Private Function Computation for Noncolluding Coded Databases
分布式存储系统中的私有计算是私有信息检索问题的推广。在这种设置中,用户希望计算存储在$n$非共谋编码数据库中的$f$消息的函数,即,存储用$[n,k]$线性存储代码编码的数据的数据库,同时不向数据库透露关于所需功能的信息。我们考虑私人多项式计算(PPC)的问题。在PPC中,用户希望在存储在多个数据库中的$f$变量(或消息)上计算次数至多为$g$的多元多项式。首先,我们考虑次数为$g=1$的多项式的私有计算,即,私有线性计算(PLC)的编码数据库。在PLC中,用户希望在$f$消息上计算线性组合,同时保持期望的线性组合的系数对数据库隐藏。对于一个线性编码的DSS,我们提出了一个容量实现PLC计划,并表明PLC的容量,这是所需的信息量和下载的信息总量的比率,匹配的最大距离可分离的编码容量PIR的一大类线性存储代码。然后,我们考虑高阶多项式的私有计算,即,$g>1$。对于这种设置,我们构建了两个新的PPC计划。在第一个方案中,我们考虑Reed-Solomon编码的数据库与拉格朗日编码,它利用了最近提出的星积PIR和拉格朗日编码计算的想法。第二种方案考虑了具有系统拉格朗日编码的编码数据库的特殊情况。这两种方案都产生改进的速率,而渐近地,作为$f\rightarrow \infty$,系统方案给出了一个显着更好的计算检索率相比,所有已知的方案,直到一些存储编码率,取决于候选多项式的最大程度。
2021-08-04 cs.IT math.IT
Achievable Rate of Private Function Retrieval from MDS Coded Databases
研究了分布式存储系统中的私有函数检索问题。在PFR中,用户希望检索存储在非串通$(N,K)$ MDS编码数据库中的$M$消息的线性组合,同时不向任何单独的数据库透露关于预期线性组合的系数的信息。我们提出了一个可实现的计划MDS编码PFR的速率,匹配的能力,编码的私人信息检索最近派生,$R=(1+R_c+R_c^2+\dots+R_c^{M-1})^{-1}=\frac{1-R_c}{1-R_c^M}$,其中$R_c=\frac{K}{N}$是MDS码的速率。在某些特殊情况下,这个可达到的速率是紧的。
2018-02-22 cs.IT math.IT
The Capacity of Private Information Retrieval with Partially Known Private Side Information
我们考虑的问题,私人信息检索(PIR)的一个单一的消息出$K$消息从$N$复制和非串通数据库,其中一个缓存启用用户(检索器)的缓存大小$M$拥有侧信息的形式,是部分已知的数据库。在该模型中,用户和数据库参与两个阶段的计划,即,预取阶段,用户获取边信息和检索阶段,用户下载所需的信息。在预取阶段,用户在高速缓冲存储器大小约束$\sum_{n=1}^N m_n \leq M$下从$n$ th数据库接收$m_n$全消息。在检索阶段,用户希望检索一条消息,使得没有任何单独的数据库了解所需消息的身份。此外,用户没有从数据库预取的辅助信息消息的身份必须相对于该数据库保持私有。由于在预取阶段由每个数据库提供的边信息是由提供数据库已知的,并且边信息必须相对于其余数据库保持私有,因此我们将该模型称为\textit{partially known private side information}。我们的能力的PIR与部分已知的私有侧信息是$C=\left(1+\frac{1}{N}+\cdots+\frac{1}{N^{K-M-1}}\right)^{-1}=\frac{1-\frac{1}{N}}{1-(\frac{1}{N})^{K-M}}$。有趣的是,如果没有数据库知道任何预取的边信息,即,当边信息从外部获得时,这是Kadhe等人提出的问题,最近由Chen-Wang-Jafar解决。因此,我们的…
2017-11-27 cs.CR cs.IT math.IT
Private Information Retrieval from MDS Coded Databases with Colluding Servers under Several Variant Models
私有信息检索(PIR)由于其信息论的重新表述及其在分布式存储系统(DSS)中的应用而重新受到人们的关注。一般PIR模型考虑包含存储$M$文件的$N$服务器的编码数据库。每个文件通过相同的任意$(N,K)$ -MDS代码独立存储。用户希望通过任意一组$T$串通服务器私下从数据库中检索特定文件。一个关键的问题是分析PIR容量,定义为每一个下载位的最大数量的位私人检索。通过引入各种附加约束,出现了一般模型的几个扩展。在本文中,我们提出了一个通用的PIR计划的几种不同的PIR模型,包括:PIR与鲁棒服务器,PIR与拜占庭服务器,多文件PIR模型和PIR与任意共谋模式。
2017-10-11 cs.IT math.IT
Capacity of Private Linear Computation for Coded Databases
研究了分布式存储系统中的私有线性计算问题。在PLC中,用户希望计算存储在非合谋数据库中的$f$消息的线性组合,同时不向数据库透露关于所需线性组合的系数的信息。在我们以前的工作的扩展,我们采用线性码编码的数据库上的信息。我们表明,PLC的容量,这是所需的线性函数的大小和下载的信息的总量的比率,匹配的最大距离可分离(MDS)编码的私人信息检索的容量为一大类的线性码,包括MDS码。特别是,所提出的逆是有效的任何数量的消息和线性组合,和容量表达式取决于从所有线性组合获得的系数矩阵的秩。
2018-10-09 cs.IT math.IT
The Capacity of Private Information Retrieval from Byzantine and Colluding Databases
研究了从$N$复制数据库中进行单轮私有信息检索的问题。我们考虑$B$数据库过时(不同步),甚至更糟,对抗性(拜占庭),因此可能返回错误答案的情况。在拜占庭数据库的PIR问题(BPIR)中,用户希望从一组$M$消息中零错误地检索特定消息,而不管拜占庭数据库执行的操作。本文考虑了$T$ -隐私约束,其中任何$T$数据库都可以合谋,并交换用户提交的查询。我们推导出这个问题的信息理论容量,这是可以私下检索($T$隐私约束下)的每个符号的下载数据的\emph{correct symbols}的最大数量。如果$2B+T < N$,则我们确定准确的BPIR容量为$C=\frac{N-2B}{N}\cdot\frac{1-\frac{T}{N-2B}}{1-(\frac{T}{N-2B})^M}$。该容量表达式表明,拜占庭数据库对检索率的影响相当于从系统中删除$2B$数据库,惩罚因子为$\frac{N-2B}{N}$,这意味着即使PIR所需的数据库数量实际上是$N-2B$,用户仍然需要访问整个$N$数据库。结果表明,对于非同步PIR问题,如果用户没有任何关于错误同步的消息的比例的知识,单轮容量与BPIR容量相同。我们的可实现的计划扩展了最佳可实现的方案的强大的PIR(RPIR)的问题,以纠正\emph{errors}介绍的拜占庭数据库,而不是\emph{erasures}在RPIR的问题。我们的逆…
2017-06-05 cs.CR cs.IR cs.IT
Private Read Update Write (PRUW) with Storage Constrained Databases
我们研究了存储受限数据库中与联邦子模型学习(FSL)相关的私有读更新写(PRUW)问题。在PRUW中,用户私下从包含$M$子模型的$N$数据库系统中读取子模型,在本地更新它,并将更新写回数据库,而不泄露子模型索引或更新的值。在这个问题中考虑的数据库只允许存储由任意存储约束指定的给定量的信息。我们提供了一个存储机制,确定每个数据库的内容之前的应用程序的PRUW计划,使总的通信成本最小化。我们表明,所提出的存储方案实现了较低的总成本相比,通过使用\emph{coded storage}或\emph{divided storage},以满足给定的存储约束。
2022-02-07 cs.CR cs.IT cs.NI
Blind Interference Alignment for Private Information Retrieval
盲干扰对准(BIA)是指仅基于发射机处的信道相干模式知识(“盲”发射机不知道确切的信道值)而设计的干扰对准方案。私有信息检索(PIR)是指用户从N个非通信数据库(每个数据库保存所有K条消息)中检索K条消息中的一条消息,而不向任何单独的数据库透露有关所需消息索引的身份的任何信息的问题。在本文中,我们确定了一个有趣的PIR和BIA之间的连接。受这种连接的启发,我们描述了PIR的信息理论最优下载成本,当我们有K = 2的消息和数据库的数量,N,是任意的。
2016-01-28 cs.CR cs.IR cs.IT
Private Multi-File Retrieval From Distributed Databases
假设存在$N$分布式数据库,每个分布式数据库存储$M$独立文件的完整集合。用户想要从$M$文件中检索$r$,而不暴露$r$文件的身份。当$r=1$是私人信息检索(PIR)的经典问题。本文研究了一般$r$的私有多文件检索问题。首先,我们证明了PMFR计划的能力,这表明每单位检索到的文件的最小可能的下载大小的上限。然后设计了一种通用的PMFR方案,使其在$r\geq\frac{M}{2}$时恰好达到上界,从而达到最优的通信开销。随着$r$的下降,我们展示了执行$r$独立PIR实例的简单方法,该方法实现了接近最优的通信成本。与实现容量的PIR方案相比,我们的PMFR方案减少了每个文件所需的子包的数量从$N^M$到$N^2$,这意味着实现复杂度大大降低。
2017-04-11 cs.IT math.IT
The Capacity of Private Information Retrieval
在专用信息检索(PIR)问题中,用户希望尽可能有效地从$N$非通信数据库(每个数据库保存所有$K$消息)中检索出$K$消息中的一个,同时不向任何单独的数据库透露任何关于所需消息索引的标识。PIR的信息理论容量是每比特下载信息可以私下检索的所需信息的最大比特数。对于$K$消息和$N$数据库,我们证明了PIR容量是$(1+1/N+1/N^2+\cdots+1/N^{K-1})^{-1}$。容量实现方案的显著特征是,如果我们消除消息的任何子集(通过将消息符号设置为零),则所得到的方案也实现了消息的剩余子集的PIR容量。
2017-02-27 cs.CR cs.IR cs.IT
Capacity-Achieving Private Information Retrieval Codes from MDS-Coded Databases with Minimum Message Size
我们考虑构建容量实现的线性代码与最小的消息大小的私人信息检索(PIR)从$N$非串通数据库,其中每个消息是使用最大距离可分离(MDS)代码编码,使它可以恢复访问任何$T$数据库的内容。它示出的最小消息大小(有时也被称为子分组因子)是显着的,事实上是指数,低于以前认为的。更准确地说,当$K>T/\textbf{gcd}(N,T)$,其中$K$是系统中的消息的总数和$\textbf{gcd}(\cdot,\cdot)$意味着最大公约数,我们建立,通过提供新的代码结构和匹配的逆,最小的消息大小为$\textbf{lcm}(N-T,T)$,其中$\textbf{lcm}(\cdot,\cdot)$意味着最小公倍数。另一方面,当$K$是小的,我们表明,它实际上是可能的设计代码的消息大小甚至小于$\textbf{lcm}(N-T,T)$。
2020-01-22 cs.IT math.IT
Pliable Private Information Retrieval
我们制定了一个新的变种的私人信息检索(PIR)问题,其中用户是柔韧的,即,对来自可用数据集的期望子集的任何消息感兴趣,表示为柔性私有信息检索(PPIR)。我们考虑一个设置,其中数据集组成的$f$消息复制在$n$ noncoluding数据库和分类到$Γ$类。对于该设置,用户希望从多个期望的类中检索任何$λ\geq 1$消息,即,$η\geq 1$,同时不向数据库揭示关于所需类的标识的信息。我们把这个问题称为多消息PPIR(M-PPIR),并引入单消息PPIR(PPIR)问题作为M-PPIR的一个基本特例。我们首先推导出M-PPIR速率的逆界,该速率被定义为所需信息量和下载信息总量的比率,然后是相应的可实现的方案。因此,我们表明,PPIR容量,即,对于$n$非共谋数据库,最大可实现的PPIR速率与具有$n$数据库和$Γ$消息的PIR的容量相匹配。因此,实现灵活性,即,柔韧性,其中隐私只保证类,而不是在经典PIR中的消息,允许权衡隐私与下载速率。一个类似的见解是持有的一般情况下的M-PPIR。
2022-06-12 cs.IR cs.IT math.IT
On Cache-Aided Multi-User Private Information Retrieval with Small Caches
在本文中,我们提出了一个计划的缓存辅助多用户私人信息检索与小缓存的问题,其中$K$用户连接到$S$非共谋数据库通过共享链接。每个数据库都包含一组$N$文件,每个用户都有一个大小与$M$文件大小相等的专用缓存。所有用户都希望检索文件而不向数据库透露他们的需求。在非高峰时段,所有的用户将填补他们的缓存,并在需要时,用户将要求他们所需的文件,通过合作产生的查询集,为每个数据库。从数据库接收到传输后,所有用户都应该使用传输的数据及其缓存内容来获取所需的文件。文[X. Zhang,K. Wan,H.孙,M。Ji和G. Caire,\tqt{Fundamental limits of cache-aided multiuser private information retrieval},IEEE Trans. Commun.,2021年],其中作者提出了产品设计方案。在本文中,我们提出了一个计划,给出了一个更好的速率为特定值的$M$比产品设计方案。我们考虑一种稍微不同的方法用于放置阶段。不是数据库直接填充所有用户的缓存,而是数据库将在共享链接上为所有用户广播缓存内容,然后用户将统一决定广播内容的哪一部分将存储在每个用户的缓存中。这种变化有助于以降低的速率维持隐私约束。
2023-01-31 cs.CR cs.IR cs.IT
The Capacity of Private Information Retrieval from Coded Databases
研究分布式存储系统中的私有信息检索问题。存储系统由$N$非共谋数据库组成,每个数据库存储$M$消息的编码版本。在PIR问题中,用户希望检索一个可用的消息,而不向任何单独的数据库透露消息身份。我们推导出这个问题的信息理论容量,它被定义为所需的消息,可以私下检索每一位下载的信息的最大位数。我们表明,在这种情况下的PIR容量是$C=\left(1+\frac{K}{N}+\frac{K^2}{N^2}+\cdots+\frac{K^{M-1}}{N^{M-1}}\right)^{-1}=(1+R_c+R_c^2+\cdots+R_c^{M-1})^{-1}=\frac{1-R_c}{1-R_c^M}$,其中$R_c$是所使用的$(N,K)$代码的速率。容量是码率和消息数量的函数,而与存储代码的显式结构无关。结果表明,最优检索成本和存储成本之间的基本权衡。该结果将复制数据库的经典PIR的可解性和逆结果推广到编码数据库的情况。
2016-09-26 cs.CR cs.IT math.IT
The Capacity of $T$-Private Information Retrieval with Private Side Information
本文研究了$T$ --带私有边信息的私有信息检索(TPIR-PSI)问题。在这个问题中,$N$复制数据库存储$K$独立消息,并且配备有保存$M$消息作为辅助信息的本地高速缓存的用户希望检索其他$K-M$消息中的一个。即使$N$数据库中的任何$T$串通,所需的消息索引和边信息也必须保持联合私有。我们证明了TPIR-PSI的容量是$\left(1+\frac{T}{N}+\cdots+\left(\frac{T}{N}\right)^{K-M-1}\right)^{-1}$。作为通过设置$T=1$获得的特殊情况,该结果解决了PIR-PSI的容量,这是Kadhe等人先前注意到的一个公开问题。我们还考虑了具有私有侧信息的非对称TPIR(STPIR-PSI)的问题,其中来自所有$N$数据库的答案除了所需的消息之外不显示关于任何其他消息的信息。我们表明,STPIR-PSI的能力是$1-\frac{T}{N}$,如果数据库有机会共同的随机性(不提供给用户),这是独立的消息,在一个量,即至少$\frac{T}{N-T}$位每所需的消息位。否则,STPIR-PSI的容量为零。
2019-05-31 cs.CR cs.IT math.IT
The Capacity of Private Information Retrieval from Heterogeneous Uncoded Caching Databases
我们认为私人信息检索(PIR)的一个单一的文件的$K$文件从$N$非共谋数据库异构存储约束$\mathbf{m}=(m_1, \cdots, m_N)$。本研究的目的是联合设计内容放置阶段和信息检索阶段,以最小化PIR阶段的下载成本。我们将最优PIR下载成本描述为线性规划。通过分析这个线性规划的最优解的结构,我们发现,令人惊讶的是,在我们的异构情况下,最优下载成本匹配其同质对应的所有数据库具有相同的平均存储约束$μ=\frac{1}{N} \sum_{n=1}^{N} m_n$。因此,我们表明,有没有损失的PIR容量,由于数据库的存储空间的异质性。我们明确地为$N=3$提供了最佳的内容放置。
2019-02-25 cs.CR cs.DB cs.IT
Private Information Retrieval from Non-Replicated Databases
我们考虑的问题,私人信息检索(PIR)的一个单一的消息出$K$消息从$N$非共谋和非复制数据库。与大多数现有文献不同的是,现有文献考虑了复制数据库的情况,其中所有数据库以所有$K$消息的形式存储相同的内容,在这里,我们考虑了特殊非复制结构下的非复制数据库的情况,其中每个数据库存储$K$消息中的$M$,并且每个消息存储在$R$不同的数据库中。这将为存储系统生成一个$R$规则图结构,其中图的顶点是消息,边是数据库。我们推导出一个通用的上限$M=2$,依赖于图形结构。然后,我们专门的存储系统描述的两种特殊类型的图形结构的问题:循环图和\emph{fully-connected graphs}。证明了循环图的PIR容量为$\frac{2}{K+1}$,全连通图的PIR容量为$\min\{\frac{2}{K},\frac{1}{2}\}$ .为此,我们提出了新的可实现的计划,这两个图形结构的能力实现。这两种方案的核心思想是在提交给不包含所需消息的数据库的查询中引入依赖性,以便可以压缩请求。在这两种情况下,结果显示由于非复制,PIR容量严重下降。
2018-12-31 cs.CR cs.IT math.IT
Private Read Update Write (PRUW) With Heterogeneous Databases
研究了联邦子模型学习中异构存储受限数据库的私有读更新写问题。在FSL中,机器学习(ML)模型根据用于训练它的不同类型的数据被划分为多个子模型。给定的用户根据用户的本地数据类型下载、更新并将更新上传回感兴趣的单个子模型。使用PRUW,执行读取(下载)和写入(上传)的过程,从而保证更新子模型索引和更新值的信息理论隐私。我们考虑的实际情况下,子模型存储在数据库中的任意(异构)存储约束,并提供一个PRUW计划的存储机制,利用子模型分区和编码,以尽量减少通信成本。
2023-02-07 cs.CR cs.IT cs.NI
A New Design of Cache-aided Multiuser Private Information Retrieval with Uncoded Prefetching
在高速缓存辅助多用户私有信息检索(MuPIR)问题中,一组配备有高速缓存的$K_{\rm u}$用户希望从$N$分布式数据库中私有地下载一组消息,每个分布式数据库都保存有$K$消息库。该系统分两个阶段工作:{ \it高速缓存放置(预取)阶段},其中用户填满他们的高速缓存存储器,以及{ \it私人递送阶段},其中用户的需求被揭示,并且他们从每个数据库下载答案,使得他们想要的消息可以被恢复,而每个单独的数据库不知道所请求的消息的身份。我们的目标是设计放置和私有传递阶段,以便在给定任何用户内存大小的情况下,最小化\emph{load}(定义为按消息大小标准化的下载位总数)。本文考虑了具有两个消息、任意数量的用户和数据库的MuPIR问题,其中假设预取是未编码的,即,用户直接从库中复制一些位作为其高速缓存的内容。我们提出了一种新的MuPIR计划的灵感来自Maddah-Ali和Niesen(MAN)编码缓存计划。所提出的方案实现了较低的负载比任何现有的计划,特别是产品设计(PD),并被证明是最佳的$8$的一个因素内,在一般和精确的最佳在非常高或低的内存制度。
2021-02-03 cs.IR cs.IT eess.SP
On the Capacity of Private Nonlinear Computation for Replicated Databases
本文研究复制数据库上的私有非线性计算问题,给出信息论上精确的可达速率,并证明在大消息规模下该速率等于私有计算容量,同时通过私有单项式计算进行数值验证。
2023-07-04 cs.IT math.IT
Private Information Retrieval from Heterogeneous Uncoded Storage Constrained Databases with Reduced Sub-Messages
我们提出了能力实现计划的私人信息检索(PIR)从未编码的数据库(DB)的同质和异构的存储约束。在PIR设置中,用户查询一组DB以私下下载消息,其中隐私意味着没有一个DB可以推断出用户想要哪个消息。一般来说,PIR方案由存储放置和交付设计组成。以前的作品已经得出的容量,或下确界下载成本,PIR与未编码的存储布局和存储布局设计,以满足容量的充分条件。然而,目前提出的存储布局设计需要将每个消息分割成相对于DB数量的指数数量的子消息。在这项工作中,当数据库具有相同的存储约束,我们提出了两个简单的存储布局设计,满足容量条件。然后,对于更一般的异构存储约束,我们将存储布局设计过程转化为“填充问题”。我们设计了一个迭代算法来解决填充问题,在每次迭代中,消息被划分为子消息,并存储在数据库的子集。我们提出的所有存储布局设计都要求每条消息的子消息数量最多等于DB的数量。
2019-10-16 cs.IT math.IT
On the Fundamental Limits of Cache-aided Multiuser Private Information Retrieval
我们考虑的问题,缓存辅助多用户私人信息检索(MuPIR),这是一个扩展的单用户缓存辅助PIR问题的情况下,多个用户。在MuPIR中,每个配备有$K_{\rm u}$高速缓存的用户希望从来自$N$数据库的$K$消息中私下检索消息,每个$N$数据库都可以访问整个消息库。隐私约束要求任何单独的数据库都不了解所有用户的需求。用户通过一个无错误的共享链接连接到每个数据库。在本文中,我们的目标是描述用户的内存和通信负载之间的最佳权衡,这样的系统。基于所提出的新方法的\emph{cache-aided interference alignment (CIA)},第一,对于与$K=2$消息,$K_{\rm u}=2$用户和$N\ge 2$数据库的MuPIR问题,我们提出了可实现的检索计划,为未编码和一般的缓存放置。CIA方法在高速缓存放置未编码时是最佳的。对于一般的缓存放置,CIA方法是最佳的,当$N=2$和$3$验证的计算机辅助方法。其次,当$K,K_{\rm u}$和$N$是通用的,我们提出了一个新的\emph{product design}(PD),它将PIR代码的线性缓存代码。的产品设计示出的乘法因子为8内的顺序最优,并且是完全最优的用户缓存大小是大的。
2020-11-20 cs.IR cs.IT math.IT
The Capacity of Private Information Retrieval from Uncoded Storage Constrained Databases
私有信息检索(PIR)允许用户从一组数据库中检索所需的消息,而不泄露所需消息的身份。Sun和Jafar在2016年考虑了复制数据库场景,其中$N$数据库可以完全存储相同的$K$消息。提出了一种PIR方案,以实现$\left(1+ \frac{1}{N}+ \frac{1}{N^{2}}+ \cdots + \frac{1}{N^{K-1}}\right)$给出的最优下载代价。在这项工作中,我们考虑的问题,PIR从存储受限的数据库。每个数据库具有$μKL$位的存储容量,其中$L$是每个消息的位大小,$μ\in [1/N, 1]$是标准化存储。在一个极端情况下,$μ=1$是复制数据库的情况。另一方面,当使用$μ= 1/N$时,为了私下检索消息,用户必须从数据库下载所有消息,从而实现$1/K$的下载成本。我们的目标是表征的最佳下载成本与存储权衡范围内的任何存储容量$μ\in [1/N, 1]$。对于任何$(N,K)$,我们表明,存储,$μ$和下载成本,$D(μ)$之间的最佳权衡,给出了由下凸包的$N$对$\left(μ= \frac{t}{N},D(μ) = \left(1+ \frac{1}{t}+ \frac{1}{t^{2}}+ \cdots + \frac{1}{t^{K-1}}\right)\right)$为$t=1,2,\ldots, N$。为了证明这一结果,我们首先提出了任…
2018-10-23 cs.CR cs.DB cs.IR
Private Information Retrieval Schemes for Coded Data with Arbitrary Collusion Patterns
在私有信息检索(PIR)中,人们希望从数据库下载文件,而不向数据库透露正在下载的文件。很多注意力都集中在跨多个服务器编码数据库的情况下,这些服务器的子集可以合谋尝试推断所请求的文件。随着研究的目标,可实现的PIR率在现实的情况下,我们概括的情况下,所有子集的大小$t$串通的服务器的编码数据的结果,任意子集的服务器。我们调查以前的策略在这个新的情况下的有效性,并提出新的结果的情况下,服务器被划分为不相交的勾结组。
2017-06-22 cs.IT math.IT
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
The Capacity of Symmetric Private Information Retrieval
私有信息检索(PIR)是尽可能有效地从$N$非通信复制数据库(每个数据库保存所有$K$消息)中检索$K$消息之一,同时对每个单独的数据库保持所需消息索引的身份保密的问题。对称PIR(SPIR)是PIR的一般化,包括除了期望的消息之外,用户不了解其他$K-1$消息的要求。SPIR的信息理论容量(相当于最小下载成本的倒数)是每比特下载信息可以私下检索的所需信息的最大比特数。我们表明,SPIR的能力是$1-1/N$消息$K$的数量无关,如果数据库有机会共同的随机性(不提供给用户),这是独立的消息,在金额是至少$1/(N-1)$位每个所需的消息位,否则为零。对SPIR的容量域和有限长SPIR的容量进行了扩展。
2017-07-15 cs.CR cs.IR cs.IT
The Capacity of Private Information Retrieval Under Arbitrary Collusion Patterns
研究了任意共谋模式下复制数据库的私有信息检索问题。我们发现它的容量,这是相同的容量的原始PIR问题的数据库的数量$N$替换为一个数字$S^*$。数字$S^*$是作为共谋模式的函数的线性规划问题的最优解。因此,共谋模式仅通过数量$S^*$影响PIR问题的容量。
2020-01-12 cs.IT math.IT
The Capacity of Private Information Retrieval from Decentralized Uncoded Caching Databases
我们考虑的私人信息检索(PIR)问题,从分散的未编码的缓存数据库。在我们的问题设置中有两个阶段,缓存阶段和检索阶段。在高速缓存阶段,包含所有$K$文件的数据中心(其中每个文件的大小为$L$位)和具有存储大小约束$μK L$位的若干数据库存在于系统中。每个数据库以分散的方式通过相同的概率分布从来自数据中心的全部$KL$比特中独立地选择$μK L$比特进行缓存。在检索阶段,用户(检索者)除了访问数据中心之外还访问$N$数据库,并且希望私下检索期望的文件。我们将最优归一化下载成本表征为$\frac{D}{L} = \sum_{n=1}^{N+1} \binom{N}{n-1} μ^{n-1} (1-μ)^{N+1-n} \left( 1+ \frac{1}{n} + \dots+ \frac{1}{n^{K-1}} \right)$。我们发现,均匀和随机的缓存方案,最初提出的分散编码缓存的Maddah-Ali和Niesen,随着太阳和Jafar检索方案,最初提出的PIR从复制的数据库令人惊讶的结果在最低的归一化下载成本。这是Attia,Kumar和Tandon最近对集中式案例的结果的分散式对应。逆证明包含干扰下界、归纳引理、用分布式数据库的内容替换查询和应答字符串随机变量、分散式未编码缓存数据库的性质以及联合缓存分布的位边缘化等内容。
2018-11-27 cs.CR cs.DB cs.IT
Private Federated Submodel Learning via Private Set Union
我们考虑联邦子模型学习(FSL)问题,并提出了一种方法,客户端能够更新理论上的中央模型信息。我们的方法是基于私有集并(PSU),这是进一步基于多消息对称私有信息检索(MM-SPIR)。服务器有两个非合谋的数据库,它们以复制的方式保存模型。在我们的方案中,服务器除了了解客户端更新的子模型子集之外,不会进一步了解任何东西:服务器不知道哪个客户端更新了哪个子模型,也不知道任何关于本地客户端数据的信息。与Jia-Jafar和Vithana-Ulukus的私有FSL方案相比,我们的方案不需要在数据库中存储模型的噪声;与Zhao-Sun的安全聚合方案相比,我们的方案不需要预先分配客户端公共随机性,相反,我们的方案通过随机SPIR和一次性密码本创建所需的客户端公共随机性。该协议从公共随机性生成(CRG)阶段开始,其中两个数据库使用RSPIR和一次性密码本在客户端建立公共随机性(该阶段称为FSL-CRG)。接下来,客户端利用所建立的客户端侧公共随机性来使服务器私下确定要由客户端集体更新的子模型的索引的并集(该阶段被称为FSL-PSU)。然后,两个数据库将集合联合中的子模型的当前版本广播给客户端。客户端基于其本地训练数据更新子模型。最后,客户端使用FSL-PSU的变体将更新私下写回数据库(此阶段称为FSL-write)。我们建议的私人FSL计划是强大的客户端辍学,客户端迟到,和数据库辍学。
2023-01-18 cs.CR cs.DB cs.IT
A New Design of Private Information Retrieval for Storage Constrained Databases
专用信息检索(PIR)允许用户从$N$数据库下载$K$消息之一,而不向任何数据库透露正在下载哪个$K$消息。通常,数据库可以是存储受限的,其中每个数据库最多只能存储$μK L$位,其中$\frac{1}{N} \leq μ\leq 1$和$L$是每个消息的位大小。让$t= μN$,最近的工作表明,存储约束PIR(SC-PIR)的容量是$\left( 1+ \frac{1}{t} + \frac{1}{t^2} + \cdots + \frac{1}{t^{K-1}} \right)^{-1}$,这是通过一个存储布局方案的启发内容布局方案在文献中的编码缓存和原始PIR计划。毫不奇怪,这种可实现的方案要求每个消息的长度为$L = {N \choose t}t^K$位,这可能是不切实际的。在本文中,没有试图使SC-PIR和编码缓存问题之间的联系,基于全存储PIR(FS-PIR)问题($μ= 1$)和SC-PIR问题之间的一般联系,我们提出了一个新的SC-PIR设计思想,使用新的存储布局方案。所提出的方案显着降低了消息大小的要求,同时仍然满足容量的SC-PIR。特别地,与现有技术的$L = {N \choose t}t^K$相比,所提出的SC-PIR方案要求每个文件的大小仅为$L = Nt^{K-1}$。因此,我们得出结论,PIR可能不符合编码缓存时,$L$的大小受到约束。
2019-01-22 cs.IT math.IT
Multi-Message Private Information Retrieval using Product-Matrix MSR and MBR Codes
多消息私有信息检索(MPIR)是PIR的一个有趣的变体,其允许用户从数据库下载多个消息而不泄露所需消息的身份。显然,用户可以重复使用单消息PIR方案,但我们希望有一种更有效的方法来降低下载成本。在文献[1]中,Banawan和Ukulus研究了具有复制数据库的多消息PIR问题。在本文中,我们考虑多消息PIR计划,其中数据库存储使用最小存储再生(MSR)或最小带宽再生(MBR)代码,这是类最佳再生代码提供有效的修复时,系统中的一个节点发生故障。本文分析了存贮、检索和修理费用之间的关系,并给出了利用文献[2]中的MSR和MBR码的显式方案,它们都能达到最佳的折衷曲线。据我们所知,我们的工作是第一个探索多消息PIR与编码数据库。
2018-08-06 cs.IT math.IT
Asymmetric $X$-Secure $T$-Private Information Retrieval: More Databases is Not Always Better
本文研究非对称 XSTPIR 问题,提出基于通信矩阵的数据库分组机制和分组 PIR 方案,给出可达速率上界,并证明在某些情况下可丢弃部分数据库以提高速率,表明更多数据库并非总是更好。
2023-05-09 cs.CR cs.IT cs.NI
Symmetric Private Information Retrieval with User-Side Common Randomness
本文研究了具有用户端公共随机性的对称私有信息检索问题。在SPIR中,用户从来自$N$非共谋和复制的数据库的$K$消息中检索消息,使得没有单个数据库知道检索到的消息索引(用户隐私),并且用户除了检索到的消息之外什么也不知道(数据库隐私)。SPIR的容量小于PIR的容量,PIR仅需要用户隐私,在单个数据库的情况下是不可行的,并且需要在数据库之间共享公共随机性。我们介绍了一个新的变种SPIR的用户提供了一个随机子集的共享数据库共同的随机性,这是未知的数据库。我们确定三元组$(d, ρ_S, ρ_U)$的确切容量区域,其中$d$是下载成本,$ρ_S$是共享数据库(服务器)公共随机性的量,$ρ_U$是可用的用户端公共随机性的量。我们表明,与适量的$ρ_U$,这种新的SPIR实现的能力,传统的PIR。作为一个必然的结果,单数据库SPIR变得可行。此外,用户侧$ρ_U$的存在减少了所需的服务器侧$ρ_S$的量。
2021-05-12 cs.CR cs.DB cs.IT
On the Storage Cost of Private Information Retrieval
我们认为,在私人信息检索系统的存储成本和下载成本之间的根本权衡,没有任何明确的结构限制的存储代码,如最大距离可分离的代码或未编码的存储。提供了两个新的外边界,这具有以下含义。当消息在数据库之间没有任何冗余的情况下存储时,最佳PIR策略是下载所有消息;另一方面,对于PIR容量实现代码,每个数据库可以从存储所有消息中减少存储成本,平均不超过一个消息。然后,我们专注于两个消息的两个数据库的情况下,并表明,可以通过一种新的伪消息技术得到一个更强的外边界。这个更强的外边界表明,存储-下载权衡的精确表征可能需要非香农型不等式,或者至少需要更复杂的边界技术。
2019-10-26 cs.IT math.IT
$X$-Secure $T$-Private Federated Submodel Learning with Elastic Dropout Resilience
最近的兴趣在联邦子模型学习的动机,这项工作探讨了基本的问题,私人读取和写入数据库组成的$K$文件(子模型),存储在$N$分布式服务器根据$X$ -安全的阈值秘密共享计划。一个接一个地,各种用户希望检索他们想要的文件,本地处理信息,然后更新分布式数据库中的文件,同时保持他们想要的文件的身份对任何一组多达$T$的串通服务器是私有的。服务器的可用性随着时间的推移而变化,因此需要弹性的丢包恢复能力。这项工作的主要贡献是一个自适应方案,称为ACSA-RW,它利用所有当前可用的服务器来降低其通信成本,在每次写入操作后完全更新数据库,即使数据库由于服务器退出而只能部分访问,并确保网络的无记忆操作,在这个意义上,存储结构被保留,未来的用户可以保持对过去的遗忘服务器退出的历史记录。ACSA-RW构造建立在最初为XSTPIR引入的CSA代码的基础上,并且已被证明是安全分布式矩阵乘法问题的自然解决方案。ACSA-RW实现了所需的私有读和写功能,具有弹性的丢包恢复能力,与PIR文献中私有读的最佳结果相匹配,在私有写的可用基线基础上进行了显著改进,揭示了上传和下载成本之间的惊人对称性,并利用冗余存储尺寸来容纳高达特定阈值的任意读写丢包服务器。它还肯定地回答了Kairouz等人提出的一个开放性问题。通过利用私有读写操作的联合设计的协同收益。
2021-03-22 cs.IT math.IT
Asymmetry Hurts: Private Information Retrieval Under Asymmetric Traffic Constraints
我们考虑的传统设置的私人信息检索(PIR)的一个单一的消息(文件)的$M$消息从$N$分布式数据库下的新的约束\emph{asymmetric traffic}从数据库。在这个问题中,来自数据库的\emph{ratios between the traffic}是受约束的,即,用户(检索者)从$n$第数据库接收的回答串的长度与来自所有数据库的所有回答串的总长度的比率被约束为$τ_n$。如果用户对数据库的访问由于数据库可用性、数据库的信道质量和其他因素而受到限制,则可能发生这种情况。对于这个问题,对于固定的$M$,$N$,我们开发了一个通用的上限$\bar{C}(\boldsymbolτ)$,它推广了孙贾法尔的逆证明,其中数据库对称性是固有的。我们的逆界是一个分段仿射函数的流量比矢量$\boldsymbolτ=(τ_1, \cdots, τ_N)$。对于下界,我们明确显示了$\binom{M+N-1}{M}$角点的可扩展性。对于剩余的流量比率向量,我们在这些角点之间执行分时。通过差分方程系统捕获我们的可扩展性计划的递归结构。对于任何$N$和任何$\boldsymbolτ$,$M=2$和$M=3$的上界和下界完全匹配。结果表明,严格的损失PIR容量由于不对称的流量限制相比,对称的情况下,太阳Jafar隐式地使用$τ_n=\frac{1}{N}$的所有$n$。
2018-01-09 cs.CR cs.IT math.IT
Private Information Retrieval Through Wiretap Channel II: Privacy Meets Security
我们考虑的问题,私人信息检索通过窃听通道II(PIR-WTC-II)。在PIR-WTC-II中,用户希望从存储在$N$复制和非通信数据库中的$M$消息中私下检索单个消息(文件)。外部窃听者观察在第$n$数据库和用户之间交换的业务的一部分(其选择的)$μ_n$。除了隐私约束之外,数据库还应该对返回的答案字符串进行编码,使得窃听者完全不了解数据库的\emph{contents}。我们的目标是在结合隐私和安全约束下的PIR-WTC-II的能力特征。我们得到了一个一般的上限问题的形式的最大-最小优化问题,这扩展了逆证明的PIR问题下的非对称流量约束。我们提出了一个可验证性计划,满足安全约束,通过编码的秘密密钥,这是安全地产生在每个数据库,到一个人工噪声向量,使用MDS码。用户和数据库操作在一个角落点的可实现的计划下的PIR不对称的交通约束,使得检索率最大化下施加的安全约束。对于$M=2$和$M=3$消息的情况,对于任何$N$和任何$\boldsymbolμ=(μ_1, \cdots, μ_N)$,上限和下限匹配。
2018-01-18 cs.CR cs.IT math.IT
A Private and Computationally-Efficient Estimator for Unbounded Gaussians
University of Waterloo(滑铁卢大学);Northeastern University(东北大学);Google Research(谷歌研究院)
我们给出了$\mathbb{R}^d$中任意高斯分布$\mathcal{N}(μ,Σ)$的均值和协方差的第一个多项式时间、多项式样本、差分私有估计。所有以前的估计是非建设性的,无限的运行时间,或需要用户指定的参数$μ$和$Σ$的先验边界。在我们的算法中主要的新技术工具是一个新的差分私有预处理器,它从任意高斯$\mathcal{N}(0,Σ)$中采样,并返回一个矩阵$A$,使得$A ΣA^T$具有恒定的条件数。
2022-02-11 cs.CR cs.DS cs.IT
The Capacity of Single-Server Weakly-Private Information Retrieval
私有信息检索(PIR)协议保证用户可以私有地检索存储在数据库中的文件,而不会泄露关于所请求文件的身份的任何信息。现有的信息理论PIR协议确保完美的隐私,即,零信息泄漏到存储数据库的服务器,但代价是高下载。在这项工作中,我们提出了弱私人信息检索(WPIR)计划,权衡完美的隐私,以提高下载成本时,数据库存储在一个单一的服务器上。我们研究了下载成本和信息泄漏的互信息(MI)和最大泄漏(MaxL)隐私度量之间的权衡。通过将WPIR问题与率失真理论相关联,引入了下载泄漏函数,该函数被定义为对于给定的信息泄漏水平和固定的文件大小,所有单服务器WPIR方案所需的最小下载成本。通过表征MI和MaxL度量的下载泄漏函数,充分描述了单服务器WPIR的容量。
2021-01-30 cs.IT math.IT
Latent-variable Private Information Retrieval
在许多应用中,用户访问的内容(电影、视频、新闻文章等)可能泄露敏感的潜在属性,如宗教和政治观点、性取向、种族、性别等。为了防止这样的信息泄漏,经典PIR的目标是隐藏被访问的内容/消息的身份,这随后也隐藏了潜在属性。这种解决方案虽然是私有的,但成本太高,特别是当施加完美的(信息理论)隐私约束时。例如,对于保存$K$消息的单个数据库,当且仅当用户下载$K$消息的整个数据库时,才可能私下检索一个消息。然而,为了完美地隐藏潜在属性,可能不需要私下检索内容。出于上述动机,我们制定和研究问题的潜在变量私人信息检索(LV-PIR),其目的是让用户有效地检索出$K$消息(索引由$θ$),而不透露任何信息的潜在变量(建模由$S$)。我们专注于一个单一的数据库的实际相关的设置,并表明可以显着降低下载成本的LV-PIR(相比经典的PIR)之间的相关性$θ$和$S$的基础上。我们提出了一个通用的计划LV-PIR作为$θ$和$S$之间的统计关系的函数,也提供了新的结果的容量/下载成本的LV-PIR。文中还讨论了几个有待解决的问题和新的研究方向。
2020-05-14 cs.DB cs.IR cs.IT
Information-Theoretically Private Federated Submodel Learning with Storage Constrained Databases
针对多非共谋数据库存储受限的联邦子模型学习,提出兼顾更新索引与更新值信息论隐私的读写及存储方案,以最小化总通信成本。
2023-07-12 cs.CR cs.IT cs.NI
XOR-Based Codes for Private Information Retrieval with Private Side Information
我们考虑的问题,私人信息检索与私人侧信息(PIR-PSI),其中用户想要检索一个文件从基于复制的非串通数据库,通过使用存储在数据库中的文件的一个子集的先验知识。PIR-PSI框架确保需求和边信息的隐私被共同保护,从而在必须跨不同时刻下载多个文件时找到潜在的应用。虽然PIR-PSI设置的容量是已知的,但是我们观察到,实现代码构造的基本容量使用最大距离可分离(MDS)代码,从而在检索需求时导致高计算复杂性。针对基于MDS的PIR-PSI代码的这一缺点,我们提出了基于XOR的PIR-PSI代码,用于在用户处的两个非勾结数据库和两个侧信息文件的简单而非平凡的设置。虽然我们的代码提供了实质性的减少,在复杂性相比,MDS为基础的代码,码率略有下降的能力不足的PIR-PSI设置。尽管如此,我们表明,我们的码率是严格高于XOR为基础的代码PIR没有边信息,从而意味着我们的代码可以是有用的,当下载多个文件在一个顺序的方式,而不是应用XOR为基础的PIR代码在每个文件。
2021-05-17 cs.IT math.IT
Secure Private Information Retrieval from Colluding Databases with Eavesdroppers
私有信息检索(PIR)的问题是从在$N$数据库中复制的$K$消息中检索出一个消息,而不向数据库揭示所需消息的身份。我们考虑的问题PIR与勾结的服务器和窃听,命名为T-EPIR。具体地,$N$数据库中的任何$T$都可以串通,即它们可以与用户进行交互以猜测所请求消息的身份。窃听者很想知道数据库,可以窃听任何$E$数据库的传入和传出传输。数据库共享窃听者和用户未知的一些公共随机性,并且使用公共随机性来生成答案,使得窃听者不能获知关于$K$消息的任何信息。将$R^*$定义为所需消息信息比特数与总下载比特数的最佳比率,将$ρ^*$定义为共享公共随机性的信息比特与所需文件的信息比特的最佳比率。在我们以前的工作中,我们发现,当$E \geq T$,可以达到的最佳比例等于$1-\frac{E}{N}$。在这项工作中,我们专注于当$E \leq T$。我们得到了一个外边界$R^* \leq (1-\frac{T}{N}) \frac{1-\frac{E}{N} \cdot (\frac{T}{N})^{K-1}}{1-(\frac{T}{N})^K}$。我们还得到了$ρ^* \geq \frac{\frac{E}{N}(1-(\frac{T}{N})^K)}{(1-\frac{T}{N})(1-\frac{E}{N} \cdot (\frac{T}{N})^{K-1})}$的一个下界。对于可扩展性,…
2017-10-03 cs.IT math.IT
Linear Symmetric Private Information Retrieval for MDS Coded Distributed Storage with Colluding Servers
研究了从分布存储于多个合谋服务器的编码数据库中进行对称私有信息检索的问题。具体地,数据库包括$K$文件,其使用$(N,M)$ -MDS存储代码存储在$N$服务器中。用户希望通过与$N$服务器通信从数据库中检索一个文件,而不向任何服务器透露所需文件的身份。此外,用户不应了解数据库中的其他$K-1$文件。在$T$串通SPIR问题(因此称为TSPIR)中,$N$服务器中的任何$T$都可能串通,也就是说,它们可能与用户进行交互,以猜测所请求文件的身份。我们表明,对于线性计划,MDS-TSPIR问题的信息理论容量,定义为所需的文件检索每个下载位的信息位的最大数量,等于$1-\frac{M+T-1}{N}$,如果服务器共享共同的随机性(在用户不可用)与金额至少$\frac{M+T-1}{N-M-T+1}$倍的文件大小。否则,容量等于零。我们猜想,我们的能力也持有一般MDS-TSPIR计划。
2017-08-17 cs.IT math.IT
Private Data Transfer over a Broadcast Channel
我们研究了以下私有数据传输问题:Alice有一个文件数据库。Bob和Cathy想要从这个数据库中访问一个文件(可能是同一个文件,也可能不是同一个文件),但是他们每个人都想要确保他们选择的文件不会被泄露,即使Alice与其他用户勾结。另一方面,Alice希望确保Bob和Cathy都不会从数据库中获得比他们所需的文件更多的信息(她不知道这些文件的身份)。此外,即使他们串通,他们也不应该了解其他文件的任何信息。事实证明,如果Alice、Bob和Cathy只能访问私有随机性和无噪声通信链路,则不可能实现这一点。我们考虑这个问题时,一个二进制擦除广播信道与独立的擦除,可从爱丽丝鲍勃和凯茜除了一个无噪声的公共讨论频道。我们在诚实但好奇的模型中研究了每个广播频道的文件长度使用率。重点研究了数据库由两个文件组成的情况,并得到了最优的速率。然后,我们扩展到更大的数据库的情况下,并给出上界和下界的最优速率。
2015-04-16 cs.CR cs.IT math.IT
Capacity of Single-Server Single-Message Private Information Retrieval with Coded Side Information
研究了带编码边信息的单服务器单消息私有信息检索问题。在该问题中,存在存储数据库的服务器,以及知道数据库中的消息子集的线性组合作为边信息的用户。对边信息有贡献的消息的数量对于服务器是已知的,但是这些消息的索引和系数对于服务器是未知的。用户希望私下从服务器下载消息,即,而不暴露它正在请求哪个消息,同时最小化下载成本。在这项工作中,我们考虑两种不同的设置PIR-CSI问题取决于所需的消息是或不是一个消息有助于边信息。对于每一个设置,我们证明了一个上限的最大下载速率作为数据库的大小和边信息的大小的函数,并提出了一个协议,实现速率上限。
2018-06-13 cs.IT math.IT
Private Information Retrieval from Storage Constrained Databases -- Coded Caching meets PIR
专用信息检索(PIR)允许用户从来自$N$数据库的$K$可能消息中检索所需消息,而不泄露所需消息的身份。大多数现有的作品PIR假设存在复制的数据库,每个存储所有的$K$消息。在这项工作中,我们考虑的问题,PIR从存储受限的数据库。每个数据库具有$μKL$位的存储容量,其中$K$是消息的数量,$L$是每个消息的位大小,$μ\in [1/N, 1]$是标准化存储。在存储受限的PIR问题中,有两个关键的设计问题:a)如何在存储受限的情况下跨每个数据库存储内容;以及b)构造允许通过存储受限的数据库进行高效PIR的方案。这项工作的主要贡献是一个通用的可实现的计划PIR从存储约束数据库的任何存储值。特别是,对于任何$(N,K)$,与规范化存储$μ= t/N$,其中参数$t$可以采取整数值$t \in \{1, 2, \ldots, N\}$,我们表明,我们提出的PIR方案实现了$\left(1+ \frac{1}{t}+ \frac{1}{t^{2}}+ \cdots + \frac{1}{t^{K-1}}\right)$的下载成本。当$μ=1$(即,$t=N$)对应于具有完整存储的复制数据库的设置。对于这个极端的设置,我们的计划恢复的信息理论上的最优下载成本,其特征在于太阳和贾法尔为$\left(1+ \frac{1}{N}+ \cdots + \frac{1}{N^{K-1}}\right…
2017-11-14 cs.CR cs.DC cs.IT
Digital Blind Box: Random Symmetric Private Information Retrieval
介绍了随机对称私有信息检索(RSPIR)问题。在规范PIR中,用户从来自$N$非串通和复制数据库的$K$消息中下载消息,使得没有数据库可以知道用户下载了哪个消息(用户隐私)。在SPIR中,保密性是对称的,因为不仅数据库不能知道用户下载了哪个消息,用户本身也不能了解它下载的特定消息以外的任何东西(数据库保密性)。在RSPIR中,与SPIR不同,用户没有对数据库的输入,即,用户不挑选特定消息来下载,而是满足于任何一个消息。在RSPIR中,数据库需要以这样的方式向用户发送符号,即保证用户正确下载消息(随机可靠性),数据库不知道用户收到了哪条消息(用户隐私),并且用户除了收到的一条消息之外不会了解任何其他信息(数据库隐私)。这是盲盒的数字版本,也被称为gachapon,它实现了上述指定的设置与娱乐的物理对象。这也是$1$的盲版-- $K$外不经意传输(OT),一种重要的加密原语。我们研究的情况下,$N=2$数据库的RSPIR的信息理论的能力。我们确定其确切的容量为$K = 2, 3, 4$消息的情况下。虽然我们提供了一个通用的可实现的方案,适用于任何数量的消息,$K\geq 5$的能力仍然开放。
2022-05-16 cs.CR cs.DB cs.IT
The Capacity of Private Information Retrieval with Private Side Information Under Storage Constraints
我们考虑对来自$N$复制和非共谋数据库的$K$消息中的单个消息进行私有信息检索(PIR)的问题,其中缓存大小$S$的启用缓存的用户(检索器)拥有数据库未知的消息的未编码部分形式的辅助信息。这些辅助信息消息的身份需要对数据库保密,即,我们考虑具有私有侧信息(PSI)的PIR。在存储约束$S$下,我们将此PIR-PSI问题的最优归一化下载成本表征为$D^*=1+\frac{1}{N}+\frac{1}{N^2}+\dots+\frac{1}{N^{K-1-M}}+\frac{1-r_M}{N^{K-M}}+\frac{1-r_{M-1}}{N^{K-M+1}}+\dots+\frac{1-r_1}{N^{K-1}}$,其中$r_i$是与$\sum_{i=1}^M r_i=S$一起缓存的$i$ th边信息消息的一部分。基于这个容量结果,我们证明了两个事实:首先,对于固定的内存大小$S$和固定数量的可访问消息$M$,统一缓存实现了最低的归一化下载成本,即,对于$i=1,\dots, M$,$r_i=\frac{S}{M}$是最佳的。第二,对于固定存储器大小的$S$,在所有可能的$K-\left \lceil{S} \right \rceil+1$统一高速缓存方案中,高速缓存$M=K$消息的统一高速缓存方案实现最低的归一化下载成本。
2018-06-04 cs.CR cs.IT math.IT
On the Capacity of Private Monomial Computation
在这项工作中,我们认为私人单项计算(PMC)复制noncolluding数据库。在PMC中,用户希望在有限域$\mathbb F_q$上从$f$消息中的单项式的候选集合中私下检索任意多变量单项式,其中$q=p^k$是在$n$数据库上复制的素数$p$和$k \ge 1$的幂。我们推导出在$p$和渐近大$q$的技术条件下的PMC容量。满足关于$p$的条件,例如,对于足够大的$p$。此外,我们提出了一种新的PMC计划,任意$q$是容量实现的渐近情况下。此外,我们提出了一个多变量单项式的熵和一组单项式在均匀分布的随机变量在有限域上,这是用于推导的能力表达式的公式。
2020-01-17 cs.IT math.IT
Secure Symmetric Private Information Retrieval from Colluding Databases with Adversaries
研究了服务器和对手合谋情况下的对称私有信息检索(SPIR)问题。具体地,数据库包括$K$文件,其被复制地存储在$N$服务器之间。用户希望通过与$N$服务器通信从数据库中检索一个文件,而不向任何服务器透露所需文件的身份。此外,用户不应了解其他$K-1$文件。$N$服务器中的任何$T$都可能串通,也就是说,它们可能会与用户进行交互,以猜测所请求文件的身份。系统中的对手可以窃听甚至试图破坏通信。考虑了三种类型的对手:拜占庭对手,可以覆盖任何$B$服务器向用户的传输;被动窃听者,可以窃听任何$E$服务器的传入和传出传输;以及两者的组合-可以窃听一组任何$E$节点的对手,并覆盖一组任何$B$节点的传输。将存在合谋服务器和三类攻击者的SPIR问题分别命名为T-BSPIR、T-ESPIR和T-BESPIR。问题的容量被定义为每个下载位检索到的所需文件的最大信息位数。我们表明,T-BSPIR等于$1-\frac{2B+T}{N}$的信息理论容量,如果服务器共享共同的随机性(在用户不可用)的金额至少$\frac{2B+T}{N-2B-T}$倍的文件大小。否则,容量等于零。证明了T-ESPIR的容量等于$1-\frac{\max(T,E)}{N}$,公共随机性至少是文件大小的$\frac{\max(T,E)}{N-\max(T,E)}$倍。最后证明了T-BESPIR的容量为$1-\frac{2B+\m…
2017-07-07 cs.IT math.IT
Single-Server Pliable Private Information Retrieval With Side Information
本研究聚焦单服务器带未识别边信息的柔韧型私人信息检索(PPIR-USI)问题,刻画了线性场景下的系统容量,发现拥有边信息反而会降低下载速率,为相关隐私检索方案设计提供了新的理论参考。
2023-05-27 cs.IT math.IT
Capacity of Single-Server Single-Message Private Information Retrieval with Private Coded Side Information
研究了单服务器单消息带私有编码边信息的私有信息检索(PIR-PCSI)问题。在这个问题中,有一个存储数据库的服务器,和一个知道数据库中消息的随机子集的随机线性组合的用户。对用户的边信息有贡献的消息的数量对于服务器是先验已知的,而它们的索引和系数对于服务器是先验未知的。用户希望从服务器检索消息(以最小的下载成本),同时保护需求和辅助信息消息的身份。根据需求是否是编码边信息的一部分,我们考虑两个不同的模型的问题。对于模型中的需求没有贡献的边信息,我们证明了所有(线性和非线性)PIR协议的最小下载成本的下限;和其他模型,其中的需求是一个消息,有助于边信息,我们证明了所有标量线性PIR协议的下限。此外,我们提出了新的PIR协议,实现这些下限。
2019-01-26 cs.IT math.IT
CB-cPIR: Code-Based Computational Private Information Retrieval
针对完全串通的最坏情况,提出CB-cPIR单服务器基于编码的计算型PIR方案,利用随机线性码解码困难性保护查询,修复现有方案漏洞,并与基于格的方案比较。
2025-08-07 cs.IR cs.IT math.IT