隐藏输入函数的安全计算

基于Wire-Tap信道的安全两方计算

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。

使用线性码的安全计算转发

Secure Computation-and-Forward with Linear Codes

针对不可信中继的两节点多址与广播传输，本文提出结合现有线性码与 universal2 哈希函数的安全计算转发码，使中继仅能解码消息模和而无法获知单个消息。

面向一般目标函数和安全函数的网络安全函数计算

Secure Network Function Computation for General Target and Security Functions

本文研究了一般安全网络函数计算模型，通过信息论技术建立了安全计算容量的上界，并针对两种具体模型提出了高效算法和构造方案。

扩展随机化：一种安全计算的代数方法

Expand-and-Randomize: An Algebraic Approach to Secure Computation

我们认为在一个最小的模型中的安全计算问题，其中爱丽丝和鲍勃每个持有一个输入，并希望安全地计算他们的输入在卡罗尔的功能，而不透露任何额外的信息的输入。对于这个最小的安全计算问题，我们提出了一个新的编码方案，从两个步骤。首先，要计算的函数被扩展，使得它可以被恢复，而额外的信息可能会泄露。其次，将随机化步骤应用于扩展函数，使得泄露的信息受到保护。我们实现了这种扩展和随机化编码方案与两个代数结构-有限域和整数的模环，其中扩展步骤是实现与加法运算和随机化步骤是实现与相应的代数结构上的乘法运算。

安全多方计算的Shannon方法

A Shannon Approach to Secure Multi-party Computations

在安全多方计算（SMC）中，各方希望在其私有数据上计算函数，而不会透露比函数所透露的更多关于其数据的信息。在本文中，我们研究了两个Shannon型问题上这个问题。首先，我们考虑传统的单次模型SMC不假设一个概率先验的数据。在这个模型中，私有通信和随机性是安全计算的关键使能因素，我们研究了随机性成本和容量的概念。然后，我们移动到一个概率模型的数据，并提出了一个香农模型的离散无记忆SMC。在这个模型中，数据之间的相关性是安全计算的关键使能因素，我们研究了依赖关系的概念，它允许函数的安全计算。虽然模型和问题是通用的，但本文重点关注求和函数，并依赖于极化码构造。

安全两方计算基元的初等完备性证明

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。

具有消失代价的大型分布式数据库上的无条件安全计算

Unconditionally Secure Computation on Large Distributed Databases with Vanishing Cost

考虑一个k方网络，每一方拥有一个长序列的n个条目（一个数据库），最小顶点切割大于t。我们表明，任何经验统计数据的网络数据库可以计算的每一方与完美的隐私，对任何一组t < k/2的被动串通方，这样的最坏情况下的失真和通信成本（比特每数据库条目）都去为零，因为n，在数据库中的条目的数量，走向无穷大。这是基于将随机抽样的显著降维结果与无条件安全的多方计算协议相结合。

理解安全计算输出的信息泄露：平均工资计算研究

Understanding Information Disclosure from Secure Computation Output: A Study of Average Salary Computation

本研究针对安全多方计算输出导致的信息泄露问题，以波士顿性别薪酬研究为背景，利用信息论技术量化了平均工资计算中私有输入的信息披露，并提出了降低泄露的机制与应用指导方针。

自举不经意传输与安全两方函数计算

Bootstrapped Oblivious Transfer and Secure Two-Party Function Computation

我们提出了一个信息论框架的安全两方函数计算（SFC）问题，并引入了SFC容量的概念。我们研究和扩展字符串不经意传输（OT）的样本明智OT。我们提出了一个有效的，完全私有的OT协议，利用二进制擦除通道或源。我们还提出了引导字符串OT协议，它提供了不相交（削弱）的隐私，同时实现了成倍的增长率，从而权衡安全率。最后，利用我们的OT协议，我们构建了一个协议，SFC和建立一个一般的下限SFC容量的二进制擦除通道和源。

随机函数的安全计算

Secure Computation of Randomized Functions

研究了随机函数的两用户安全计算问题，其中只有一个用户计算输出。两个用户都是半诚实的;计算是这样的，除了不能从自己的输入和输出中推断出的信息之外，没有用户学习到关于另一个用户的输入和输出的任何额外信息。首先，我们考虑一个场景，其中隐私条件对用户都不利。Kilian [STOC 2000]在完美安全环境下给出了可安全计算的随机函数的一个特征，并给出了这类函数的速率最优协议。我们证明了同样的特征也适用于渐近安全设置，并给出了一个速率最优协议。在另一种情况下，隐私条件仅针对不计算函数的用户，我们提供速率最优协议。对于完美的安全性，在这两种情况下，我们的结果是在不同的图的色熵。在渐近安全设置中，我们得到了两种情况下的单字母利率表达式。

安全计算的通信和随机性下界

Communication and Randomness Lower Bounds for Secure Computation

在安全多方计算（MPC）中，相互不信任的用户合作计算他们的私有数据的函数，而不向其他用户透露关于他们的数据的任何附加信息。虽然已知在诚实但好奇的模型中，$n$用户（通过安全且无噪声的链路连接，并且可以访问私有随机性）之间的信息理论上安全的MPC可以对抗少于$n/2$用户的共谋，但是对安全计算的通信和随机性复杂性的了解相对较少。在这项工作中，我们采用信息理论的技术来获得安全MPC所需的通信量和随机性的下限。我们将自己限制到一个具体的交互式设置，涉及3个用户，在诚实但好奇的模型中，所有功能都可以安全地计算，防止单个用户的腐败。我们推导出完美安全情况（即，零错误和无信息泄漏）和渐近安全性（其中错误和信息泄漏的概率随着块长度变为$\infty$而消失）。我们的技术包括使用残差信息的数据处理不等式（即，互信息和Gács-Körner公共信息之间的差距）、3用户协议的一种新的信息不等式以及分布交换的思想。我们的下界被证明是紧的各种功能的利益。特别是，我们展示了具有“通信理想”协议的具体函数，即，其在网络中的所有链路上同时实现最小通信量，并且还使用最小量的随机性。此外，我们获得了第一个明确的例子，一个函数，招致更高的通信成本比输入长度的安全计算模型中的“Feige，Kilian，和Naor [STOC，1994]”，谁已经表明，这样的功能存在。

安全三方仿射计算的可扩展信息流分析

Scalable Information-Flow Analysis of Secure Three-Party Affine Computations

安全多方计算中的精心设计的协议使几个参与者能够计算他们自己的私人输入的公共函数，同时确保没有关于私人输入的不期望的信息泄漏，并且不求助于任何可信的第三方。然而，计算的公共输出不可避免地泄露了一些关于私有输入的信息。最近的作品已经引入了一个框架，并提出了一些技术来量化这种信息流。然而，由于它们的复杂性，这些方法不能扩展到可能涉及大输入空间的实际情况。这里报告的工作的主要贡献是正式调查的信息流捕获的最小熵的特定情况下，安全的三方计算的仿射函数，以使其量化可扩展到现实的场景。为此，我们在数学上推导出一个明确的公式，这个熵下一致的先验信念的输入。我们表明，这种封闭形式的表达式可以计算的时间常数的输入大小和对数的仿射函数的系数。最后，我们制定了一些理论界限，这种隐私泄漏的存在下，非统一的先验信念。

Secure Distributed Matrix Computation with Discrete Fourier Transform

We consider the problem of secure distributed matrix computation (SDMC), where a \textit{user} queries a function of data matrices generated at distributed \textit{source} nodes. We assume the availability of $N$ honest but curious computation servers, which are connected to the sources, the user, and each other through orthogonal and reliable communication links. Our goal is to minimize the amount of data that must be transmitted from the sources to the servers, called the \textit{upload cost}, while guaranteeing that no $T$ colluding servers can learn any information about the source matrice…

实现博弈相关均衡的无条件安全多方计算

On Unconditionally Secure Multiparty Computation for Realizing Correlated Equilibria in Games

在博弈论中，一个受信任的中介代表参与者可以实现相关的均衡，这可能提供比纳什均衡更好的回报。我们探讨的方法，取代可信的调解人与无条件安全的采样协议，共同产生的球员的行动。我们的联合分布的特点，可以安全地采样恶意玩家通过协议使用无差错通信。这类分布取决于玩家是否可以同时说话（“廉价谈话”）或必须轮流说话（“礼貌谈话”）。在应用采样协议实现相关的均衡与理性的球员，我们观察到，对恶意方的安全性可能比必要的强得多。我们提出了合理的球员的安全抽样的概念，并证明了更多的分布是可行的给定一定的效用函数。然而，恶意玩家通过安全抽样可获得的收益是理性可获得收益的主要子集。