。首先，与以前的结果相比，它们在更宽的输入大小范围内实现了$Θ(nl)$的最佳通信复杂性。第二，认证扩展协议实现了最佳的通信复杂性给定的当前最好的可用的BB/BA协议的短消息。第三，据我们所知，我们在该环境中的异步和认证协议是该环境中的第一个扩展协议。
2020-10-05 cs.CR cs.DC
Pencil: Private and Extensible Collaborative Learning without the Non-Colluding Assumption
Tsinghua University（清华大学）；Zhongguancun Laboratory（中关村实验室）
Pencil提出首个无需非共谋假设的私有协作学习框架，基于高效两方协议实现多方扩展，同时保障数据与模型隐私，吞吐量提升10~260倍，通信量降低两个数量级。
2024-03-17 cs.CR cs.LG
Who started this rumor? Quantifying the natural differential privacy guarantees of gossip protocols
Gossip协议被广泛用于大规模对等网络中的信息传播。这些协议通常声称可以保证隐私，因为它们在开始传播的节点上引入了不确定性。但这种说法真的是真的吗？八卦的源头能安全地隐藏在人群中吗？本文研究，第一次，八卦协议，通过严格的数学框架的基础上差分隐私，以确定在何种程度上的八卦来源可以追溯。考虑到一个完整的图中的一个子集的节点是好奇的情况下，我们研究了一个家庭的八卦协议参数化的“突变”参数$s$：节点停止发射后，以固定的概率$1-s$每次通信。我们首先证明了标准的推协议，对应的情况下$s=1$，不满足大型图的差分隐私。相比之下，协议与$s=0$实现了最佳的隐私保证，但在传播时间急剧增加的成本相比，标准的推，揭示了一个有趣的紧张局势之间的隐私和传播时间。然而，令人惊讶的是，我们表明，一些选择的静音参数$s$导致协议，实现最佳数量级的隐私和速度。我们还证实经验，适当的选择$s$，我们确实获得协议，是非常强大的对具体的源位置攻击，同时传播的信息几乎一样快的标准（和非私人）推协议。
2020-08-04 cs.CR cs.DC
