Multi-Matrix Verifiable Computation
近年来,将计算安全地外包给云服务器的问题吸引了大量的关注。Gennaro,Gentry,Parno(Crypto'10)的可验证计算允许客户端验证服务器对函数的计算,其时间比从头开始执行外包计算少得多。在可验证计算的多函数模型(Parno,Raykova,Vaikuntanathan; TCC'12)中,编码函数的过程和准备输入的过程是解耦的,使得任何客户端都可以在其输入上自由地提交计算请求,而不必预先生成函数的编码。在本文中,我们提出了一个多矩阵可验证的计算方案,允许在有限域上的矩阵功能的安全外包。我们的计划可以外包。当它被用来外包$m$线性函数,该计划是大约$m$倍快,并具有更少的通信成本比以前最有名的方案由Fiore和Gennaro(CCS'12),在客户端计算和服务器端计算。我们还展示了成本节约与详细的实施。
2021-04-30 cs.CR
VeriX-Anon: A Multi-Layered Framework for Mathematically Verifiable Outsourced Target-Driven Data Anonymization
School of Computer Science Engineering and Information Systems, Vellore Institute of Technology(计算机科学与信息系统学院,维洛雷理工学院)
本文提出VeriX-Anon框架,结合三种验证机制确保外包目标驱动k-匿名化过程的正确性,并通过实验验证其在不同数据集上的有效性与实用性。
2026-09-01 cs.CR cs.DB cs.LG
Practical Verification of MapReduce Computation Integrity via Partial Re-execution
大数据处理通常外包给强大但不受信任的云服务提供商,这些云服务提供商为较弱的客户提供敏捷和可扩展的计算资源。然而,不受信任的云服务无法确保数据和计算的完整性,而客户端无法控制外包计算或无法检查执行的正确性。尽管人们对可验证计算的兴趣越来越大,并且最近取得了进展,但由于高验证开销,现有技术仍然不足以用于大数据处理。在本文中,我们提出了一个解决方案,称为V-MR(可验证MapReduce),这是一个框架,通过部分重新执行来验证在不可信云中外包的MapReduce计算的完整性。V-MR实际上是有效和高效的,因为(1)它可以检测MapReduce计算完整性的违反,并识别产生错误计算的恶意工作者。(2)它可以通过使用程序分析用仔细选择的输入数据和程序代码部分地重新执行来减少验证的开销。原型系统的实验结果表明,V-MR能够有效地验证MapReduce计算的完整性,且部分重执行开销较小。
2020-02-21 cs.CR cs.DC
Verifiable Encodings for Secure Homomorphic Analytics
Swiss Federal Institute of Technology in Lausanne (EPFL)(洛桑联邦理工学院)
针对同态加密无法保证云端外包计算结果正确性的问题,本文提出两种错误检测编码与对应认证器,实现VERITAS系统,支持任意同态操作验证,可应用于多类隐私计算场景。
2024-06-04 cs.CR
Machine Learning on Cloud with Blockchain: A Secure, Verifiable and Fair Approach to Outsource the Linear Regression for Data Analysis
线性回归(LR)是一种经典的机器学习算法,在网络物理社会系统(CPSS)中有许多应用,以塑造和简化我们生活,工作和交流的方式。本文主要研究线性回归在CPSS中的应用。LR的训练过程是耗时的,因为它涉及复杂的矩阵运算,特别是当它在CPSS中获得大规模训练数据集时。因此,如何使设备能够有效地执行线性回归的训练过程是非常重要的。为了解决这个问题,在本文中,我们提出了一个安全的,可验证的和公平的方法来外包LR到一个不可信的云服务器。在该方案中,计算输入/输出被掩盖,从而保护敏感信息的隐私免受云服务器的攻击。同时,云服务器的计算结果是可验证的。此外,区块链还保证了公平性,确保云只有在正确执行外包工作量时才能获得报酬。基于所提出的方法,我们在以太坊区块链上开发了公平,安全的外包系统。从理论和实验两个方面对该方案进行了分析,结果表明该方案是有效的、安全的和高效的。
2021-11-22 cs.CR
Verifiable Privacy-Preserving Computing
该研究针对数据密集型外包场景对隐私与可验证正确性的双重需求,分析了结合可验证性与分布式数据隐私保护计算的现有方案,分类比较37种方案的安全、效率等特性,并提出未来研究方向。
2024-04-16 cs.CR
FSPVDsse: A Forward Secure Publicly Verifiable Dynamic SSE scheme
对称可搜索加密(SSE)方案允许客户端(数据所有者)搜索外包给不可信云服务器的加密数据。搜索可以是单个关键字搜索或复杂查询搜索,如合取或布尔关键字搜索。对于动态SSE,信息泄漏是相当高的,其中数据可能被更新。已经证明,为了避免这种信息泄漏,具有动态数据的SSE方案必须是前向私有的。动态SSE方案被称为前向私有的,如果添加关键字-文档对不会显示关于该关键字的先前搜索结果的任何信息。在SSE设置中,数据所有者具有非常低的计算和存储能力。在这种情况下,尽管一些方案通过诚实但好奇的云实现了前向隐私,但当服务器是恶意的时,很难实现前向隐私,这意味着它可以改变数据。可验证的动态SSE要求服务器提供搜索查询结果的证明。数据所有者可以有效地验证此证明。在本文中,我们提出了一个通用的公开可验证的动态SSE(DSSE)计划,使任何前向私人DSSE计划可验证,而不会失去前向隐私。该方案不需要任何额外的存储在业主方,并要求最小的计算成本,以及业主。此外,我们还将我们的方案与已有的结果进行了比较,表明我们的方案是实用的。
2019-09-30 cs.CR
Betrayal, Distrust, and Rationality: Smart Counter-Collusion Contracts for Verifiable Cloud Computing
云计算已经成为不可逆转的趋势。同时也迫切需要可验证性,以确保客户端外包给云计算的正确性。现有的可验证计算技术都有很高的开销,因此如果部署在云中,将使云计算比本地计算更昂贵。为了以合理的成本实现可验证性,我们利用博弈论并提出了一种基于智能合约的解决方案。简而言之,客户端让两个云计算相同的任务,并使用智能合约来刺激云之间的紧张,背叛和不信任,这样理性的云就不会串通和欺骗。在没有共谋的情况下,通过交叉检查来自两个云的结果可以很容易地完成正确性的验证。我们对契约所诱导的博弈进行了形式化分析,并证明了在一定的合理假设下契约是有效的。通过诉诸博弈论和智能合约,我们能够避免繁重的加密协议。客户只需要支付两个云来进行清晰的计算,以及少量的交易费用来使用智能合约。我们还进行了一项可行性研究,涉及在Solidity中实施合约并在官方以太坊网络上运行它们。
2017-09-04 cs.CR
Verifiable computations for dynamic encrypted control
University of Stuttgart(斯图加特大学)
针对线性动态加密控制中云服务器返回结果可能被篡改的问题,提出利用控制器输入输出特性生成挑战信号并行验证,几乎不增加计算负载且能高概率检测错误。
2026-06-17 cs.CR cs.SY eess.SY
Recurring Contingent Service Payment
公平交换协议允许相互不信任的两方以任何一方都无法欺骗的方式交换数字数据。它们具有各种应用,例如数字物品的交换,或买方/客户端和卖方/服务器之间的数字硬币和数字服务的交换。在这项工作中,我们正式定义并提出了一个通用的基于区块链的结构,称为“经常性或有服务支付”(RC-S-P)。它(i)允许在客户端和服务器之间安全地重新进行数字货币和可验证服务的公平交换,同时确保当且仅当服务器提供有效服务时才支付服务器,以及(ii)确保各方的隐私得到保护。RC-S-P支持任意可验证服务,如“可检索性证明”(PoR)或可验证计算,并降低链上开销。我们的正式处理和构造,第一次,考虑客户端或服务器是恶意的设置。当可验证服务为PoR时,我们还给出了一个具体有效的RC-S-P实例。我们实现了具体的实例化,并分析了其成本。当它处理一个4GB的外包文件时,验证者可以在90毫秒内检查一个证明,证明者和验证者之间的争议在0.1毫秒内解决。在CCS 2017上,提出了两个基于区块链的协议,以支持数字货币的公平交换和某种可验证的服务;即PoR。在这项工作中,我们表明,这些协议(i)容易受到搭便车攻击,使客户端能够在不向服务器付费的情况下接收服务,以及(ii)不适合当事人隐私问题的情况,例如,当服务器的证明状态或买方的文件大小必须对公众保持私密时。RC-S-P同时减轻了上述攻击并保护了各方的隐私。
2023-04-05 cs.CR
SafetyNets: Verifiable Execution of Deep Neural Networks on an Untrusted Cloud
New York University(纽约大学)
使用深度神经网络的推理通常外包给云,因为它是一项计算要求很高的任务。然而,这提出了一个根本的信任问题。客户端如何确保云正确执行了推理?懒惰云提供商可能会使用更简单但不太准确的模型来减少自己的计算负载,或者更糟的是,恶意修改发送给客户端的推理结果。我们提出SafetyNets,一个框架,使不受信任的服务器(云)提供一个简短的数学证明的推理任务,他们代表客户端执行的正确性的客户端。具体来说,SafetyNets开发并实现了一种专门的交互式证明(IP)协议,用于一类深度神经网络的可验证执行,即,可以用算术电路来表示。我们在三层和四层深度神经网络上的实证结果表明,SafetyNets对客户端和服务器的运行时成本都很低。SafetyNets以很高的概率检测到不可信服务器对神经网络的任何不正确计算,同时在MNIST数字识别(99.4%)和TIMIT语音识别任务(75.22%)上实现了最先进的准确性。
2017-06-30 cs.CR cs.LG
Slalom: Fast, Verifiable and Private Execution of Neural Networks in Trusted Hardware
Stanford University(斯坦福大学)
随着机器学习(ML)应用于安全关键或敏感领域,外包ML计算的完整性和隐私性需求日益增长。一个实用的解决方案来自可信执行环境(TEE),它使用硬件和软件保护将敏感计算与不可信的软件堆栈隔离开来。然而,与不受信任的替代方案相比,这些隔离保证在性能上是有代价的。本文通过在可信设备和不可信设备之间有效地划分深度神经网络(DNN)计算,启动了TEE中DNN的高性能执行研究。基于矩阵乘法的有效外包方案,我们提出了Slalom,这是一个框架,可以安全地从TEE(例如,英特尔SGX或Sanctum)到更快但不受信任的协同定位处理器。我们通过在英特尔SGX安全区中运行DNN来评估Slalom,该安全区选择性地将工作委托给不受信任的GPU。对于规范DNN(VGG16,MobileNet和ResNet变体),我们获得了6倍至20倍的可验证推理吞吐量增加,以及4倍至11倍的可验证和私有推理吞吐量增加。
2019-02-27 cs.CR cs.LG stat.ML
BioZKFHE: Scalable Encrypted Biometric Identification via Verifiable Homomorphic Similarity Evaluation
Shenzhen University(深圳大学);Lancaster University(兰卡斯特大学);University of Technology Sydney(悉尼科技大学)
研究大规模外包环境下生物特征识别问题,提出BioZKFHE框架,结合BGV同态计算等技术。采用SCMV打包和PVSC方法,减少加密存储、避免旋转密集匹配、使证明生成可行。实验表明该框架能实现接近无损识别,减少加密存储,缩短运行时间。
2026-10-28 cs.CR
Two-Server Delegation of Computation on Label-Encrypted Data
Catalano和Fiore提出了一种方案,将线性同态加密转换为能够对密文进行二次计算的同态加密方案。他们的方案基于线性同态加密(如Goldwasser-Micali,Paillier和ElGamal),需要在服务器上进行大整数运算。然后,他们的方案在服务器上进行了大量的计算。同时,他们的方案不能验证计算,也不能评估超过4度的计算。为了解决这些问题,我们不再使用基于数论假设的线性同态加密。我们使用标签和伪随机函数来加密消息,这大大减少了服务器的计算量,使我们能够使用同态MAC技术自然地实现可验证的计算。我们还扩展的方法来构建$d$服务器计划,允许客户端委托度$d$计算外包数据。
2021-04-26 cs.CR
AVPKEET: Exact-Request Authorization and Publicly Verifiable Equality Testing over Encrypted Data
School of Cybersecurity, Northwestern Polytechnical University(西北工业大学网络安全学院);Data Communication Technology Research Institute(数据通信技术研究所);School of Cyberspace Science and Technology, Beijing Jiaotong University(北京交通大学网络空间科学与技术学院)
提出AVPKEET方案,实现密文文件级授权和公开可验证性,并基于此构建AVSE方案,支持一次性令牌、批量操作和细粒度访问控制,实验表明令牌尺寸最小(168字节)。
2026-08-28 cs.CR
Proof-of-work certificates that can be efficiently computed in the cloud
在新兴的计算范例中,从处理能力到存储能力的计算能力作为基于云的服务通过通信网络提供给用户。在那里,为了限制基础设施成本,要求苛刻的计算被外包。可验证计算的思想是将一个数据结构、一个工作量证明证书与外包计算的结果相关联。这使得验证算法能够证明结果的有效性,比重新计算更快。我们讨论的是Prover(执行计算的服务器)和Verifier。Goldwasser,Kalai和Rothblum在2008年给出了一种通用的方法来验证任何可并行计算,在几乎线性的时间内,潜在的结构化输入和结果的大小。然而,证明器的计算的额外成本(以及因此对客户的额外成本),尽管几乎只是整个工作的恒定因素,但在实践中仍然是禁止的。因此,我们将在这里提出计算机代数中的特定问题程序,例如精确线性代数计算,这是证明者最优的,也就是说,具有更少的财务开销。
2018-07-21 cs.CR cs.SC
ARPA Whitepaper
我们提出了一种用于区块链网络的安全计算解决方案。利用信息论的消息认证码(MAC),即使在恶意多数条件下也能验证计算的正确性,并利用秘密共享保护隐私。通过最先进的多方计算协议和第2层解决方案,我们的隐私保护计算以加密方式保证了区块链上的数据安全,同时将繁重的计算工作减少到几个节点。这一突破对去中心化网络的未来有几个影响。首先,安全计算可用于支持私有智能合约,在不暴露公共合约中的信息的情况下达成共识。第二,它使数据能够在无信任网络中共享和使用,而不会在数据使用期间泄露原始数据,其中数据所有权和数据使用安全分离。最后但并非最不重要的是,计算和验证过程被分离,这可以被视为计算分片,这有效地使事务处理速度与参与节点的数量成线性关系。我们的目标是将我们的安全计算网络作为第二层解决方案部署到任何区块链系统中。智能合约\cite{smartcontract}将被用作连接区块链和计算网络的桥梁。此外,他们将被用作验证者,以确保外包计算正确完成。为了实现这一目标,我们首先开发了一个具有高级功能的通用MPC网络,例如:1)安全计算,2)链下计算,3)可验证计算,以及4)支持dApp的需求,如隐私保护数据交换。
2018-12-14 cs.CR
Verifiable, Efficient and Confidentiality-Preserving Graph Search with Transparency
本文针对加密图搜索方案 PeGraph 缺乏透明性、计算开销大且不支持动态数据库和验证的问题,提出 SecGraph 和 VSecGraph,利用 SGX、LDCF 编码 XSet 与 Twin-TSet 实现高效、透明且可验证的动态加密图搜索。
2025-03-13 cs.CR cs.DB