Function Secret Sharing for PSI-CA:With Applications to Private Contact Tracing
在这项工作中，我们描述了一个基于令牌的解决方案，通过分布式点函数（DPF），更一般地说，功能秘密共享（FSS）的接触跟踪。该解决方案背后的关键思想是，FSS本机支持对原始关键字集的安全关键字搜索，而不需要通过用于集合成员资格的数据结构来处理关键字集。此外，FSS功能使得能够将与多个匹配相关联的数字有效载荷相加，而无需额外的交互。这些功能使FSS成为一个有吸引力的工具，用于在属于受感染个体的令牌数据库上进行轻量级隐私保护搜索。
2020-12-24 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
Collusion-Secure Semi-Quantum Secret Sharing Scheme using a Quantum Third Party
Indian Statistical Institute（印度统计研究所）
针对半量子秘密共享中量子第三方与不诚实参与者共谋的漏洞，提出一种基于贝尔态的新协议，实现信息论安全并优化量子比特效率，抵抗DCNA攻击。
2026-10-08 cs.CR quant-ph
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
A Practical Scheme for Two-Party Private Linear Least Squares
隐私保护机器学习是从通常分布在多个数据所有者之间的敏感数据集进行学习。私有机器学习在大量的现实场景中是一个显著的挑战，在这些场景中，没有可信的第三方可以扮演中介者的角色。这些场景的强去中心化方面需要来自密码学和分布式系统社区的工具。在本文中，我们提出了一个实用的计划，是适合于一个子类的机器学习算法，并调查进行未来研究的可能性。我们提出了一个计划，学习一个线性最小二乘模型在两个缔约方使用梯度下降方法和添加剂同态加密。该协议要求梯度下降的每一步进行两轮通信。我们详细介绍了我们的方法，包括一个固定的点编码方案，和一次随机垫隐藏中间结果。
2019-01-26 cs.CR
An Owner-managed Indirect-Permission Social Authentication Method for Private Key Recovery
本文提出了一种非常安全可靠的所有者自管理私钥恢复方法。近年来，公钥认证（PKA）方法被认为是最可行的在线安全解决方案。然而，丢失私钥也意味着丢失与私钥相关联的资产的所有权的风险。对于密钥保护，通常采用的something-you-x解决方案需要一个新的秘密来保护目标秘密，并且由于新的秘密也必须被保护而陷入循环保护问题。为了解决循环保护问题，并提供一个真正安全可靠的解决方案，我们提出了分离的私钥的权限和拥有。然后，我们使用选定受托人的公开公钥创建权限的秘密共享，同时让所有者拥有权限加密的私钥。然后，通过应用社会认证方法，可以容易地检索恢复私钥的许可。我们的分析表明，我们提出的间接许可方法的安全性和可靠性比
2022-09-19 cs.CR
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
Private Attacks in Longest Chain Proof-of-stake Protocols with Single Secret Leader Elections
最近有人提出了单一秘密领导者选举，作为权益证明（PoS）区块链的改进领导者选举机制。然而，它们提供的安全收益尚未量化。在这项工作中，我们提出了一个基于单一秘密领导人选举（SSLE）的PoS最长链协议的比较-每轮选举一个领导人-与基于概率领导人选举（PLE）的协议-其中一个领导人是根据预期选出的。我们的分析表明，当考虑私有攻击时-最长链协议上最严重的攻击-使用SSLE获得的安全性是实质性的：对于33%或25%的对手，解决时间减少了大约25%。此外，当考虑研磨攻击，我们发现，安全阈值增加了10%（从0.26在PLE的情况下，0.36在SSLE的情况下）和结算时间减少了大约70%，为20%的对手在SSLE的情况下。
2021-09-15 cs.CR
A Restrained Paillier Cryptosystem and Its Applications for Access Control of Common Secret
改进的Paillier密码体制由于其可加同态性而得到了广泛的应用。该密码系统提供弱私钥和强私钥。弱私钥只能解密相应公钥下的密文。强私钥即使在不同的公钥下也可以解密所有密文。当修改的Paillier密码系统应用于一个系统中时，系统成员，通常是系统管理员，拥有强私钥，可以解密所有密文。如果这个系统管理员受到攻击或受到危害，应用系统的安全性就完全崩溃了。因此，重要的是停止强私钥的解密。为了解决这个问题，我们提出了一个约束版本的修改Paillier密码系统（约束Paillier），通过赋予乘法同态。对乘法密文进行加性加密，生成无法用强私钥解密的混合密文。在此基础上，我们开发了两个应用程序。首先，实现了两个所有者的公共秘密的访问控制。在我们的方案中，只有一个所有者不能访问秘密。其次，我们提出了三种身份分配与密钥管理协议、身份认证协议和私钥恢复协议。安全性分析表明，Restrained-Paillier密码系统可以抵抗选择明文攻击。实验结果表明了所提出的协议的实用性和效率。
2019-12-19 cs.CR
Private Handshakes
私人握手允许成对的用户确定他们都是哪个（秘密）组的成员。小组成员身份对其他人保密。私有握手是一种更私密的秘密握手形式，因为它不允许组管理员跟踪用户。我们扩展了握手协议的原始定义，允许和测试多个组的成员资格同时进行。我们提出了简单而有效的协议，为单组和多组成员的情况下。私有握手是一种用于相互认证的有用工具，许多普及应用（包括RFID）都需要这种工具来保护隐私。我们的实现是有效的，足以支持这种通常资源受限的情况。
2008-04-01 cs.CR
A novel three party Quantum secret sharing scheme based on Bell state sequential measurements with application in quantum image sharing
在这项工作中，我们提出了一个基于Bell态纠缠和序列投影测量的量子秘密共享方案。该协议验证$n$方案中的$n$，并支持在所有各方未泄露其有效测量结果的情况下中止协议。算符-量子比特对形成了确定要共享的经典秘密的方案的组成部分。该协议足够强大，可以中和对经销商特定量子位的任何窃听。在IBM-QE云平台上，利用后端\texttt{IBMQ\_16\_Melbourne}和\texttt{IBMQ\_QASM\_SIMULATOR\_V0.1.547}仿真器对该方案进行了实验演示。对该方案进行的安全性分析和比较分析支持我们的主张，一个严格的和有效的计划相比，最近的一些量子和半量子技术的秘密共享。
2020-08-14 cs.CR quant-ph
Tighter Bounds on Multi-Party Coin Flipping via Augmented Weak Martingales and Differentially Private Sampling
在他的开创性工作中，Cleve [STOC '86]证明了任何$r$轮硬币翻转协议都可以通过$Θ(1/r)$有效地偏置。Moran、Naor和Segev [Journal of Cryptology '16]在两方情况下满足了这个下限，Haitner和Tsfadi [SICOMP '17]在三方情况下（直到$polylog$因子）满足了这个下限，Buchbinder、Haitner、Levi和Tsfadia [SODA '17]在$n< loglog r$时，$n$协议也接近了这个下限。然而，对于$n> loglog r$，$n$方硬币翻转方案的最佳偏倚仍然是由Awerbuch、Blum、Chor、Goldwasser和Micali的多数方案实现的$O(n/\sqrt{r})$ [Mandarpt '85]。我们的主要结果是一个更严格的硬币翻转协议的偏差的下限，表明，对于每一个恒定的$ε>0$，$r^ε$党$r$轮硬币翻转协议可以有效地偏置$\widetildeΩ(1/\sqrt{r})$。据我们所知，这是Cleve界的第一次改进，距离Awerbuch等人的上界只有$n=r^ε$（乘法）远。
2021-05-03 cs.CR
Differentially Private Multi-party Computation: Optimality of Non-Interactive Randomized Response
我们研究了在差分隐私设置（即，即使在给出交互的转录和所有其他方的比特时，在任何特定方的比特中仍然存在不确定性）。每一方都对计算一个函数感兴趣，这个函数可能因方而异，并且可能有一个中心观察者对计算一个单独的函数感兴趣。每一方和中央观察员的表现是通过计算函数的准确性来衡量的。我们允许一个任意的成本函数来衡量真实和计算函数值之间的失真。我们的主要结果是一个简单的非交互式协议的确切的最优性：每一方随机化（充分），并发布自己的位。换句话说，非交互式随机化响应是最优的。然后，每一方和中心观察者分别计算各自的函数，以最大化其准确性度量的适当概念。最优性是非常普遍的：它适用于所有类型的函数，各方的异构隐私条件，所有类型的成本度量，以及平均和最坏情况（在输入上）的准确性度量。最后，最优性结果是同时的，在最大限度地提高精度在每一方和中央观察员。
2014-10-07 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
Efficient Cloud-based Secret Shuffling via Homomorphic Encryption
当处理来自多个来源的机密数据的联合收集时，例如，在基于云的多方计算场景中，数据提供者与其输入本身之间的所有权关系是机密信息。保护数据提供者的隐私需要一种用于秘密地混洗数据汇集的功能。我们提出了第一个有效的安全多方计算协议的秘密洗牌的情况下，一个中央服务器。基于一种新的随机索引分布方法，我们的解决方案使加密数据序列的顺序随机化，使得没有观察者可以以比猜测更好的概率在原始序列和混洗序列的元素之间进行映射。它允许在具有恒定轮复杂度和线性计算复杂性的加法同态密码系统下对加密的数据进行混洗。作为一种通用协议，它与各种实际用例相关。
2020-02-12 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
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
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
A Multi-Party, Multi-Blockchain Atomic Swap Protocol with Universal Adaptor Secret
针对传统多方跨链原子交换易受恶意退出攻击、依赖链上操作的问题，提出基于类Schnorr签名与通用适配器密钥的全链下协议，无需智能合约与可信第三方，可抵御合谋与退出攻击，提升交换的安全性、效率与可扩展性。
2024-06-24 cs.CR cs.DC
Proposal for Quantum Rational Secret Sharing
一个理性的秘密共享方案是一个博弈，其中负责重建秘密的每一方都试图通过单独获得秘密来最大化他的效用。量子秘密共享方案，无论是源自量子隐形传态还是量子纠错码，当我们假设理性参与者时都不能成功。这是因为所有现有的量子秘密共享方案都认为秘密是由经销商选择的一方重建的。本文首次提出了一个抵抗理性参与者的量子秘密共享方案。所提出的方案是公平的（每个人都得到秘密），正确的，并达到严格的纳什均衡。
2015-08-05 cs.CR quant-ph
Publicly Verifiable Private Information Retrieval Protocols Based on Function Secret Sharing
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
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
Analysis and improvement of a strongly secure certificateless key exchange protocol without pairing
最近，Yang和Tan提出了一个无配对的无证书密钥交换协议，并声称他们的方案满足前向保密性，这意味着除非通信双方的全部用户密钥（包括私钥和临时秘密密钥）被泄露，否则任何对手都无法获得已经建立的会话密钥。然而，在本文中，我们指出，他们的协议实际上是不安全的，因为提出了一个攻击发起的对手谁已经学会了私钥的一方和短暂的秘密密钥的其他，但不是完整的用户密钥的双方。此外，为了弥补这一缺陷，本文还提出了一种改进的协议，该协议将私钥和临时秘密密钥紧密结合在一起生成会话密钥，从而有效地抵抗了上述攻击。
2011-12-03 cs.CR
Implementing Support for Pointers to Private Data in a General-Purpose Secure Multi-Party Compiler
最近的编译器允许将处理私有数据的通用程序（以传统的程序设计语言编写）翻译成相应功能的安全分布式实现。由此产生的程序，然后保证可证明保护私人数据使用安全的多方计算技术。这种编译器的目标是通用性、可用性和效率，但是现有的编译器迄今为止还不支持现代程序设计语言的完整特征集。特别是，最近的编译器PICCO和两方ANSI C编译器努力将任何C程序翻译成其安全的多方实现，但目前缺乏对指针和动态内存分配的支持，这是许多C程序的重要组成部分。在这项工作中，我们减轻了限制，并增加了对私有数据的指针的支持，从而为PICCO编译器提供动态内存分配，使其能够处理私有数据上更多样化的程序集。因为这样做开辟了一个新的设计空间，我们调查使用指针的私有数据（与已知以及存储在他们的私人位置）在程序中，并报告我们的发现。除了动态内存分配，我们研究其他重要的主题与常见的指针使用，如指针/地址引用，铸造，并建立各种数据结构的安全多方计算的上下文中。这使得编译器能够自动将使用指向私有数据的指针的用户程序转换为其分布式实现，从而在整个计算过程中可证明地保护私有数据。我们经验评估的建设和报告的代表性方案的性能。
2017-06-30 cs.CR cs.PL
Differentially Private Multi-Party Data Release for Linear Regression
Cornell University（康奈尔大学）；ByteDance Inc.（字节跳动公司）
差分隐私（DP）数据发布是一种很有前途的技术，可以在不损害数据主体隐私的情况下传播数据。然而，大多数先前的工作都集中在一方拥有所有数据的情况下。在本文中，我们专注于多方设置，其中不同的利益相关者拥有属于同一组数据主体的不相交的属性集。在线性回归的背景下，允许所有各方训练模型的完整数据，没有能力推断私人属性或身份的个人，我们开始直接应用高斯机制，并显示它有小特征值问题。我们进一步提出了我们的新方法，并证明它渐近收敛到最佳（非私有）的解决方案，随着数据集的大小。我们通过在人工和真实世界数据集上的实验证实了理论结果。
2022-06-18 cs.CR cs.LG
Selective MPC: Distributed Computation of Differentially Private Key-Value Statistics
键值数据是一种自然出现的数据类型，尚未在本地信任模型中进行彻底的研究。现有的本地差分私有（LDP）解决方案用于计算键值数据上的统计数据，其受到每个用户添加其自己的噪声的固有精度限制。多方计算（MPC）保持比LDP更好的准确性，同样不需要可信的中央方。然而，天真地将MPC应用于键值数据会导致非常昂贵的计算成本。在这项工作中，我们提出了选择性多方计算，一种新的分布式计算方法，利用DP泄漏有效地和准确地计算统计的键值数据。通过向每一方提供数据的随机子集的视图，我们可以捕获减法噪声。我们证明了我们的协议满足纯DP和DP/MPC组合模型是可证明安全的。我们的经验评估表明，我们可以在20秒内计算超过10，000个密钥的统计数据，并且可以扩展到30台服务器，同时在不到一秒的时间内获得单个密钥的结果。
2022-08-30 cs.CR
Secret Sharing With Trusted Third Parties Using Piggy Bank Protocol
本文提出了一种新的方案，利用两个可信第三方来分配秘密份额，以增加安全性，并消除对单个可信第三方的依赖。这个用于设备和两个可信第三方之间通信的协议使用了存钱罐密码范例。我们还提出了一个协议，让执法机构访问敏感信息存在于手机或设备上使用秘密共享方案。经典系统的思想也可以应用于量子方案。
2016-08-17 cs.CR
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
Efficient decision tree training with new data structure for secure multi-party computation
我们提出了一个安全的多方计算（MPC）协议，构造一个秘密共享的决策树为一个给定的秘密共享数据集。先前基于MPC的决策树训练方案（Abspoel et al. 2021）需要$O(2^hmn\log n)$比较，树高$h$为指数，$n$和$m$分别为数据集中的行数和属性数。$h$中的指数比较次数的原因是决策树训练算法基于分治范式，其中在每次拆分之后添加虚拟行以隐藏数据集中的行数。我们通过安全的数据结构来解决这个问题，该结构使我们能够在隐藏分组信息的同时计算每个组的聚合值。通过使用这种数据结构，我们可以训练一棵决策树，而不添加哑行，同时隐藏中间数据的大小。我们具体描述了一个决策树训练协议，只需要$O(hmn\log n)$比较时，输入属性是连续的，输出属性是二进制的。请注意，顺序现在是树高度$h$中的\emph{linear}。为了证明我们的协议的实用性，我们实现了它在MPC框架的基础上的三方秘密共享方案。我们的实现结果表明，我们的协议在33秒内训练了一个高度为5的决策树，数据集为10万行和10个属性。
2021-12-24 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
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
Efficient One-Way Secret-Key Agreement and Private Channel Coding via Polarization
我们介绍了显式方案的基础上的极化现象的任务的单向秘密密钥协商的公共随机性和私人信道编码。对于前一个任务，我们展示了如何使用公共随机性和不安全的单向通信来获得强安全密钥，使得密钥构造的复杂度在块长度上基本上是线性的，并且密钥产生的速率是最佳的，即，等于单向秘密密钥速率。对于后者的任务，我们提出了一个私人的信道编码计划，实现的保密能力，使用的条件下，强保密性和其编码和解码的复杂性再次基本上是线性的块长度。
2013-04-12 cs.CR cs.IT math.IT
Raziel: Private and Verifiable Smart Contracts on Blockchains
Raziel结合了安全的多方计算和携带证明的代码，为区块链上的智能合约提供隐私，正确性和可验证性保证。有效地解决了DAO和Gyges攻击，本文描述了一种实现，并给出了示例来证明其实际可行性（例如，私人和可验证的众筹和投资基金）。此外，我们展示了如何使用证明的零知识证明（即，Proof-Carrying Code证书）在智能合约执行之前向第三方证明其有效性，而不会泄露任何其他信息。最后，我们展示了矿工如何通过为安全多方计算生成预处理数据而获得奖励。
2020-02-13 cs.CR
Secret Key and Private Key Constructions for Simple Multiterminal Source Models
这项工作的动机是最近的结果Csiszar和Narayan（IEEE trans.理论，2004年12月），其突出了由多个终端进行的保密生成与多终端Slepian-Wolf近无损数据压缩（无保密限制）之间的固有联系。我们提出了一种新的方法，用于构建秘密和私钥的基础上长期已知的Slepian-Wolf码的来源连接的虚拟加性噪声信道，由于Wyner（IEEE trans.理论，1974年1月）。明确的程序，这样的建设，及其充实，提供。
2005-11-13 cs.CR cs.IT math.IT
Secret Key and Private Key Constructions for Simple Multiterminal Source Models
我们提出了一种方法，用于构建秘密和私钥的基础上长期已知的Slepian-Wolf码，由于Wyner，相关的源连接的虚拟加性噪声信道。我们的工作的动机是Csiszár和Narayan的结果，其中突出了观察相关源信号和Slepian-Wolf近无损数据压缩的多个终端的保密生成之间的内在联系。提供了这种构造及其证实的明确程序。研究了低密度奇偶检验信道码在设计一类新密钥时的性能。
2010-08-12 cs.CR cs.IT math.IT
C2PI: An Efficient Crypto-Clear Two-Party Neural Network Private Inference
本文通过 IDPA 与增强的 DINA 经验评估隐私，提出仅让神经网络前几层运行 MPC 的两方框架 C2PI，在 LAN/WAN 下显著提升 PI 速度并降低通信成本。
2023-04-26 cs.CR
SecretGen: Privacy Recovery on Pre-Trained Models via Distribution Discrimination
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Arizona State University（亚利桑那州立大学）
通过使用预训练模型的迁移学习已经成为机器学习社区的一个增长趋势。因此，许多预先训练的模型被在线发布，以促进进一步的研究。然而，这引起了广泛的关注，这些预先训练的模型是否会泄漏其训练数据的隐私敏感信息。因此，在这项工作中，我们的目标是回答以下问题：“我们能否有效地从这些预先训练的模型中恢复私人信息？检索此类敏感信息的充分条件是什么？“我们首先探索不同的统计信息，这些信息可以将私人训练分布与其他分布区分开来。根据我们的观察，我们提出了一种新的私有数据重建框架，SecretGen，有效地恢复私人信息。与以前可以通过目标恢复实例的地面真实预测来恢复私有数据的方法相比，SecretGen不需要这样的先验知识，使其更加实用。我们在不同的场景下对不同的数据集进行了广泛的实验，以将SecretGen与其他基线进行比较，并提供一个系统的基准，以更好地了解不同辅助信息和优化操作的影响。我们表明，在没有关于真实类预测的先验知识的情况下，SecretGen能够恢复与利用这种先验知识的数据相比具有类似性能的私有数据。如果给出先验知识，SecretGen将显著优于基线方法。我们还提出了几个量化指标来进一步量化预训练模型的隐私脆弱性，这将有助于隐私敏感应用的模型选择。我们的代码可在https://github.com/AI-secure/SecretGen上获得。
2022-07-25 cs.CR cs.LG
Secret Sharing for n-Colorable Graphs with Application to Public Key Cryptography
在开始的一些结果从图论领域提出。接下来，我们将展示如何共享一个秘密，这是正确的n-着色的图，与已知的结构。该图被描述并转换为以下形式，其中分配给顶点的颜色形成具有来自Zn的条目的数字。提出了一种基于图着色的秘密共享方案。所提出的方法被应用到公钥密码系统称为“波利饼干”。在这种情况下，图结构是公钥，而图的适当3-着色是私钥。我们展示了如何共享私钥。接下来给出了已知结构图的共享特定n-着色（颜色到顶点的分配）。
2003-10-28 cs.CR
Privacy Preserving Linear Programming
随着计算、存储和网络资源的快速增长，数据不仅要被收集和存储，还要被分析。这造成了严重的隐私问题，往往会阻碍这些数据的使用。在这一章中，我们调查和解决的隐私问题的基本优化问题-线性规划（LP），这是制定从不同的各方收集的数据。我们首先考虑的情况下，线性规划问题的目标函数和约束不划分在两方之间，其中一方私人持有的目标函数，而另一方私人持有的约束。其次，我们提出了一个隐私保护技术的情况下，目标函数和约束是任意划分的两方之间的每一方私人持有的目标函数和约束的份额。最后，我们扩展的技术，安全地解决两方任意分区线性规划问题的多方方案。总之，我们提出了一套有效和安全的转换为基础的技术，创造显着的增值效益是独立的特定算法用于解决线性规划问题。
2016-10-07 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
Authenticated Private Set Intersection: A Merkle Tree-Based Approach for Enhancing Data Integrity
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
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
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
pMPL: A Robust Multi-Party Learning Framework with a Privileged Party
为了在多方之间进行机器学习，同时保护原始数据的隐私，基于安全多方计算（Secure Multi-Party Computation，简称MPL）的隐私保护机器学习成为近年来的研究热点。MPL的配置通常遵循对等体系结构，其中每一方都有相同的机会显示输出结果。然而，典型的业务场景通常遵循分层架构，其中一个强大的，通常是特权的一方，领导机器学习的任务。即使其他辅助方相互勾结，也只有特权方才能揭示最终模型。甚至需要避免机器学习的中止，以确保预定的最后期限和/或在部分助理方退出时节省所使用的计算资源。受上述场景的启发，我们提出了pMPL，一个具有特权部分的健壮MPL框架。pMPL支持在半诚实环境中的三方培训。通过为特权方设置备用份额，pMPL是健壮的，可以容忍其余两方中的一方在训练期间退出。在上述设置的基础上，我们为pMPL设计了一系列基于向量空间秘密共享的高效协议，以弥合向量空间秘密共享和机器学习之间的差距。最后，实验结果表明，pMPL的性能是有前途的，当我们比较它与国家的最先进的MPL框架。特别是，在LAN设置中，对于线性回归和逻辑回归，pMPL分别比TF加密的（以ABY 3作为后端框架）快大约$16\times$和$5\times$。此外，线性回归、逻辑回归和BP神经网络的训练模型在MNIST数据集上的准确率分别达到97%、99%和96%左右。
2022-11-16 cs.CR
Communication Cost of Two-Database Symmetric Private Information Retrieval: A Conditional Disclosure of Multiple Secrets Perspective
我们考虑了两个数据库对称私有信息检索（SPIR）的总通信成本（上传加下载），通过其关系到有条件的秘密披露（CDS）。在SPIR中，用户希望从来自$N$非共谋和复制数据库的$K$消息中检索消息，而无需了解检索到的消息之外的任何内容，同时没有单独的数据库学习检索到的消息索引。在CDS中，当且仅当双方的输入满足公共确定性函数时，双方都持有一个单独的输入并共享一个共同的秘密，希望以有效的方式向外部方公开这个秘密。作为CDS的自然扩展，我们引入了多秘密的条件披露（CDMS），其中两方共享多个i.i.d.~而不是像CDS中那样的单个公共秘密。我们表明，一个特殊的配置CDMS相当于两个数据库SPIR。受这种等价性的启发，我们设计了下载成本有效的SPIR方案，使用二分图表示的CDS和CDMS，并确定确切的最小总通信成本的$N=2$数据库SPIR的$K=3$消息。
2022-01-28 cs.CR cs.DB cs.IT
Secret-Key Generation from Private Identifiers under Channel Uncertainty
本文研究信道统计不确定且采用多天线的认证场景下，基于物理不可克隆函数等私有标识符的密钥生成问题，推导了一般离散源下密钥率、存储率与隐私泄露率权衡的内外界，并证明其对高斯源是紧的。
2025-11-09 cs.CR cs.IT math.IT
Secret-Protected Evolution for Differentially Private Synthetic Text Generation
TikTok；Department of Statistics, Rutgers University（统计学系，罗格斯大学）
提出Secret-Protected Evolution（SecPE）框架，通过秘密感知保护扩展私有演化，在满足松弛Gaussian DP的同时实现更紧密的实用性-隐私权衡并降低计算复杂度，在多个基准上优于基线方法。
2025-10-13 cs.CL cs.CR cs.NE
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
Proof of file access in a private P2P network using blockchain
虽然在对等（P2P）系统中共享文件显著地增加了检索内容的速度和系统的鲁棒性，但是即使在私有P2P网络的情况下，跟踪文件的访问也不是简单的。事实上，已经将文件上传到P2P网络的参与者不一定参与其下载。此外，由于P2P网络的性质，参与者可能已经拥有文件的所有片段，甚至在请求它之前。这项工作试图通过使用区块链来解决在私有P2P文件共享网络中跟踪文件访问的问题，以提高服务质量和可扩展性。为此，所提出的解决方案结合了三个元素：（1）分布式哈希表网络，用于在伙伴对等体之间分发具有冗余的加密文件;（2）Shamir的秘密共享方案，用于分割每个文件的秘密密钥;（3）区块链网络，用于在伙伴对等体之间分发和管理秘密份额。事实上，后者使得网络中的每个节点都无法访问文件。该解决方案与基于P2P技术管理共享数据池的联盟相关，该联盟具有对文件的不受限制的访问，但是由于法律或计费原因，对文件的访问必须被记录。
2019-12-16 cs.CR
A New Secret key Agreement Scheme in a Four-Terminal Network
考虑了在存在外部窃听者的情况下在三个终端之间生成秘密密钥和两个私钥的新场景。终端1、2和3打算共享对外部窃听者（终端4）隐藏的公共秘密密钥，同时，终端1和2中的每一个打算与终端3共享私钥，同时保持其对彼此和对终端4隐藏。所有四个终端都遵守i.i.d.相关源的输出，并且存在从终端3到终端1和2的公共信道。导出了“秘密密钥-私钥容量域”的内界，并在某些特殊情况下得到了单字母容量域。
2011-03-27 cs.CR cs.IT math.IT
Controllable Identifier Measurements for Private Authentication with Secret Keys
研究了在源序列保密性约束下的基于密钥的认证问题。在认证过程中的标识符测量被假定为通过成本约束的“动作”序列是可控的。单字母特征的最佳权衡之间的秘密密钥速率，存储速率，隐私泄漏率，和行动成本给出了四个问题，其中有噪声或无噪声的测量源注册生成或嵌入秘密密钥。结果是相关的几个用户认证的情况下，包括物理和生物认证与多个测量。我们的研究结果包括，作为特殊情况下，新的结果的秘密密钥生成和嵌入与动作相关的边信息，没有任何隐私约束的注册源序列。
2018-04-04 cs.CR cs.IT cs.MM
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
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
Differentially-Private Two-Party Egocentric Betweenness Centrality
University of Melbourne（墨尔本大学）
我们描述了一种新的协议，用于计算一个节点的自我中心的介数中心性时，相关的边缘信息传播在两个相互不信任的双方，如两个电信提供商。虽然每个节点属于一个网络或另一个网络，但其自我网络可能包括其网络提供商未知的边。我们开发了一个协议的差分私有机制，以隐藏每个网络的内部边缘结构，从其他贡献一个新的两阶段分层采样器的时间和空间效率的指数改善。几个开放图形数据集的实证结果表明，实际的相对出错率，同时提供强大的隐私保证，如16%的错误Facebook数据集。
2019-01-16 cs.CR cs.LG cs.SI
