Differentially Private Secure Multiplication: Beyond Two Multiplicands
School of Electrical and Computer Engineering, Georgia Institute of Technology（佐治亚理工学院电气与计算机工程学院）
本文提出了一种基于编码多项式和分层噪声注入的安全乘法框架，扩展了差分隐私下多乘数乘法的隐私-准确性权衡分析。
2026-03-11 cs.IT math.IT
Private and Secure Distributed Matrix Multiplication with Flexible Communication Load
大型矩阵乘法是大规模机器学习应用的核心。这些操作通常在分布式计算平台上执行，其中主服务器和云中的多个工作者并行操作。对于这样的分布式平台，最近已经表明，对输入数据矩阵进行编码可以减少计算延迟，从而在恢复阈值（即，恢复矩阵乘积所需的工作者的数量和通信负载，即，从工作程序下载的数据总量。在本文中，除了准确的恢复要求，我们施加安全和隐私的数据矩阵的约束，并研究恢复阈值作为通信负载的函数。我们首先假设这两个矩阵都包含私人信息，并且工作人员可以合谋窃听这些数据矩阵的内容。对于这个问题，我们引入了一类新的安全代码，称为安全广义PolyDot（SGPD）代码，概括了最先进的非安全代码矩阵乘法。SGPD码允许恢复阈值和通信负载之间的灵活权衡，同时为两个数据矩阵提供完美的保密性。然后，我们研究了安全矩阵乘法和私人信息检索之间的联系。我们特别假设其中一个数据矩阵取自所有工作者已知的公共集合。在这种设置中，利益矩阵的身份应该对工作人员保密。对于这个模型，我们提出了一个广义PolyDot码的变体，可以保证一个矩阵的保密性和隐私的情况下，没有串通服务器的其他矩阵的身份。
2019-12-18 cs.IT math.IT
Private and Secure Distributed Matrix Multiplication Schemes for Replicated or MDS-Coded Servers
在本文中，我们研究的问题\emph{private and secure distributed matrix multiplication (PSDMM)}，其中一个用户有一个私人矩阵$A$和$N$非串通服务器共享一个图书馆的$L$（$L>1$）矩阵$B^{(0)}, B^{(1)},\ldots,B^{(L-1)}$，用户希望计算$AB^{(θ)}$的一些$θ\in [0, L)$不透露任何信息的矩阵$A$的服务器，并保持索引$θ$私有的服务器。以前的工作是有限的情况下，共享库（\textit{i.e.,}矩阵$B^{(0)}, B^{(1)},\ldots,B^{(L-1)}$）存储在服务器上的复制形式和计划是非常罕见的文献中，仍然有很大的改进空间。在本文中，我们提出了两个PSDMM计划，其中一个是有限的情况下，共享库存储在服务器上的复制形式，但具有更好的性能比国家的最先进的计划，它可以实现更小的恢复阈值和下载成本。另一个关注的是共享库以MDS编码的形式跨服务器存储的情况，这需要在服务器中较少的存储空间。第二个PSDMM码不取代第一个，即使底层MDS码被降级为重复码，因为它们是完全两个不同的方案。
2022-01-30 cs.IT math.IT
Differentially Private Secure Multiplication with Erasures and Adversaries
School of Electrical and Computer Engineering, Georgia Institute of Technology（佐治亚理工学院电气与计算机工程学院）
本文提出了一种基于多项式的编码方案，用于在存在诚实少数的情况下实现安全乘法，通过改进的Berlekamp-Welch算法检测攻击节点，实现了隐私与效用的权衡。
2025-12-08 cs.IT math.IT
Secure Private and Adaptive Matrix Multiplication Beyond the Singleton Bound
本文研究了分布式矩阵-矩阵乘法的安全保密码的设计问题。主服务器拥有两个私有矩阵，并雇佣工作节点来帮助计算它们的乘积。矩阵应该保持信息-理论上对工人来说是私有的。有些worker是恶意的，会将损坏的结果返回给master。我们设计了一个框架，以防止恶意工作者在私有矩阵矩阵乘法。其主要思想是小心使用Freivalds算法来检测错误的矩阵乘法。我们的主要目标是将这个安全框架应用于具有自适应速率的方案。自适应方案将工作器划分为簇，从而在以解码复杂度换取效率方面提供灵活性。我们的新方案，SRPM 3，提供了一个计算效率高的安全检查每个集群，检测一个或多个恶意工作者的存在与高概率。额外的每个工作人员检查用于识别恶意节点。SRPM 3可以容忍任意数量的恶意工作人员的存在。我们提供了理论保证的复杂性的安全检查和仿真结果，漏检率以及完整性检查所需的时间。
2022-02-14 cs.DC cs.IT math.IT
Secure Multicast Communications with Private Jammers
本文研究了多播网络的保密率优化问题，在该网络中，一个发射机在存在多个窃听者的情况下向多个合法用户广播相同的信息。为了提高可达到的保密率，私人干扰机被用来产生干扰来迷惑窃听者。这些私人干扰器根据窃听者收到的干扰量向合法发射机收取干扰服务费用。因此，这个保密率最大化的问题被制定为一个Stackelberg游戏，其中私人干扰机和发射机的领导者和追随者的游戏，分别。首先考虑一个固定的干扰价格的情况下，其中一个封闭的形式的解决方案是来自干扰机产生的最佳干扰量，以最大限度地提高合法发射机的收入。基于这个解决方案，Stackelberg均衡的建议的游戏，在合法的发射机和私人干扰机实现其最大收益，然后得出。仿真结果也验证了这些理论推导。
2016-09-16 cs.GT cs.IT math.IT
Robust and Secure Cache-aided Private Linear Function Retrieval from Coded Servers
这项工作研究了一个系统，每个用户的目的是检索一个标量线性函数的文件库，这是最大距离可分离的编码和存储在多个分布式服务器。系统需要保证鲁棒解码，在这个意义上，每个用户必须解码其所需的功能与信号接收到的任何子集的服务器的基数超过阈值。此外，（a）图书馆的内容必须保密，以免窃听者从服务器获得所有信号;（b）任何一部分用户加在一起都不能获得关于其余用户的需求的任何信息;（c）用户的需求必须保密，不受所有服务器的干扰，即使他们串通。通过修改现有的布局交付阵列（PDA）的结构，最初提出的单服务器单文件检索编码缓存系统，没有任何隐私或安全性或鲁棒性的限制，可扩展的计划。结果表明，PDA描述的原始Maddah-Ali和Niesen的编码缓存方案的结果在一个负载-内存的权衡，是最佳的一个恒定的乘法差距内，除了小内存制度时，文件的数量小于用户的数量。作为副产品，改进的顺序最优性的结果来自三个限制较少的系统在所有参数制度。
2021-08-22 cs.IT math.IT
Weighted Sum-Rate Maximization for Rate-Splitting Multiple Access Based Secure Communication
随着对物理层安全的研究从点对点系统向多用户场景发展，多用户干扰（MUI）被引入并成为一个不可避免的问题。与传统安全通信中将MUI完全视为噪声不同，本文提出了一种基于速率分割多址接入（RSMA）的安全波束形成设计，将用户消息分割编码为公共流和私有流。每个用户不仅解码公共流和预期的私有流，而且还试图窃听其他用户的私有流。我们制定了一个加权和率（WSR）最大化问题的保密率要求的所有用户。为了解决问题的非凸性，采用一种基于连续凸逼近（SCA）的方法，将原来的非凸和棘手的问题转化为一个低复杂度的次优迭代算法。数值结果表明，所提出的安全波束形成方案优于传统的多用户线性预编码（MULP）技术的WSR性能，同时确保用户的保密率要求。
2022-03-03 cs.IT math.IT
Secure and Private Source Coding with Private Key and Decoder Side Information
University of Siegen（锡根大学）；Linköping University（林雪平大学）；Technical University of Munich（慕尼黑工业大学）；Ruhr-Universität Bochum（波鸿鲁尔大学）；Princeton University（普林斯顿大学）
通过考虑一个远程信源，其噪声测量是用于安全信源重构的相关随机变量，扩展了多终端安全信源编码问题。该问题的主要补充包括：1）所有终端非因果地观察远程源的噪声测量; 2）私钥可用于所有合法终端; 3）编码器和解码器之间的公共通信链路是速率受限的;以及4）相对于编码器输入测量对窃听者的秘密泄漏，而隐私泄露是相对于远程源来测量的。精确的速率区域的特点是一个有损耗的信源编码问题的私钥，远程源，和解码器侧的信息下的安全，隐私，通信和失真的约束。通过用可靠性约束代替失真约束，我们也获得了无损情况下的精确速率区域。此外，标量离散时间高斯源和测量通道的有损率区域的建立。
2022-11-09 cs.CR cs.IR cs.IT
On the Upload versus Download Cost for Secure and Private Matrix Multiplication
本文研究了安全保密的分布式矩阵乘法问题。具体来说，我们专注于一个场景，用户要计算的产品的机密矩阵$A$，矩阵$B_θ$，其中$θ\in\{1,\dots,M\}$。候选矩阵集$\{B_1,\dots,B_M\}$是公共的，并且在所有$N$服务器上都可用。用户的目标是分布式地计算$AB_θ$，使得$(a)$没有关于矩阵$A$的信息被泄露到任何服务器;并且$(b)$索引$θ$对每个服务器保持私有。我们的目标是了解这个问题的上传与下载成本之间的基本权衡。我们的主要贡献是表明，下凸包以下（上传，下载）对：$(U,D)=(N/(K-1),(K/(K-1))(1+(K/N)+\dots+(K/N)^{M-1}))$为$K=2,\dots,N$是可以实现的。该方案改进了现有的最先进的方案，并利用秘密共享和编码的私人信息检索的想法。
2019-06-25 cs.CR cs.DC cs.IT
Beyond Yao's Millionaires: Secure Multi-Party Computation of Non-Polynomial Functions
本文提出基于Shamir秘密共享的无条件安全N方比较方案，在不泄露私有输入和中间结果的前提下确定最大值，并可扩展计算最小值、中位数、秩等非多项式函数，计算复杂度低于现有方案，适用于联邦学习等场景。
2024-10-22 cs.CR cs.IT math.IT
DP-PSI: Private and Secure Set Intersection
对用于安全2方计算的私有集合交集（PSI）进行分类的一种方式是交集是（a）向双方揭示还是（b）对双方隐藏，而仅暴露匹配的有效载荷的计算功能。两者都旨在提供加密安全性，同时避免暴露对方的不匹配元素。然而，在一个实际场景中，它们可能不足以实现安全和隐私：当需要交叉点并且必须出于法律、道德和竞争原因考虑通过功能输出泄露的信息时。诸如广告商和广告供应商的两方持有用于PSI计算的用户集合，例如，以在联合营销应用中向广告供应商揭示共同用户。除了标准PSI所要求的安全保证以保护不匹配的元素之外，任何一方都不允许“挑出”元素/用户是否属于另一方，即使联合广告需要共同用户。这是一个令人着迷的问题，没有一种PSI技术提供了解决方案。鉴于这一缺点，我们将差分隐私（DP）和S2 PC组合起来，以提供两全其美的效果，并提出了差异隐私PSI（DP-PSI），这是一种新的隐私模型，它共享PSI的强大安全保护，同时遵守GDPR最近的形式化概念，即排除各方的“信号输出”攻击，除非概率很低。
2022-08-28 cs.CR cs.IT math.IT
Entangled Polynomial Codes for Secure, Private, and Batch Distributed Matrix Multiplication: Breaking the "Cubic" Barrier
在分布式矩阵乘法中，一个常见的场景是通过将输入矩阵划分为更小的子矩阵，为每个工作者分配乘法任务的一部分。特别地，通过将两个输入矩阵划分为$m$ × $p$和$p$ × $n$子块，单个乘法任务可以被视为计算$pmn$子矩阵乘积的线性组合，其可以被分配给$pmn$工作器.这种基于块划分的设计已经在安全、私有和批量计算的主题下被广泛研究，其中现有技术都要求计算至少“立方”（$pmn$）数量的子矩阵乘法。纠缠多项式码，首先提出的掉队缓解，提供了一个强大的方法来打破立方障碍。它实现了次立方恢复阈值，这意味着可以从乘法结果的\emph{any}子集恢复最终乘积，其大小顺序小于$pmn$。在这项工作中，我们表明，纠缠多项式码可以进一步扩展到也包括这三个重要的设置，并提供了一个统一的框架，顺序减少总的计算成本后，通过实现次立方恢复阈值的最新技术。
2020-04-13 cs.DC cs.IT math.IT
Quantum secure direct communication with private dense coding using general preshared quantum state
利用一般的预共享量子态和推广的稠密编码研究了量子保密直接通信。在这种情况下，Alice被允许在预共享状态上应用酉来编码她的消息，并且允许的酉集合形成一个组。为了解码消息，Bob被允许在他自己的系统和他接收的系统上应用测量。在最坏的情况下，我们保证Eve即使在Eve访问她拦截的系统和她的预共享状态的原始系统之间的联合系统时也不会获得消息的信息。在实际应用中，我们提出了一个具体的协议，并在有限长度的设置中导出了信息泄漏的上界。我们还讨论了当预共享态未知时，如何将我们的方案应用于离散Weyl-Heisenberg表示的情况。
2022-05-23 cs.IT math.IT quant-ph
Secure Semantic Communication for Image Transmission in the Presence of Eavesdroppers
针对无线信道易受窃听的问题，提出一种基于可逆神经网络和隐写术的安全语义通信方法，将私有图像信号嵌入宿主图像，在保证合法接收者重建质量的同时，使窃听者只能解码宿主图像，从而增强隐私保护。
2024-04-18 cs.IT eess.SP math.IT
LoByITFL: Low Communication Secure and Private Federated Learning
School of Computation, Information and Technology（计算、信息与技术学院）
针对联邦学习中数据隐私与拜占庭安全难兼顾且现有方案牺牲隐私的问题，提出通信高效的LoByITFL方案，借助小型数据集、改进FLTrust和初始化阶段一次性可信第三方，实现信息论隐私与安全，兼具理论保证与收敛性实验验证。
2025-06-12 cs.CR cs.DC cs.IT
Perfectly-Private Analog Secure Aggregation in Federated Learning
Department of Electrical Engineering, Chalmers University of Technology, Sweden（瑞典查尔姆斯理工大学电子工程系）；Department of Mathematics and Systems Analysis, Aalto University, Finland（芬兰阿尔托大学数学与系统分析系）
本文提出一种基于环面的联邦学习安全参数聚合方法，利用环面均匀分布实现完美隐私且避免精度损失，实验表明其性能优于有限域方案。
2025-09-17 cs.IT cs.LG math.IT
Quantum $X$-Secure $B$-Byzantine $T$-Colluding Private Information Retrieval
本文首次在量子私有信息检索中形式化定义拜占庭服务器的能力，证明其因量子编码而强于经典情形，并提出基于跨子空间对齐的方案，在某些情况下实现超密编码增益。
2024-05-07 cs.CR cs.IT cs.NI
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
Quantum Symmetric Private Information Retrieval with Secure Storage and Eavesdroppers
研究经典与量子场景下具备$X$-安全、$E$-窃听和$T$-串谋防护的SPIR，提出基于改进CSA和$N$-sum box的方案，并给出经典速率及保持超密集编码增益的量子速率。
2023-08-21 cs.CR cs.IT cs.NI
WW-FL: Secure and Private Large-Scale Federated Learning
Technical University of Darmstadt（德累斯顿技术大学）；Technology Innovation Institute（技术创新研究所）；Royal Holloway, University of London（伦敦皇家霍洛威大学）
针对联邦学习中的安全与隐私漏洞，提出结合安全多方计算与分层联邦学习的WW-FL框架，能防模型参数投毒，并经PyTorch与CrypTen集成验证，性能鲁棒，适用于大规模安全私有联邦学习。
2025-10-14 cs.CR cs.DC cs.IT
Secure Multi-Function Computation with Private Remote Sources
University of Siegen（锡根大学）；Georgia Institute of Technology（佐治亚理工学院）
我们考虑一个分布式函数计算问题，在该问题中，各方观察嘈杂的版本的远程源方便计算的功能，他们的意见，在融合中心通过公共通信。分布式函数计算受到约束，不仅包括可靠性和存储，而且还包括隐私和保密。具体地，1）根据关于远程源泄露的信息来测量，远程源应该对窃听者和融合中心保持私密; 2）根据关于函数的自变量泄露的信息来测量，计算的函数应该对窃听者保持秘密，以确保保密性，而不管使用的确切函数。我们推导出准确的速率区域的无损和有损单函数计算和说明的信息瓶颈的例子，其中最佳辅助随机变量的特点是二进制输入的双输出通道的有损单函数计算速率区域。我们扩展的方法，无损和有损的异步多功能计算与联合保密和隐私的限制，在这种情况下，内部和外部边界的速率区域不同的马尔可夫链条件的特点。
2022-03-29 cs.CR cs.DC cs.IT
