Multi-Party Private Set Intersection: A Circuit-Based Protocol with Jaccard Similarity for Secure and Efficient Anomaly Detection in Network Traffic
本文将两方SCS协议扩展为多方基于电路的PSI协议,支持Jaccard相似度计算,可在保护隐私的网络流量分析中高效检测异常。
2024-01-23 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
Distance-Aware Private Set Intersection
私有集合交集(PSI)允许两个互不信任的方计算他们集合的交集,而不会泄露关于不在交集中的项目的信息。这项工作介绍了一个PSI的变种,称为距离感知PSI(DA-PSI)的集合,其元素位于度量空间。DA-PSI返回彼此在指定距离阈值内的项目对。本文给出了两个度量空间的DA-PSI构造:(i)整数集上的1阶Minkowski距离(即,对于整数$a$和$b$,它们的距离是$|a-b|$);以及(ii)长度为$\ell$的二进制串的集合上的汉明距离。在Minkowski DA-PSI协议中,通信复杂性与距离阈值成几何关系,与集合大小成线性关系。在Hamming DA-PSI协议中,通信量与距离阈值成二次关系,并且与字符串长度的维数$\ell$无关。与实际应用的实验结果证实,DA-PSI提供了更有效的匹配,在更低的成本比天真的解决方案。
2022-07-18 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
Privacy-preserving record linkage using local sensitive hash and private set intersection
针对数据增长下跨数据集隐私记录链接受实体信息差异阻碍的问题,提出结合PSI与LSH的线性时间高效PPRL协议,验证了隐私保障与在百万级记录数据集上的实用性。
2022-03-27 cs.CR
Asymmetric Private Set Intersection with Applications to Contact Tracing and Private Vertical Federated Machine Learning
Morfix;OpenMined;École Supérieure en Informatique, Sidi Bel Abbès(西迪贝勒阿巴斯高等计算机学院);Bitdefender(比特梵德);Edinburgh Napier University(爱丁堡龙比亚大学);apheris AI;University of California Los Angeles(加利福尼亚大学洛杉矶分校);Humboldt-Universität zu Berlin(柏林洪堡大学);Tessella
我们提出了一个多语言,跨平台,开源的非对称私有集交集(PSI)和PSI-Cardinality(PSI-C)库。我们的协议结合了传统的基于DDH的PSI和PSI-C协议与基于Bloom过滤器的压缩,有助于减少非对称设置中的通信。目前,我们的库支持C++,C,Go,WebAssembly,JavaScript,Python和Rust,并在传统硬件(x86)和浏览器目标上运行。我们进一步将我们的库应用于两个用例:(i)与现有方法兼容的隐私保护联系人跟踪协议,但提高了它们的隐私保证,以及(ii)垂直分区数据上的隐私保护机器学习。
2020-11-18 cs.CR cs.LG
Efficient Fuzzy Private Set Intersection from Secret-shared OPRF
Nanyang Technological University(南洋理工大学);Singapore Management University(新加坡管理大学);Arizona State University(亚利桑那州立大学)
本文提出高效的模糊私有集合交集协议,利用对称密钥操作降低成本,实现线性通信和计算复杂度,通过秘密共享OPRF和前缀技术提升效率,实验显示在多种设置下均优于现有方案。
2026-04-16 cs.CR
An Improved Quantum Private Set Intersection Protocol Based on Hadamard Gates
针对 Liu-Yin 量子保密集合交集协议存在内部信息泄露的问题,提出基于 Hadamard 门和额外编码量子比特的改进协议,并证明其正确且能抵抗内外部攻击。
2023-10-01 cs.CR cs.ET quant-ph
Authenticated Private Set Intersection: A Merkle Tree-Based Approach for Enhancing Data Integrity
School of Mathematics, Renmin University of China(中国人民大学数学学院);Institute of Mathematics, Henan Academy of Science(河南省科学院数学研究所);Great Bay Institute for Advanced Study, Mathematics and Information Security Research Center(大湾区高等研究院数学与信息安全研究中心)
针对 PSI 协议的数据完整性漏洞,本文定义 PSI 完整性并将 Merkle 树融入 volePSI 与 mPSI,提出两种认证型方案并实现评估。
2025-09-30 cs.CR
Improved Secure Efficient Delegated Private Set Intersection
私有集合交集(PSI)是一种重要的密码技术,用于安全地计算不同集合的公共数据。在PSI协议中,通常双方都希望找到他们共同的集合元素,而不需要公开他们不常见的集合元素。近年来,云在PSI协议中发挥了重要作用,这些协议通常需要巨大的计算任务。2017年,Abadi等人引入了一种名为EO-PSI的方案,该方案使用云来传递主要计算,并且不包括任何公钥操作。在EO-PSI中,各方需要事先建立安全信道;否则,攻击者可以很容易地窃听诚实方之间的通信并发现隐私信息。本文提出了一种改进的EO-PSI方案,该方案在保密性和复杂度方面都优于以前的方案。通过提供对现有方案的可能攻击,我们证明了在各方之间使用安全信道的必要性。此外,我们提出的协议是安全的被动攻击,而不必有任何安全信道。我们测量的协议的开销,并表明,计算复杂性大大降低,也是公平的相比,以前的计划。
2021-01-28 cs.CR
Mistakes of A Popular Protocol Calculating Private Set Intersection and Union Cardinality and Its Corrections
2012年,De Cristofaro等人提出了一个计算私有集交集和并集基数(PSI-CA和PSU-CA)的协议。该协议的安全性基于著名的DDH假设。自其发表以来,由于其高效性(计算和通信的线性复杂度)和简洁性,它已经获得了大量的流行。到目前为止,它仍然被认为是最有效的PSI-CA协议之一,也是基于Google Scholar搜索的引用最多(超过170次引用)的PSI-CA论文。然而,当我们试图实现这个协议,我们不能得到正确的结果的测试数据。由于原始论文缺乏实验结果来验证协议的正确性,我们深入研究了协议,发现它犯了一个根本性的错误。不用说,它的正确性分析和安全性证明也是错误的。本文将指出PSI-CA协议的错误,并给出该协议的正确版本以及在此基础上发展的PSI协议。给出了一个新的安全性证明,并给出了修正后协议的一些实验结果.
2022-07-27 cs.CR
Semantically Secure Private Set Intersection over Outsourced Multi-Owner Secret-Shared Databases
私有集合交集(PSI)的目的是让用户在不泄露其他成员信息的情况下,找出用户之间共同共享的项目。最近在数据库社区中提出的PSI方法是Prism,它建立在秘密共享和多个非合谋服务器可用的假设之上。Prism的一个局限性在于其语义安全性:服务器上的编码是确定性的,这意味着该方案在选择明文攻击(IND-CPA)下无法区分。本文通过两个正交原语,即Kaleido-RND和Kaleido-AES,对Prism的PSI方案进行了扩展:前者在随机编码下具有高效的性能,后者在CPA攻击下具有可证明的安全性,但计算开销较大。在一个34节点的SQLite实例集群上实现并部署了一个系统原型。在TPC-H基准测试和三个实际应用中的大量实验证实了所提出的Kaleido原语的有效性。
2023-03-13 cs.CR cs.DB
Advancement on Security Applications of Private Intersection Sum Protocol
本文提出对私有连接与计算(PJC)协议的多种扩展,包括列聚合、RLWE同态加密、证书双向认证及服务网站,并开发了名为JingBing的选民名单验证概念验证系统。
2023-08-28 cs.CR cs.NI
Communication Efficient Multiparty Private Set Intersection from Multi-Point Sequential OPRF
针对现有MPSI协议中星型拓扑领导者负载高和网状拓扑通信开销大的问题,提出多点序列不经意伪随机函数(MP-SOPRF),并基于此构建了半诚实安全的环型拓扑MPSI协议,实验证明其显著降低了通信与计算开销。
2025-05-31 cs.CR
Multi-Party Private Set Intersection: An Information-Theoretic Approach
研究了多方私有集的交集问题。在MP-PSI中,存在$M$方,每个方在$N_i$复制和非共谋数据库上存储数据集$\mathcal{p}_i$,并且我们希望计算数据集$\cap_{i=1}^M \mathcal{p}_i$的交集,而不向任何一方泄漏集合交集之外的任何信息。我们考虑一个特定的通信协议,其中一方,称为领导者党,发起的MP-PSI协议发送查询,其余各方被称为客户端。客户端不允许相互通信。我们提出了一个信息理论的计划,私下计算的交集$\cap_{i=1}^M \mathcal{p}_i$与$D = \min_{t \in \{1, \cdots, M\}} \sum_{i \in \{1, \cdots M\}\setminus {t}} \left\lceil \frac{|\mathcal{p}_t|N_i}{N_i-1}\right\rceil$的下载成本。类似于2方PSI问题,我们的计划建立在PSI问题和多消息对称私有信息检索(MM-SPIR)问题之间的联系。我们的计划是一个非平凡的推广2方PSI计划,因为它需要一个复杂的设计共享的共同随机性。有趣的是,在下载成本方面,我们的计划不会招致任何惩罚,由于更严格的隐私限制的MP-PSI问题相比,2方PSI问题。
2020-08-17 cs.CR cs.DB cs.IT
Secure multiparty quantum computations for greatest common divisor and private set intersection
本文提出一种计算最大公约数的安全多方量子计算协议,通过构建精确量子周期查找算法改进最小公倍数协议,并基于此构建了私有集合交集协议,证明了其在半诚实模型下的正确性、无条件安全性和多项式复杂度。
2023-04-03 cs.CR quant-ph
Quantum Multi-Party Threshold Private Set Intersection with Explicit Cardinality Testing
School of Mathematics, Renmin University of China(中国人民大学数学学院);Great Bay University(大湾区大学)
提出一种基于旋转的量子多方TPSI协议,通过隐藏标签测量和OLE内积实现显式基数测试,仅揭示交集是否达到阈值。
2026-06-29 cs.CR quant-ph
DP-PSI: Private and Secure Set Intersection
对用于安全2方计算的私有集合交集(PSI)进行分类的一种方式是交集是(a)向双方揭示还是(b)对双方隐藏,而仅暴露匹配的有效载荷的计算功能。两者都旨在提供加密安全性,同时避免暴露对方的不匹配元素。然而,在一个实际场景中,它们可能不足以实现安全和隐私:当需要交叉点并且必须出于法律、道德和竞争原因考虑通过功能输出泄露的信息时。诸如广告商和广告供应商的两方持有用于PSI计算的用户集合,例如,以在联合营销应用中向广告供应商揭示共同用户。除了标准PSI所要求的安全保证以保护不匹配的元素之外,任何一方都不允许“挑出”元素/用户是否属于另一方,即使联合广告需要共同用户。这是一个令人着迷的问题,没有一种PSI技术提供了解决方案。鉴于这一缺点,我们将差分隐私(DP)和S2 PC组合起来,以提供两全其美的效果,并提出了差异隐私PSI(DP-PSI),这是一种新的隐私模型,它共享PSI的强大安全保护,同时遵守GDPR最近的形式化概念,即排除各方的“信号输出”攻击,除非概率很低。
2022-08-28 cs.CR cs.IT math.IT
Private Set Intersection: A Multi-Message Symmetric Private Information Retrieval Perspective
研究了私有集的交集问题。在这个问题中,有两个实体$E_i$,对于$i=1, 2$,每个实体存储一个集合$\mathcal{P}_i$,其元素是从$N_i$复制和非共谋数据库上的有限域$\mathbb{F}_K$中挑选的。需要确定集合交集$\mathcal{P}_1 \cap \mathcal{P}_2$,而不会将关于剩余元素的任何信息泄露给具有最少下载比特量的其他实体。我们首先表明,PSI问题可以被改写为一个多消息对称的私人信息检索(MM-SPIR)的问题。接下来,作为一个独立的结果,我们推导出的信息理论和容量的MM SPIR,$C_{MM-SPIR}$。我们表明,与$K$消息,$N$数据库,和所需的消息集$P$的大小,MM-SPIR的确切容量是$C_{MM-SPIR} = 1 - \frac{1}{N}$时,$P \leq K-1$,只要共同的随机性$S$的熵满足$H(S) \geq \frac{P}{N-1}$每个所需的符号。该结果意味着MM-SPIR与连续单消息SPIR(SM-SPIR)相比没有增益。对于MM-SPIR问题,我们提出了一种新的能力实现方案,建立在Banawan-Ulukus最初提出的多消息PIR(MM-PIR)问题,没有数据库隐私约束的近最优方案。令人惊讶的是,我们的计划在这里是完全最佳的MM-SPIR问题的任何$P$,相比之下,该计划的MM-PIR问题,这被…
2020-11-29 cs.CR cs.DB cs.IT
Practical Traceable Over-Threshold Multi-Party Private Set Intersection
School of Cyber Science and Technology, University of Science and Technology of China(中国科学技术大学网络空间安全学院);Fujian Provincial Key Laboratory of Network Security and Cryptology, College of Computer and Cyber Security, Fujian Normal University(福建师范大学计算机与网络安全学院);NIO Inc.(蔚来汽车)
本文提出两种新型可追溯阈值多方私有集合交集协议,分别在效率和安全性上优于现有方法。
2025-12-31 cs.CR
Over-Threshold Multiparty Private Set Intersection for Collaborative Network Intrusion Detection
University of Waterloo(滑铁卢大学)
提出一种单收集者超阈值隐私集合求交协议,通过新哈希方案大幅降低计算复杂度,使其能应用于真实网络日志,并提供两种适应不同安全与通信需求的部署选项。
2025-10-14 cs.CR cs.NI
Decentralized Biometric Authentication based on Fuzzy Commitments and Blockchain
针对生物特征认证需保密与区块链公共属性的矛盾,提出结合模糊承诺方案的区块链生物特征认证协议,实现去中心化、抗毁性且保护用户生物特征隐私,并分析了协议安全性。
2024-09-17 cs.CR
Multi-Party Private Set Operations from Predicative Zero-Sharing
本文提出一种基于谓词零共享的多方私有集合操作(MPSO)统一框架,支持多方安全计算任意集合公式,在标准半诚实模型下实现线性复杂度,且其实例化协议在线性能超越或匹配现有技术水平。
2025-04-10 cs.CR
PrivacyGo: Privacy-Preserving Ad Measurement with Multidimensional Intersection
本文提出PrivacyGo框架,结合逆向OPRF与盲密钥轮换技术解决多标识符隐私匹配问题,并通过差分隐私机制保护交集大小,为广告测量提供可扩展的安全解决方案。
2025-06-26 cs.CR
Privacy-Preserving Quantum Two-Party Geometric Intersection
针对双方私有几何图的隐私保护相交判定问题,提出基于 oracle 编码、XOR 量子态与量子计数的 PQGI 协议,实现更高安全性和更低通信复杂度。
2023-09-22 cs.CR quant-ph
The Privacy-preserving Padding Problem: Non-negative Mechanisms for Conservative Answers with Differential Privacy
差分私有噪声机制通常使用对称噪声分布。这对于实现差分隐私定义和噪声答案中的无偏期望都是有吸引力的。然而,在某些情况下,噪声答案只有在保守的情况下才有效用,也就是说,具有已知符号的错误,我们称之为填充答案。表面上看,这是自相矛盾的,以满足DP定义的单侧误差,但我们展示了如何有可能将悖论埋到近似DP的δ参数。我们开发了一些单边填充机制,总是给保守的答案,但仍然实现近似差分隐私的机制。我们展示了这些机制如何可以应用在几个选定的领域,包括使基数集的交集和工会透露在私有集的交集协议差分私有和使多方计算协议计算稀疏数据,其确切的大小差分私有,而不是执行一个完全不经意的更昂贵的计算。
2021-10-15 cs.CR
Verifiable and Collusion-Resistant Multi-Party Quantum Private Set Operations
School of Mathematics, Renmin University of China(中国人民大学数学学院);Great Bay University(大湾区大学)
提出一种基于旋转量子构造的多方阈值私有交集协议,通过隐藏标签测量和OLE内积实现阈值判定,无需第三方解释结果,并利用IBM Qiskit验证可行性。
2026-06-29 cs.CR quant-ph
PCT-TEE: Trajectory-based Private Contact Tracing System with Trusted Execution Environment
现有的基于蓝牙的私人接触追踪(PCT)系统可以私下检测人们是否与COVID-19患者有过直接接触。然而,我们发现现有的系统缺乏功能和灵活性,这可能会影响接触追踪的成功。具体地说,它们不能检测间接接触(例如,即使没有直接接触,人们也可能因为使用同一部电梯而接触到冠状病毒);他们也不能灵活改变“风险接触”的规则,例如接触多少小时或与COVID-19患者的距离有多近被视为风险接触,这可能会随着环境情况而改变。在本文中,我们提出了一个有效和安全的接触跟踪系统,使直接接触和间接接触。为了解决上述问题,我们需要利用用户的轨迹数据进行私人接触追踪,我们称之为基于自动化的PCT。我们将此问题形式化为时空私有集相交问题。通过分析不同的方法,如同态加密,可以扩展到解决这个问题,我们确定可信执行环境(TEE)是一个建议的方法来实现我们的要求。主要的挑战是如何在有限的TEE安全内存下设计时空私有集求交算法。为此,我们设计了一个基于TEE的系统,具有灵活的轨迹数据编码算法。我们对真实数据的实验表明,该系统可以在几秒钟内处理数千万条轨迹数据记录上的数千次查询。
2021-12-31 cs.CR cs.CY
Reliable Homomorphic Matching for Fuzzy Labeled PSI at Scale
针对模糊标记私有集合交集(FLPSI)中同态匹配核的可靠性缺陷,提出CSTPSI协议,通过独立令牌轮次消除复合错误,实现零或可忽略的可靠性声音错误,并在百万级规模下保持零错误率。
2026-06-29 cs.CR
Approximate Privacy: PARs for Set Problems
在以前的工作(arXiv:0910.5714)中,我们引入了隐私近似比(PAR),并使用它来研究第二价格Vickrey拍卖和姚的百万富翁问题的协议的隐私性。在这里,我们研究了多个协议的PAR的不相交性问题(其中两个参与者,每个都有一个私有子集{1,...,k},确定它们的集合是否不相交)和相交问题(其中两个参与者,每个具有{1,.,k},确定它们的私有集合的交集)。我们表明,任何协议为这些问题中的每一个提供的隐私,作为衡量的PAR,必然是指数(在k)。我们还考虑了相对于每个玩家的主观PAR之间的比率,以表明这些问题中的每一个的一个协议比其他协议明显更公平(在这个意义上,它对两个玩家的隐私都有类似的不良影响)。
2010-06-09 cs.CR
Multi-party Private Set Operations with an External Decider
私有集操作(PSO)协议涉及至少两方及其私有输入集。该协议的目标是让各方在其输入集上学习集合操作的输出,即集合交集,而不会泄露关于不在输出集中的项目的任何信息。通常情况下,集合运算的结果只向参与方而非其他任何人显示。然而,在PSO的许多应用领域中,集合运算的结果应该由没有输入集合的外部参与者学习。我们称这个参与者为决策者。在本文中,我们提出了新的变种的多方粒子群算法,其中有一个决策者谁得到的结果。各方都希望决策者有一个私人集合。其他方既不知道这个结果,也不知道关于这个协议的任何其他内容。此外,我们提出了一个通用的解决方案的PSO问题。
2021-03-15 cs.CR
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
Privacy-Preserving Trust Management Mechanisms from Private Matching Schemes
密码原语是构建隐私保护通信机制的基础。在某些情况下,互不相识的两方需要在Internet上交换敏感信息。信任管理机制利用数字凭证和证书来在这些陌生人之间建立信任。我们解决了选择交换哪些凭证的问题。在这个过程中,除了建立信任所严格要求的信息之外,每一方都不应该了解另一方的偏好。我们提出了一种方法,以达成协议的凭证交换,保护各方的隐私。我们的方法是基于安全的两方计算协议的集合相交。也就是说,它是从私人匹配方案。
2013-08-11 cs.CR
Efficient Fuzzy PSI under One-Sided Assumptions
Nanyang Technological University(南洋理工大学);Singapore Management University(新加坡管理大学);Illinois Institute of Technology(伊利诺伊理工学院);Arizona State University(亚利桑那州立大学)
本研究提出单侧假设下一般Lₚ距离的高效模糊PSI协议,结合前缀树技术实现O(logδ)复杂度,实验显示其计算速度与通信量较现有工作有显著提升。
2026-09-15 cs.CR
Fighting Fake News in Encrypted Messaging with the Fuzzy Anonymous Complaint Tally System (FACTS)
近年来,通过在线平台传播的虚假信息的流行程度和现实世界的后果都大幅上升。与此同时,WhatsApp、Signal和Telegram等加密消息系统正在迅速普及,因为用户在数字生活中寻求更高的隐私。我们面临的挑战是如何在不损害隐私的情况下打击错误信息的病毒式传播。我们的FACTS系统会自动跟踪用户对信息的投诉,只有在收到足够多的投诉后,才会显示信息的内容和发件人。我们的系统是私有的,这意味着它不会透露任何关于收到很少或没有投诉的消息的内容;安全的,这意味着恶意用户无法逃避系统或对投诉系统产生巨大影响;可扩展的,因为我们每天可以处理多达数百万的投诉。我们的主要技术贡献是一个新的协同计数布隆过滤器,一个简单的结构与困难的概率分析,这可能有独立的利益作为一个隐私保护的随机计数草图数据结构。与之前在端到端加密消息传递中进行消息标记和跟踪的工作相比,我们的新贡献是在消息被审计或标记之前添加了一个高阈值的多个投诉。我们提出并仔细分析了我们的数据结构的概率性能,提供了一个精确的安全性定义和证明,然后通过实验来衡量我们的计划的准确性和可扩展性。
2021-09-09 cs.CR
Typer vs. CAPTCHA: Private information based CAPTCHA to defend against crowdsourcing human cheating
众包人工解决或在线打字攻击是破坏性的问题。然而,对这些主题的研究一直有限。在本文中,我们专注于这种攻击,所有的验证码可以简单地打破,因为它的设计目的。本文在对验证码的Typer现象和攻击机制进行全面分析的基础上,提出了一种新的验证码设计原则,以区分人(Typer)和人(user)。其核心思想是验证码的挑战过程应该包含具有私有属性的唯一信息。我们的想法是基于人类之间的信息不对称。如果没有这些私人信息,即使他们识别出CAPTCHA中的所有字符,Typers也无法完成攻击。我们形式化,设计和实现两个例子,我们提出的原则,一个字符为基础的,基于数据报的情况下,根据Web交互和密码处理程序。我们要求用户从密码序列中没有的随机字符中选择密码,或者将随机排序的序列放入正确的顺序。提出了一种新的基于模糊匹配的生成算法,增加了人工容错能力和随机猜测攻击的难度。与其他解决方案不同,我们的方法不需要修改主身份验证协议、用户界面和典型Web服务的体验。几项用户研究的结果表明,我们提出的方法既简单(人类可以在不到20秒的时间内准确解决)又高效(Typer只能部署随机猜测攻击,成功率非常低)。
2019-04-29 cs.CR
Sherpa.ai Privacy-Preserving Multi-Party Entity Alignment without Intersection Disclosure for Noisy Identifiers
本文提出Sherpa.ai多方PSU协议,用于垂直联邦学习中的隐私保护实体对齐,实现精确和噪声匹配,同时隐藏交集成员信息,适用于多机构医疗疾病检测等场景。
2026-05-17 cs.AI cs.CR cs.DC
Labeled Delegated PSI and its Applications in the Public Sector
Smals Research;University of Waterloo(滑铁卢大学);Cosic - KU Leuven, 3MI Labs(荷语鲁汶大学 Cosic - 3MI 实验室)
本文提出了一种带标签的委托PSI协议,用于在公共部门安全链接和收集多个数据提供者的数据,以提升医疗、欺诈检测和政策制定等应用。
2025-12-09 cs.CR
Prism: Private Verifiable Set Computation over Multi-Owner Outsourced Databases
Dongguan University of Technology(东莞理工学院);University of California, Irvine(加利福尼亚大学尔湾分校);Augusta University(奥古斯塔大学)
本文提出了Prism,一种基于秘密共享的方法来计算私有集合运算(即,交集和并集),以及属于多个所有者的外包数据库上的聚合。Prism使数据所有者能够将数据预加载到非共谋服务器上,并利用秘密份额的加法和乘法属性来计算服务器(存储秘密份额)和查询器之间(最多)两轮通信中的上述操作,从而实现非常高效的实现。此外,Prism不需要服务器之间的通信,并支持每个操作的结果验证技术,以检测恶意对手。实验结果表明,Prism在数据所有者的数量和数据库大小方面都可以扩展,而以前的方法无法扩展。
2021-04-07 cs.CR cs.DB cs.DC
Private Information Retrieval and Its Applications: An Introduction, Open Problems, Future Directions
本文综述PIR的基本模型、信息论隐私变体及PSI、PSU、PRUW等概念扩展,并探讨其在分布式学习隐私保护中的应用与未来研究方向。
2023-04-27 cs.CR cs.IT cs.NI
Accountable Private Set Cardinality for Distributed Measurement
我们介绍了安全和有效地计算集并和集交的基数的密码协议。我们的私有集基数协议(PSC)是专为分布式系统中的一个大集合的缔约方进行观察,和一个小集合的缔约方更多的资源和更高的可靠性聚合的意见。PSC允许在保护隐私的分布式系统中收集安全和有用的统计信息。例如,它允许Tor等匿名网络的运营商安全地回答以下问题:“有多少唯一用户正在使用网络?和“有多少隐藏服务被访问?".我们证明了PSC的正确性和安全性的通用可组合性框架对一个积极的对手,妥协,但一个聚合方。虽然在这种设置下不能保证成功输出,但PSC要么成功,要么终止中止,而且我们还通过指责至少一个恶意方来使对手对导致中止负责。我们还表明,PSC防止自适应腐败的数据方透露过去的观察,这可以防止他们成为有针对性的妥协的受害者,我们确保安全的测量,使输出不同的私人。我们提出了一个概念验证的PSC实现,并使用它来证明,PSC的低计算开销和合理的带宽。它可以在数小时内完成数十到数百个数据收集方的数万个独特观测。因此,PSC适用于分布式系统中的日常测量。
2022-06-30 cs.CR
Differentially Private Vertical Federated Clustering
Purdue University(普渡大学);University of Virginia(弗吉尼亚大学)
本文提出首个差分隐私纵向联邦 k-means 聚类算法,通过不可信服务器聚合差分隐私本地中心与成员编码构建加权网格,并基于 Flajolet-Martin sketch 估计网格权重,在保证隐私的同时实现了接近中央隐私设置的模型效用。
2023-03-31 cs.CR cs.LG
Private Membership Aggregation
本文研究私有成员聚合(PMA)问题,将其分为四类并映射为PIR问题,基于跨子空间对齐(CSA)提出方案,实现了线性通信复杂度,优于现有指数复杂度的K-PSI方案。
2023-09-07 cs.CR cs.IT cs.NI
Distributed Optimization with Feasible Set Privacy
本文针对两个智能体在不泄露各自可行集的情况下联合求解约束优化问题,提出基于SPIR的隐私检查方案并提取ThPSI协议,相比先求私有集合交集再寻优的方法,能以高概率实现更少信息泄露和更低下载代价。
2023-12-04 cs.CR cs.IT cs.NI
Fast Actively Secure OT Extension for Short Secrets
不经意传输(OT)是最基本的密码原语之一,在一般的安全多方计算(MPC)中以及在许多感兴趣的定制和专用问题(诸如私有集合交集(PSI)、私有信息检索(PIR)、合同签署等等)中具有广泛的应用。OT的实例化通常需要过高的通信和计算复杂性。OT扩展协议被引入以计算被称为种子OT的少量OT为代价的被称为扩展OT的非常大量的OT。我们提出了一个快速OT扩展协议的小秘密在积极的设置。我们的协议时,用于产生1出n OT优于所有已知的积极安全OT扩展。我们的协议是建立在Kolesnikov和Kumaresan的半诚实安全扩展协议的基础上的,该协议是最著名的短秘密OT扩展。
2019-11-20 cs.CR
Privacy-Preserving Feature Valuation in Vertical Federated Learning Using Shapley-CMI and PSI Permutation
Electronics and Computing Department(电子与计算系);Mondragon Unibertsitatea(蒙dragon大学)
本文提出了一种隐私保护的Shapley-CMI方法用于垂直联邦学习,通过PSI排列计算特征贡献,确保数据安全与高效性。
2025-12-16 cs.AI cs.CR cs.DC
AnonPSI: An Anonymity Assessment Framework for PSI
本文提出AnonPSI匿名性评估框架,针对PSI协议易受集合成员推断攻击的问题,设计两种攻击策略并给出理论保证,同时利用PSI-SUM等辅助信息提升攻击效率,实验表明现有PSI协议隐私保障不足,需结合多种隐私增强技术。
2023-11-29 cs.CR cs.IR
Multi-Agent Distributed Optimization With Feasible Set Privacy
University of Maryland, College Park(马里兰大学帕克分校)
针对多智能体分布式优化中可行集隐私保护需求,提出标称信息泄露下的解集获取方案,在环形和星形网络架构下验证其通信效率优于传统PSI方法。
2025-10-06 cs.CR cs.DC cs.IT