Secure Two-Party Feature Selection
在这项工作中，我们研究如何安全地评估交易数据的价值，而不需要可信的第三方。我们专注于分类这一重要的机器学习任务。这使得我们提出了一个可证明安全的四轮协议，该协议计算要交易的数据的价值，而不会将数据泄露给潜在的收购方。理论结果表明，所提出的协议的一些重要属性。特别是，我们证明了该协议的安全性诚实，但好奇的对手模型。
2019-01-03 cs.CR
Secure Numerical and Logical Multi Party Operations
我们推导出有效的安全数值和逻辑运算的算法，使用最近推出的安全多方计算方案-\cite{sch15}在半诚实模型，确保统计或完美的安全性。为了推导出我们的三角函数算法，我们使用基本的数学定律结合属性的添加剂加密方案在一个新的方式。对于除法和对数，我们使用一种新的方法来计算泰勒级数在一个固定点的所有数字。我们所有的逻辑操作，如比较和大扇入“与”门都是完全安全的。我们的经验评估产生的速度超过100的因素相比，最先进的评估操作。
2017-07-19 cs.CR
Garou: An Efficient and Secure Off-Blockchain Multi-Party Payment Hub
为了缓解比特币和以太坊等去中心化加密货币的可扩展性问题，已经提出了允许双方在不涉及区块链的情况下执行安全硬币转移的支付通道。支付通道将双方的交易吞吐量提高到仅受其网络带宽限制的水平。最近的提案侧重于将双方支付渠道扩展到N方支付中心。不幸的是，在没有可信的第三方的情况下，它们都无法实现效率和灵活性。在本文中，我们提出了Garou，一个安全的N方支付中心，允许多方执行安全的链下硬币转移。除非发生纠纷，支付中心内的参与者可以在没有区块链或任何第三方中介参与的情况下相互进行并发和直接的硬币转移。这使得Garou能够实现高性能和灵活性。狼人还保证一个诚实的一方总是保持平衡安全对抗强大的敌对能力。为了证明Garou协议的可行性，我们为以太坊网络开发了一个概念验证原型。我们的评估结果表明，Garou的最大交易吞吐量是最先进的支付中心的20倍。
2020-10-15 cs.CR
On the relationship between (secure) multi-party computation and (secure) federated learning
这篇短文的贡献包括以下两个部分：在第一部分中，我们能够证明Kairouz等人提出的联邦成员学习（FL）过程\cite{Kairouz1901}是一个随机过程。也就是说，可以在多方计算（MPC）的上下文中定义FL过程的$m$元功能;此外，根据Kairouz等人的的定义可被视为所定义的$m$元功能的实现。因此，FL过程的实例也是MPC协议的实例。简而言之，FL是MPC的子集。为了私密地计算所定义的FL（m-ary）功能，已经部署了各种技术，诸如同态加密（HE）、安全多方计算（SMPC）和差分隐私（DP）。在第二部分中，我们能够证明，如果底层FL实例在基于模拟的框架中私下计算定义的$m$ -ary功能，则基于模拟的FL解决方案也是SMPC的实例。因此，SFL是SMPC的子集。
2020-08-06 cs.CR
Distributed and Secure ML with Self-tallying Multi-party Aggregation
隐私保护多方计算在医学、在线广告等领域有着广泛的应用。在这项工作中，我们提出了一个在不受信任的个人之间进行分布式、安全的机器学习的框架。该框架由两部分组成：基于同态加法的两步训练协议和用于数据有效性的零知识证明。通过结合这两种技术，我们的框架提供了每个用户数据的隐私，防止恶意用户贡献损坏的数据的共享池，使每个用户能够自行计算的算法的结果，而不依赖于外部可信的第三方，并要求用户组之间没有私人通道。我们展示了不同的ML算法，如潜在狄利克雷分配，朴素贝叶斯，决策树等，适合我们的分布式，安全计算的框架。
2018-11-26 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
Introducing a Framework to Enable Anonymous Secure Multi-Party Computation in Practice (Extended Version)
安全多方计算（SMPC）允许一组各方以分布式方式安全地计算功能，而无需任何可信的外部方。通常，假设各方彼此认识并且已经在彼此之间建立了认证信道。然而，在实践中，当事人有时必须保持匿名。在本文中，我们概念化的框架，使重复执行的SMPC协议为一个给定的功能，使各方可以保持他们的参与在协议执行的私人，并在同一时间可以肯定的是，只有授权方可以参加协议执行。我们确定了我们的框架的实现必须满足的安全属性，并介绍了实现这些属性的框架的第一个实现。
2023-01-19 cs.CR
Think Locally Before Computing Jointly: Efficient Secure Multi-Party Computation via Maximizing Local Processing
Stanford University（斯坦福大学）；Centrum Wiskunde & Informatica（荷兰数学与计算机科学研究学会）；EPFL（洛桑联邦理工学院）
该研究针对混淆电路协议，提出感知所有权的优化方法，通过增加参与方本地计算减少需联合评估的非线性门，提升了带本地结构电路的安全多方计算性能。
2026-10-14 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
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
Efficient Three-party Computation: An Information-theoretic Approach from Cut-and-Choose
据我们所知，从切割和选择安全计算的文献集中在实现对恶意对手的计算安全。目前还不清楚切割和选择的想法是否可以适用于信息理论安全的安全计算。在这项工作中，我们探讨的可能性，使用切割和选择在信息论设置的安全三方计算（3PC）。以前的工作3PC主要集中在半诚实的情况下，是由观察到的多方计算（MPC）的真实字部署似乎涉及几方的动机。我们提出了一个新的协议，信息理论上安全的3PC容忍一个恶意方欺骗概率$2^{-s}$使用$s$运行的电路计算的切割和选择范例。我们的协议的计算成本基本上是只有一个小常数比国家的最先进的3PC协议对半诚实的腐败，而它的通信轮大大减少相比，其他恶意安全的3PC协议在信息理论的设置。
2019-08-10 cs.CR
Applications of Secure Multi-Party Computation in Financial Services
University of Chadli Bendjedid, Faculty of Sciences & Technology（查德利·本杰迪德大学，科学与技术学院）
本文探讨了安全多方计算在金融服务中的应用，分析了隐私保护的重要性及SMPC在提升计算效率和可扩展性方面的研究方向。
2026-01-01 cs.CR
Secure Multi-Party Computation with a Helper
客户希望将机密数据的计算外包给各方网络。他不相信任何一方，但相信多方不会勾结。为了解决这个问题，我们使用将其中一方视为帮助者的想法。辅助器仅协助计算。通常使用更多的参与方可以确保机密性，尽管有更多的腐败参与方。这不适用于添加助手。但是在某些情况下，辅助器可以将通信量渐近地降低到每个“与”门一位的理论最小值，这比没有辅助器的方案有了显著的改进。它还可以允许某些函数的非常有效的计算，正如我们展示的具有公共基的指数函数。
2017-07-19 cs.CR
A New Approach to Practical Active-Secure Two-Party Computation
我们提出了一种新的方法，以实际的两方计算安全对一个积极的对手。所有先前的实用协议都是基于姚明的乱码电路。我们使用基于OT的方法，并通过OT扩展的随机预言机模型的效率。为了得到一个实用的协议，我们引入了一些新的技术，在一个更大的建设有关的输出和输入的OT。我们还报告了这种方法的实施，这表明我们的协议是更有效的比以前任何一个：对于足够大的电路，我们可以评估每秒超过20000个布尔门。例如，评估一个不经意的AES加密（约34000门）需要64秒，但当重复任务27次时，每个实例只需要不到3秒。
2012-02-14 cs.CR
An Improved E-voting scheme using Secret Sharing based Secure Multi-party Computation
电子投票系统（EVS）与许多现有的投票方案相比具有潜在的优势。准确性和可靠性是这些系统中的主要关注点。EVS随着技术的进步而不断发展。随着资源的可重用性，它是廉价和有效的。快速和准确的计算结果与选民隐私是额外的优势。在所提出的系统中，我们使用秘密共享技术和安全多方秘密共享是安全计算的一项重要技术。多重参与方计算通常是通过秘密共享来实现的，即通过对输入进行共享并操纵共享来计算输入的典型函数。所提出的系统利用了按位表示的投票，并且只有共享用于传输和计算结果。安全和计算可以使用Shamir秘密共享方案分配的共享来完成。因此，该方案是安全可靠的，并且不需要为了保证安全性，我们不做任何数论假设，并提出了一种计算候选人个人选票的方法。
2015-02-26 cs.CR
The Impossibility Of Secure Two-Party Classical Computation
我们提出的攻击表明，无条件安全的两方经典计算是不可能的许多类的功能。我们的分析适用于量子和相对论协议。我们说明我们的结果，显示不经意传输的不可能性。
2007-12-14 cs.CR quant-ph
An efficient and secure two-party key agreement protocol based on chaotic maps
安全通信是一个真正令人关切的问题，其中包括各实体能够在不被第三方截获的情况下分享信息的手段。密钥协商协议是一种常见的方法，其中两个或多个参与方可以就密钥达成一致，这防止了不希望的第三方强制他们选择密钥。在过去的十年中，基于混沌的密钥协商协议得到了广泛的研究和应用。最近，Yoon和Jeon提出了一种新的基于混沌映射的密钥协商协议，并声称他们的协议的安全性和实用性。我们发现Yoon-Jeon的协议存在一些问题：（1）它引入了一个可信的第三方，其存在增加了实现成本。(2)需要多次加密/解密计算，以及（3）不保护用户的匿名性。为了克服这些问题，我们提出了一个增强的用户匿名密钥协商协议。理论分析表明，该协议是有效的，并抵抗当前的攻击。
2018-01-09 cs.CR
EVA-S3PC: Efficient, Verifiable, Accurate Secure Matrix Multiplication Protocol Assembly and Its Application in Regression
本文提出EVA-S3PC框架，基于数据混淆的双方及三方基本矩阵运算，实现高效、可验证且准确的秘密矩阵乘法，在Float64下精度达14位有效数字，通信开销最多降低54.8%，并用于垂直分区数据上的三方回归，准确率接近明文训练。
2024-11-05 cs.CR
An Effective Private Data storage and Retrieval System using Secret sharing scheme based on Secure Multi-party Computation
外包数据的隐私是一个主要的挑战。网络环境的不安全和服务提供商的不可信是使数据库成为服务的障碍。个人身份信息的收集和存储是一个主要的隐私问题。在线公共数据库和资源对用户隐私构成重大风险，因为恶意数据库所有者可能会监视用户查询并推断出有关客户的有用信息。数据隐私方面的挑战是与第三方共享数据，一个私有的信息检索（PIR），它是一种基于网络的信息检索技术，它可以在保证信息安全的同时，防止有价值的信息被第三方未经授权的访问和使用。方案允许用户在查询数据库的同时隐藏检索到的数据的身份。保密性的简单解决方案是在外包之前加密数据。查询执行，密钥管理和统计推断是这种情况下的主要挑战。所提出的系统提出了一种使用秘密共享技术来安全存储和检索私有数据的机制。其思想是开发一种机制来存储私有信息，该机制具有高度可用的存储提供者，可以从任何地方使用查询访问，同时隐藏实际的数据值私有信息检索系统采用基于秘密共享的安全多方计算（SMC）技术实现。多方计算允许多方在各自的私有输入上计算联合函数，通过对不同服务器所拥有的份额进行安全计算来获得查询结果。
2015-02-26 cs.CR
DE-RSTC: A rational secure two-party computation protocol based on direction entropy
理性安全多方计算（RSMC）是指两个或多个理性方在私有输入上完成一个函数。在此过程中，理性的参与者会选择效用最大化的策略，这会导致参与者恶意执行协议，破坏协议的公平性和正确性。为了解决这个问题，我们利用博弈论，提出了基于方向熵的解决方案。首先，我们利用方向熵的方向向量来考察局中人的策略不确定性，并从不同维度量化其策略。具体来说，当双方选择合作策略时，方向向量为正，传递的信息为正，反之则为负。然后，我们提供了互信息来构造新的效用函数的球员。此外，我们还测量了局中人之间的互信息来评价他们的策略。最后，我们对所提出的协议进行了详细的证明，证明了合理安全两方计算的公平性问题。我们还证明了该协议达到了纳什均衡。此外，我们进行了实验，使用互信息来构建效用，结果表明，当玩家是诚实的，将获得更高的效用。
2022-06-18 cs.CR
How to Simulate It in Isabelle: Towards Formal Proof for Secure Multi-Party Computation
在密码学中，安全多方计算（MPC）协议允许参与者联合计算函数，同时保持其输入的私密性。最近的突破将MPC付诸实践，解决了安全分布式计算的基本挑战。就像经典的加密和密钥交换协议一样，MPC的设计和实现需要精确的保证;任何缺陷都会给攻击者一个破坏隐私或正确性的机会。在本文中，我们提出了第一个（据我们所知）形式化的一些MPC的安全证明。这些证明提供了概率保证的计算模型的安全性，但有一个不同的字符机器证明和证明工具实现到目前为止- MPC证明使用\emph{simulation}的方法，其中安全性是建立在实际的协议执行和一个理想的世界，其中安全性是由定义保证的执行痕迹之间的不可分割性。我们表明，现有的机器推理概率程序适应这种设置，铺平了道路，精确地检查一类新的密码学参数。我们使用Isabelle/HOL内部的CryptHOL框架实现我们的证明。
2018-05-31 cs.CR
Simulation of Collision Resistant Secure Sum Protocol
安全多方计算是计算机科学中广泛研究的领域。它几乎触及人类生活的每一个方面。本文介绍了Shukla等人提出的一个安全多方计算协议的理论和实验结果，并使用VisualC ++实现。通过改变参数计算数据流出概率。最后，利用理论和实验结果计算了时间和空间复杂度。
2014-11-28 cs.CR
Conclave: secure multi-party computation on big data (extended TR)
安全多方计算（MPC）允许相互不信任的各方在不泄露私人数据的情况下运行联合计算。目前的MPC算法随着数据大小的扩展性很差，这使得MPC在“大数据”上非常慢，并抑制了其实际使用。许多关系分析查询可以保持MPC的端到端安全保证，而无需对所有操作使用加密MPC技术。Conclave是一个查询编译器，它通过将这些查询转换为数据并行、本地明文处理和小MPC步骤的组合来加速这些查询。当各方信任其他人提供特定的数据子集时，Conclave应用新的混合MPC-明文协议来运行MPC之外的其他步骤，并进一步提高可扩展性。我们的Conclave原型在Python和Spark中生成用于明文处理的代码，并使用Sharemand和Obliv-C框架生成安全MPC。秘密会议的规模比最先进的MPC框架本身支持的数据集大三到六个数量级。由于其混合协议，Conclave也大大优于SMCQL，这是最相似的现有系统。
2019-02-17 cs.CR
Information-Theoretically Secure Three-Party Computation with One Corrupted Party
研究了当一方可以任意偏离计算协议（主动行为模型）时，三个成对交互方中的一方需要安全地计算另两方所持有的输入的函数的问题.给出了主动行为模型下无条件安全计算协议的信息论刻画。给出了一个计算汉明距离的协议，并证明了该协议在主动和被动行为模型下都是无条件安全的。主动和被动行为模型下的安全概念之间的差异说明通过BGW协议计算二次和汉明距离，该协议是安全的被动模型下，但被证明是不安全的主动模型。
2013-02-04 cs.CR cs.IT math.IT
Secure Multi-Party Quantum Conference and Xor Computation
量子会议是利用量子资源在三方或多方之间安全地交换消息的过程。2017年提出了一种对信息泄漏安全的测量设备独立量子对话（MDI-QD）协议（量子信息处理16.12（2017）：305），被证明对拦截和重发攻击策略是不安全的。我们首先修改了这个协议，并将MDI-QD推广到三方量子会议，然后推广到多方量子会议。我们还提出了一个量子多方异或计算协议。这三个协议都没有使用纠缠作为资源，我们证明了我们提出的协议的正确性和安全性。
2021-01-14 cs.CR quant-ph
Towards Secure Two-Party Computation from the Wire-Tap Channel
我们介绍了一个新的协议，安全的两方计算的线性函数的半诚实模型，基于编码技术。我们首先建立了一个平行的第二版窃听信道模型和安全的两方计算。这导致我们的协议，结合了线性陪集编码和不经意传输技术。我们的建设需要使用二元相交码或$q$ -ary最小码，这也是本文研究。
2013-06-26 cs.CR cs.IT math.IT
Bifrost: A Much Simpler Secure Two-Party Data Join Protocol for Secure Data Analytics
Fudan University（复旦大学）；The Hong Kong University of Science and Technology（香港科技大学）
Bifrost 提出了一种更简单的安全两方数据连接协议，通过ECDH-PSI和盲shuffle实现无冗余连接，显著提升SDA效率与通信性能。
2026-02-05 cs.CR
SMPC Task Decomposition: A Theory for Accelerating Secure Multi-party Computation Task
今天，我们处于大数据时代，数据变得越来越重要，尤其是隐私数据。安全多方计算（SMPC）技术使各方能够在不泄露原始数据的情况下执行计算任务。然而，SMPC的底层实现过于繁重，如乱码电路（GC）和不经意传输（OT）。每增加一条数据，GC和OT消耗的资源就会增加很多。因此，在单个SMPC任务中处理大规模数据是不可接受的。在这项工作中，我们提出了一种新的理论称为SMPC任务分解（SMPCTD），它可以安全地分解成多个SMPC子任务和多个本地任务，而不会泄漏原始数据。分解后，计算时间、内存和通信消耗急剧下降。然后，我们分解三个机器学习（ML）SMPC任务使用我们的理论和实现它们的基础上的混合协议框架称为ABY。此外，我们使用增量计算技术来扩展这三个SMPC任务所涉及的数据量。实验结果表明，对这三个SMPC任务进行分解后，不仅时间、内存和通信消耗大大减少，而且稳定在一定范围内。
2023-03-01 cs.CR
Universally Composable Quantum Multi-Party Computation
Canetti（FOCS 2001）的通用可组合性模型（UC）允许任意协议的安全组合。我们提出了一个量子版本的UC模型，享有相同的组合性保证。我们证明了在这个模型中，统计安全的不经意传输协议可以构造承诺。此外，我们证明了每个统计经典UC安全协议也是统计量子UC安全的。这种影响对于其他量子安全定义是未知的。作为推论，我们得到一般多方计算的量子UC安全协议可以由承诺构造。
2009-10-15 cs.CR quant-ph
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
Communication-Efficient (Client-Aided) Secure Two-Party Protocols and Its Application
安全多方计算（MPC）允许一组各方联合计算函数，同时保持其输入的私密性。与基于混淆电路的MPC相比，最近的一些研究结果表明，基于秘密共享（SS）的MPC工作在一个非常高的速度。此外，基于SS的MPC可以很容易地矢量化，并实现更高的吞吐量。然而，在基于SS的MPC中，我们需要许多通信回合来计算具体的协议，如相等性检查，小于比较等。在本文中，我们构造了半诚实安全通信有效的两方协议。核心技术是Beaver三重扩展，这是一种处理多扇入门的新工具，我们也展示了如何有效地使用它。我们主要关注减少通信轮数，我们的协议也成功地减少了通信位数（在大多数情况下）。作为一个例子，我们提出了一个小于比较协议（根据实际参数）与三个通信轮。此外，通信比特的数目也更少$38.4\%$。因此，总在线执行时间比采用相同设置的前一工作短$56.1\%$。虽然我们的协议的计算成本比以前的工作更昂贵，我们通过实验证实，这样的缺点在典型的WAN环境中的整个在线性能的影响很小。
2020-01-04 cs.CR
Scalable Multi-Party Privacy-Preserving Gradient Tree Boosting over Vertically Partitioned Dataset with Outsourced Computations
由于隐私问题，多方梯度树提升算法已经在机器学习研究人员和从业者中变得广泛流行。然而，有限的现有作品集中在垂直分区的数据集，和少数现有的作品要么是不可扩展的或往往泄漏信息。因此，在这项工作中，我们提出了SSXGB，这是一个可扩展和安全的多方梯度树提升框架，用于部分外包计算的垂直分区数据集。具体地说，我们采用了一个加性同态加密（HE）的安全方案。我们设计了两个子协议的基础上的HE计划执行非线性操作与梯度树提升算法。接下来，我们在SSXGB框架下提出了一个安全的训练和预测算法。然后，我们提供了理论的安全性和通信分析所提出的框架。最后，我们使用两个真实世界的数据集的实验评估的框架的性能。
2022-02-07 cs.CR
CrypTFlow2: Practical 2-Party Secure Inference
Microsoft Research（微软研究院）
我们提出了CrypTFlow 2，这是一个加密框架，用于使用安全的2方计算在现实的深度神经网络（DNN）上进行安全推理。CrypTFlow 2协议都是正确的-即，它们的输出按位等效于明文执行--并且是高效的--它们在延迟和规模方面都优于最先进的协议。在CrypTFlow 2的核心，我们有新的2 PC协议，用于安全比较和划分，精心设计，以平衡轮和通信复杂性的安全推理任务。使用CrypTFlow 2，我们在ResNet 50和DenseNet 121等ImageNet规模的DNN上提出了第一个安全推理。这些DNN至少比先前的2方DNN推理工作中考虑的DNN大一个数量级。即使在以前的工作所考虑的基准上，CrypTFlow 2所需的通信数量级也比最先进的少20 - 30倍。
2020-10-13 cs.CR cs.LG
Bicoptor: Two-round Secure Three-party Non-linear Computation without Preprocessing for Privacy-preserving Machine Learning
提出Bicoptor协议族，通过两轮无预处理的符号判定实现高效三方非线性计算，在ReLU和Maxpool上性能优于现有方案一至两个数量级。
2024-04-19 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
Secure multi-party linear regression at plaintext speed
Broad Institute of MIT and Harvard（麻省理工学院与哈佛大学博德研究所）
我们详细介绍了分布式算法的可扩展性，安全的多方线性回归和特征选择在基本上相同的速度作为明文回归。虽然核心的几何思想很简单，但认识到它们在组合时的广泛用途是新颖的。我们的方案为跨多个生物库的高效和安全的全基因组关联研究打开了大门。
2019-07-10 cs.CR cs.LG stat.ML
Cloak: Transitioning States on Legacy Blockchains Using Secure and Publicly Verifiable Off-Chain Multi-Party Computation
近年来，智能合约的保密性已成为实际应用的基本要求。虽然已经做出了许多努力来开发用于执行机密智能合约的架构能力，但也有一些工作将机密智能合约扩展到多方计算（MPC），即，多方联合评估链下事务并在链上提交输出，而不向彼此泄露它们的秘密输入/输出。然而，现有的解决方案缺乏公共可验证性，需要O（n）的事务来实现协商或抵抗对手，因此效率低下，安全性受损。在本文中，我们提出了Cloak，这是一个在现有区块链上实现多方交易（MPT）的框架。MPT是指通过可公开验证的链下MPC转换区块链状态。我们通过协调TEE和区块链来识别和处理保护MPT的挑战。因此，Cloak保护了链下不确定性协商过程（一方加入MPT，而不知道身份或各方的总数，直到MPT提案解决），实现了公共可验证性（公众可以验证MPT正确处理来自多方的秘密输入/输出，并在链上读取/写入状态），并抵抗拜占庭式的对手。根据我们的证明，Cloak仅用2个事务就实现了更好的安全性，优于以前以O（n）事务成本实现妥协安全性的作品。通过评估示例和真实世界的MPT，Cloak的天然气成本平均降低了32.4%。
2023-02-10 cs.CR
Revisiting the Efficiency of Asynchronous Multi Party Computation Against General Adversaries
在本文中，我们设计的安全多方计算（MPC）协议在异步通信设置具有最佳的弹性。我们的协议是安全的，对计算无界的恶意对手，其特征在于对手的结构$\mathcal{Z}$，它列举了所有可能的子集潜在的腐败方。我们的协议导致$\mathcal{O}(|\mathcal{Z}|^2)$和$\mathcal{O}(|\mathcal{Z}|)$位的通信，每次乘法分别为完美的和统计的安全性。这些是具有这种通信复杂性的第一个协议，因为这样的协议仅在同步通信设置中已知（Hirt和Tschudi，ASIACRYPT 2013）。
2022-05-26 cs.CR
Privacy Preserving Ultra-Short-term Wind Power Prediction Based on Secure Multi Party Computation
挖掘风电场输出数据的时空相关性有利于提高超短期风电功率预测的精度。然而，如果风电场由独立的实体拥有，由于隐私问题以及业务管理法规政策，他们可能不愿意直接分享他们的数据。虽然在数据共享过程中已经设计了加密方法来保护隐私，但是在机器学习过程中，在提取多个风电场之间的非线性关系的同时对原始数据进行加密仍然是一个具有挑战性的问题。本文介绍了一种基于机器学习树模型和安全多方计算（SMPC）的技术，可以成功地提取复杂的关系，同时保护数据隐私。提出了一种基于最大平均差异（MMD）的方案，有效地选择相邻的候选风电场参与协同模型训练，从而提高了模型训练的准确性，减轻了数据采集的负担。在中国内蒙古的一组风电场收集的真实世界数据上，对所提出的方法进行了评估，表明它能够在保护隐私的同时实现相当大的效率和性能改进
2023-01-31 cs.CR
QUOTIENT: Two-Party Secure Neural Network Training and Prediction
University of Oxford（牛津大学）；Queen Mary University of London（伦敦玛丽女王大学）；The Alan Turing Institute（艾伦·图灵研究所）；University of Warwick（华威大学）
最近，已经有大量的努力致力于机器学习任务的安全协议的设计。其中大部分旨在实现高度准确的深度神经网络（DNN）的安全预测。然而，由于DNN是在数据上训练的，一个关键问题是如何安全地训练这些模型。关于安全DNN训练的少数先前工作集中在为现有训练算法设计自定义协议，或者开发定制的训练算法，然后应用通用安全协议。在这项工作中，我们研究了设计训练算法的优点，以及一种新的安全协议，在两个方面都进行了优化。我们提出了QUOTIENT，一种用于DNN离散化训练的新方法，以及为其定制的安全两方协议。QUOTIENT融合了最先进的DNN训练的关键组件，如层归一化和自适应梯度方法，并改进了两方计算中DNN训练的最先进技术。与以前的工作相比，我们获得了50倍的广域网时间和6%的绝对精度的改善。
2019-07-08 cs.CR cs.LG
Byzantine-Secure Relying Party for Resilient RPKI
本文提出拜占庭安全的依赖方实现 BRP，通过冗余验证与投票共识提升 RPKI 的弹性和安全性，无需修改现有路由器与仓库即可透明部署。
2024-05-01 cs.CR
Secure Multi-Party Computation for Inter-Organizational Process Mining
流程挖掘是一种基于从信息系统中提取的事件日志来分析业务流程的技术。主流流程挖掘工具是为组织内设置而设计的，因为它们假设事件日志可用于整体处理。使用这些工具进行组织间过程分析受到这样一个事实的阻碍，即这些过程涉及不愿意或有时在法律上被阻止彼此共享详细事件日志的独立方。在这种情况下，本文提出了一种方法，用于构建和查询一种常见类型的工件用于流程挖掘，即频率和时间注释的直接跟随图（DFG），在多个事件日志属于不同的当事人，在这样一种方式，各方不共享的事件日志与对方。该提案利用了现有的安全多方计算平台，即Sharemand。由于直接实现的DFG建设在Sharemit遭受的可扩展性问题，本文提出了依赖于事件日志的向量化，并采用分而治之的方案，并行处理的子日志。该文件报告的实验评估，测试的可扩展性的方法在现实生活中的日志。
2020-04-13 cs.CR
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
Blockchain-Enhanced Framework for Secure Third-Party Vendor Risk Management and Vigilant Security Controls
本文提出一个整合区块链与智能合约的第三方供应商风险管理框架，通过实时监控关键安全控制并以iHealth迁移AWS Cloud为例验证其可显著减少脆弱性并改善事件响应。
2024-11-20 cs.CR
Asymmetric Quantum Secure Multi-Party Computation With Weak Clients Against Dishonest Majority
安全多方计算（SMPC）协议允许相互不信任的几方共同计算他们输入的函数。在本文中，我们介绍了一个协议，电梯经典SMPC量子SMPC的可组合和统计安全的方式，即使是一个诚实的一方。与以前的量子SMPC协议不同，我们的提议只需要来自除一方之外的所有方的非常有限的量子资源;弱方（即客户端）能够在X-Y平面中准备单量子比特状态就足够了。新的量子SMPC协议是以自然模块化的方式构建的，并且依赖于一种独立感兴趣的量子验证新技术。这种验证技术只需要在布洛赫球的单个平面中远程准备状态。在证明新验证协议安全性的过程中，我们还发现了基于测量的量子计算所固有的基本不变性。
2023-03-15 cs.CR quant-ph
Secure two-party quantum computation for non-rational and rational settings
自Lo（Physical Review A，1997）的否定结果以来，在量子域中是否存在某些函数，当其中一方是恶意的时，在两方环境下可以安全地计算，一直是一个悬而未决的问题。在本文中，我们首次证明了在非同时信道模型下，对于某些函数，安全的两方量子计算确实是可能的。这与Ben-Or等人（FOCS，2006）在广播信道模型中的不可能性结果形成鲜明对比。我们研究的函数有两种类型-一种是没有嵌入式XOR的任何函数，另一种是包含嵌入式XOR的特定函数。与经典解决方案相反，由于纠缠，量子协议可以实现对具有无限计算能力的对手的安全性。此外，在安全多方量子计算的背景下，我们第一次引入理性的各方，他们中的每一个都试图通过单独获得函数输出来最大化其效用。我们调整我们的量子协议，为上述类型的功能在合理的设置，以实现公平和严格的纳什均衡。
2016-05-01 cs.CR quant-ph
SAFE-SiP: Secure Authentication Framework for System-in-Package Using Multi-party Computation
SAFE-SiP利用多方计算（MPC）实现零信任的芯粒签名认证，无需专用安全芯粒即可在不可信集成场景下防止未授权访问，实验表明其平均面积开销仅3.05%且计算复杂度为2^192。
2025-05-13 cs.CR
Balance-Based Cryptography: Physically Computing Any Boolean Function
Department of Computer Engineering, Faculty of Engineering, Chulalongkorn University（朱拉隆功大学工程学院计算机工程系）
本文提出利用天平和硬币安全计算任何n变量布尔函数的四种协议，扩展了物理对象在多方安全计算中的应用。
2026-03-17 cs.CR
Secure Multi-party Quantum Computation with a Dishonest Majority
在过去的几十年里，安全多方（经典）计算的密码任务受到了很多关注。即使在$k$相互不信任的玩家之间执行计算的极端情况下，并且如果所有其他玩家都是勾结对手，则即使对于单个诚实玩家也需要安全性，安全协议也是已知的。另一方面，对于量子计算，允许任意不诚实多数的协议仅在$k=2$中被证明。在这项工作中，我们推广了Dupuis，Nielsen和Salvail（NIPPTO 2012）在两方设置中采取的方法，为任何数量的参与者$k$设计一个安全，高效的多方量子计算协议，并证明了对$k-1$勾结对手的安全性。用于计算$\{\mathsf{CNOT, T}\}$深度$d$的量子线路的协议的量子轮复杂度是$O(k \cdot (d + \log n))$，其中$n$是安全参数。为了提高效率，我们开发了一种新的公共验证协议的Clifford认证码，和魔术状态输入的测试协议，都使用经典的多方计算。
2020-05-04 cs.CR quant-ph
On the Communication Complexity of Secure Multi-Party Computation With Aborts
本文研究点对点网络中带弃权（不执行）的安全多方计算的通信复杂度，设计了近乎最优的通信高效协议，并证明了诚实参与方数量、通信复杂度和协议局部性之间的权衡关系。
2024-06-11 cs.CR
An Elementary Completeness Proof for Secure Two-Party Computation Primitives
在安全两方计算问题中，双方希望通过交互式协议计算他们输入的（可能是随机的）函数，同时确保任何一方都不会学习到比仅从他们自己的输入和输出中推断出的更多的东西。对于半诚实的当事人和信息理论的安全保证，众所周知，如果只有无噪声通信是可用的，只有一组有限的功能可以安全地计算;然而，如果交互也允许在一般的通信原语（多输入/输出通道），有“完整”的原语，使任何功能被安全地计算。Maji、Prabhakaran和Rosulek最近利用Kilian早期的专门表征来表征完整原语的一般集合。我们在本文中的贡献是一个简单的，独立的，替代推导使用基本的信息理论工具。
2014-12-12 cs.CR cs.IT math.IT
Efficient Multi-Party Secure Comparison over Different Domains with Preprocessing Assistance
本文提出了一种拍卖师辅助的多域安全比较协议，通过预处理优化实现高效且安全的多方计算应用。
2026-02-23 cs.CR
Provably Secure Non-interactive Key Exchange Protocol for Group-Oriented Applications in Scenarios with Low-Quality Networks
针对现有多方非交互式密钥交换协议计算成本高的问题，提出仅基于双线性映射的动态群组安全高效NIKE协议，支持非交互式密钥更新与固定大小密文传输，在k-BDHE假设下可证明安全且效率更优。
2024-07-13 cs.CR
Three-Party Integer Comparison and Applications
安全整数比较由于其简单的描述和广泛的应用，一直是密码学领域的研究热点。其目的是使双方能够比较其投入，而不透露这些投入的确切价值。在本文中，我们强调三方整数比较（TPIC），其中一个\emph{judge}，没有私人输入，想知道比较结果，而两个\emph{competitors}持有秘密整数进行隐私保护比较。裁判主动地获得结果，而不是被动地等待竞争对手发送结果。考虑到\emph{Mixed adversaries}具有不同的性能，我们给出了两种TPIC结构.一个是对半诚实的对手与低计算和通信成本的安全，而另一个是对恶意对手的安全。基于TPIC，我们通过具体的应用，包括一个联合投标方案和一个实际的拍卖，提出了多方比较。对应用程序的安全性进行了简要的证明和分析。相比之下，我们的拍卖方案更有效，成本更低，使其在实践中可行，而不是理论设计。所有的比较和应用方案都运行在区块链之上，需要恒定的轮数。
2021-05-03 cs.CR
