Pareto-Secure Machine Learning (PSML): Fingerprinting and Securing Inference Serving Systems
Georgia Institute of Technology(佐治亚理工学院);University of California, Riverside(加州大学河滨分校);University of Wisconsin–Madison(威斯康星大学麦迪逊分校);University of Virginia(弗吉尼亚大学);George Washington University(乔治华盛顿大学)
本文针对推理服务系统中模型隐藏于抽象层后导致传统提取攻击失效的问题,提出查询高效的指纹识别算法以稳定触发目标模型,并设计基于噪声的防御机制,在保持80%以上有效吞吐量的同时显著降低提取攻击的准确率与保真度。
2023-08-06 cs.AI cs.CR cs.LG
PDF: PUF-based DNN Fingerprinting for Knowledge Distillation Traceability
本文提出基于PUF的DNN指纹识别方法,用于知识蒸馏中的模型追踪与问责,通过轻量级的签名叠加技术实现模型的可追溯性与安全性。
2026-02-27 cs.AR cs.CR
DeepMarks: A Digital Fingerprinting Framework for Deep Neural Networks
本文提出了DeepMarks,这是一种在深度学习(DL)背景下用于系统指纹识别的新型端到端框架。深度学习领域取得了显着进展。共享训练的DL模型已经成为一种趋势,在从生物医学诊断到股票预测的各个领域都是普遍存在的。随着预训练模型的可用性和普及性不断增加,保护模型所有者的知识产权(IP)至关重要。DeepMarks引入了第一个指纹识别方法,使模型所有者能够在其模型的参数(权重)中嵌入唯一的指纹,并在以后识别其分布式模型的不期望使用。所提出的框架通过利用当代DL模型中可用的额外容量,将指纹嵌入到可训练权重的概率密度函数(pdf)中。DeepMarks对指纹共谋以及网络变换攻击具有鲁棒性,包括模型压缩和模型微调。对MNIST和CIFAR10数据集以及各种深度神经网络架构(如宽残差网络(WRN)和卷积神经网络(CNN))的广泛概念验证评估证实了DeepMarks框架的有效性和鲁棒性。
2018-04-10 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
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
A Secure Distributed Authentication scheme based on CRT-VSS and Trusted Computing in MANET
随着移动自组网的迅速发展,安全实用的认证变得越来越重要。现有的研究工作主要从两个方面进行,(a)安全的密钥划分和分布式存储,(b)安全的分布式认证。但仍存在几个未解决的问题。具体地说,它可能遭受欺骗问题和错误认证攻击,这可能导致认证失败和对认证服务的拒绝服务攻击。此外,由于基于Shamir格式的指数算法,现有的大多数格式的效率都不令人满意。本文利用中国剩余定理(CRT)分析了可验证秘密共享(VSS)方案的性质,并在此基础上提出了一种基于CRT-VSS和可信计算的秘密密钥分布式存储方案。具体来说,我们利用可信计算技术解决了之前秘密共享领域存在的两个欺骗问题。在此基础上,我们利用CRT-VSS进行了同态性分析,并设计了相应的具有较好简洁性的份额-产品共享方案。在此基础上,提出了一种基于CRT-VSS方案和可信计算的安全分布式椭圆曲线-数字签名标准签名(ECC-DSS)认证方案。此外,作为认证方案的一个重要性质,我们还讨论了CRT-VSS的刷新性,并与Shamir方案进行了比较。最后,我们对本文提出的方案提供了形式化的保证。
2013-07-11 cs.CR
An Efficient Secure Distributed Cloud Storage for Append-only Data
云计算使用户(客户端)能够将大量数据外包给云服务器。安全的分布式云存储方案确保多个服务器以可靠和不可篡改的方式存储这些数据。我们提出了一个想法,构建这样一个计划的静态数据编码数据块(使用纠错码),然后附加认证信息(标签),这些编码块。我们确定了一些挑战,同时扩展这一想法,以适应只附加数据。然后,我们提出了我们的安全的分布式云存储方案的附加数据,有效地解决了挑战。我们的计划的主要优点是,它使服务器更新自己的奇偶校验块。此外,客户端不需要下载任何数据(或奇偶校验)块来更新驻留在服务器上的修改的奇偶校验块的标签。最后,我们分析了我们的方案的安全性和性能。
2018-06-03 cs.CR
Secure aggregation of distributed information: How a team of agents can safely share secrets in front of a spy
我们认为,安全聚合的分布式信息(SADI),其中几个代理作为一个团队的信息分布在他们之间,通过一个众所周知的甲板上分布的代理,使他们每个人都知道只有她的卡建模的通用问题。代理人必须交换和汇总的信息,关于如何在他们之间分发的卡通过公共公告的不安全的通信渠道,截获的对手“窃听器”,在这样一种方式,对手不知道谁持有任何卡。我们提出了一个组合的协议,提供了一类SADI问题的直接解决方案,并开发了一种技术,SADI问题的迭代减少到较小的最终可直接解决。我们表明,我们的方法提供了一个解决方案,一类大的SADI问题,包括所有的SADI问题,足够大的尺寸和足够平衡的卡分布。
2015-04-28 cs.CR
Secure Order Based Voting Using Distributed Tallying
针对电子投票的安全性与隐私保护需求,提出基于分布式计票、借助安全多方计算实现完美选票保密性的排序投票安全协议,并通过演示系统验证其可应用于大规模现实选举。
2025-05-20 cs.CR
Adaptively Secure Distributed Broadcast Encryption with Linear-Size Public Parameters
本文提出首个在复合阶双线性群中基于静态假设自适应安全的分布式广播加密方案,实现常数规模密文与私钥及线性规模公共参数。
2025-05-23 cs.CR
SEDML: Securely and Efficiently Harnessing Distributed Knowledge in Machine Learning
训练高性能的深度学习模型需要大量的数据,这些数据在实践中通常分布在多个数据源中。简单地集中这些多源数据进行培训将引发关键的安全和隐私问题,并且由于越来越严格的数据法规可能会被禁止。为了解决分布式学习中隐私和数据利用之间的紧张关系,最近提出了一种称为教师集合私有聚合(PATE)的机器学习框架。PATE利用来自分布式教师模型的知识(未标记数据集的标记预测)来训练学生模型,从而避免访问分布式数据集。尽管很诱人,但PATE并不为教师模型的个人标签预测提供保护,这仍然会带来隐私风险。在本文中,我们提出了SEDML,一个新的协议,允许安全和有效地利用分布式知识的机器学习。SEDML建立在轻量级加密技术的基础上,为单个标签预测提供强大的保护,并为聚合结果提供差分隐私保证。广泛的评估表明,在提供隐私保护的同时,SEDML保留了明文基线的准确性。同时,SEDML在计算和通信方面的性能分别是最新技术的43倍和1.23倍。
2021-10-26 cs.CR
DoHFuse: A Dual-Branch Architecture with DMAGLSTM for Website Fingerprinting over DNS over HTTPS/3
Harbin Institute of Technology(哈尔滨工业大学);China Mobile Research Institute(中国移动研究院)
针对DoH/3流量易受网站指纹攻击的问题,提出双分支框架DoHFuse,结合到达间隔时间序列和精细统计特征,通过改进的DMAG-LSTM捕获突发对齐时间模式,实验表明DoH/3仍易受攻击,填充机制不足以保证隐私。
2026-06-24 cs.CR
Achieving Secure and Differentially Private Computations in Multiparty Settings
由于安全和隐私问题,在从医疗保健到金融的分布式环境中共享和处理敏感数据是一项重大挑战。安全多方计算(SMC)是一个可行的灵丹妙药,它允许分布式各方进行计算,而各方对他们的数据一无所知,但最终的结果。尽管SMC在此类分布式环境中发挥着重要作用,但它并不能保证不向对手泄露有关个人的任何信息。差分隐私(DP)可以用来解决这个问题;然而,实现SMC与DP也不是一个微不足道的任务。在本文中,我们提出了一种新的安全多方分布式差分私有(SM-DDP)协议,以实现安全和私有的计算在多方环境中。具体来说,我们的协议,我们同时实现SMC和DP在分布式设置集中在线性回归水平分布的数据。也就是说,各方看不到彼此的数据,并且进一步地,不能从最终构建的统计模型推断关于个人的信息。任何允许独立计算局部统计的统计模型函数都可以通过我们的协议计算。该协议实现了SMC的同态加密和DP的功能机制,以达到预期的安全性和隐私保证。在这项工作中,我们首先介绍了SM-DDP协议的理论基础,然后在两个不同的数据集上评估其有效性和性能。我们的研究结果表明,一个可以实现个人级别的隐私,通过建议的协议与分布式DP,这是独立地适用于每一方在一个分布式的方式。此外,我们的研究结果还表明,SM-DDP协议产生的计算开销最小,是可扩展的,并提供安全和隐私保证。
2017-07-06 cs.CR
Privacy preserving distributed optimization using homomorphic encryption
本文研究了如何一个系统操作员和一组代理安全地执行一个分布式投影梯度算法。特别地,每个参与者持有一组问题系数和/或状态,其值对于数据所有者是私有的。相关问题提出了两个问题:如何安全地计算给定函数;以及首先应该计算哪些函数。对于第一个问题,我们利用同态加密技术,提出了一种新的算法,该算法可以实现具有完美正确性的安全多方计算。对于第二个问题,我们确定了一类可以安全计算的函数。电力系统的两个案例研究,一个需求响应问题和最优潮流问题的正确性和计算效率的建议算法进行了验证。
2018-05-23 cs.CR
Secure Distributed Membership Tests via Secret Sharing: How to Hide Your Hostile Hosts Harnessing Shamir Secret Sharing
数据安全性和业务使用的可用性经常被视为相互冲突的目标。对可搜索加密和同态加密的研究是一个开始,但它们通常建立在加密方法的基础上,这些加密方法充其量只能提供基于假设计算困难的问题的保护。相比之下,秘密共享等数据编码方法提供信息论的数据保护。使用秘密共享分发数据的归档可以提供数据保护,这些数据保护对恶意内部人员、受损系统和不受信任的组件具有弹性。在本文中,我们创建了串行插值过滤器,这是一种用于存储和交互使用秘密共享的安全和分布式数据集的方法。我们提供了对分布在多个存储库中的面向集合的数据进行操作的能力,而不会暴露原始数据。此外,我们证明了我们的方法在各种攻击模型下的安全性,并提供协议扩展来处理合谋攻击者。串行插值过滤器提供了针对单个攻击者的信息理论保护和针对合谋攻击者的计算硬保护。
2015-12-01 cs.CR
Practically Efficient Secure Computation of Rank-based Statistics Over Distributed Datasets
在本文中,我们提出了一个实际有效的模型,用于安全地计算基于排名的统计数据,例如,中位数,中位数和四分位数,在恶意环境中的分布式数据集上,而不会泄露个人数据隐私。基于Aggarwal等人的二分查找技术(EUROCITY PT \textquotesingle 04),我们分别提出了一个交互式协议和一个非交互式协议,最多包含$\log ||R||$轮,其中$||R||$是数据集元素的范围大小.此外,我们引入了一系列的优化技术,以降低轮的复杂度。我们的计算模型是模块化的,可以实例化与同态加密或秘密共享计划。与最先进的解决方案相比,它提供了更强的安全性和隐私性,同时保持了高效率和准确性。与基于差异隐私的解决方案不同,它不会在准确性和隐私性之间进行权衡。另一方面,它只涉及$O(N \log ||R||)$时间复杂度,这比那些具有$O(N^2\log ||R||)$时间复杂度的基于逐位比较的解决方案要高效得多,其中$N$是数据集大小。最后,我们提供了一个UC-安全的实例与阈值Paillier密码系统和$Σ$ -协议零知识证明的知识。
2023-02-16 cs.CR
Distributed Hardware Accelerated Secure Joint Computation on the COPA Framework
分布式数据中心应用程序的性能可以通过使用基于FPGA的智能卡来提高,智能卡提供了额外的功能并实现了更高的带宽通信。然而,直到最近,缺乏一种简单的方法来定制SmartCable应用程序的要求,限制了潜在的好处。英特尔的可配置网络协议加速器(COPA)提供了一个可定制的FPGA框架,该框架集成了硬件和软件开发,以提高计算和通信性能。在这第一个案例研究中,我们展示了COPA框架的功能与应用程序从密码学-安全多方计算(MPC)-利用硬件加速器直接连接到主机内存和COPA网络。我们发现,使用COPA框架提供了显着的改进,计算和通信相比,传统的实现MPC使用CPU和CPU。在COPA上运行的单个MPC加速器可实现超过17 Gbps的通信带宽,同时仅使用Stratix 10资源的1%。我们表明,利用COPA框架,使多个MPC加速器并行运行,以完全饱和的100 Gbps的链路,实现更高的性能相比,传统的MIMO。
2022-04-11 cs.CR
dMVX: Secure and Efficient Multi-Variant Execution in a Distributed Setting
多变量执行(MVX)系统增强了软件多样性技术的有效性。其关键思想是在锁步中运行多个多样化的程序变体,同时为它们提供相同的输入并监视它们的运行时行为以发现分歧。因此,攻击者必须同时危害所有程序变体才能成功发动攻击。最近的工作提出了分布式的,异构的MVX系统,利用不同的ABI和ISA,以进一步增加程序变体之间的多样性。然而,现有的分布式MVX系统设计由于MVX系统操作的耗时网络事务而遭受高性能开销。本文介绍了dMVX,一种新的混合分布式MVX设计,它采用了新的技术,显着降低MVX系统的开销在分布式设置。我们的关键见解是,我们可以智能地减少使用昂贵的网络传输的MVX操作。首先,我们可以限制对非安全关键的系统调用的监视。其次,我们观察到,在许多情况下,我们还可以安全地缓存或避免I/O相关系统调用所需的复制操作。我们的评估表明,dMVX降低了性能下降从超过50%到3.1%的现实服务器基准。
2020-11-04 cs.CR
Secure Access Control for DAG-based Distributed Ledgers
访问控制是分布式账本设计的基本组成部分,影响其设计的许多方面,例如公平性,效率,传统的网络安全概念以及对抗攻击,例如拒绝服务(DoS)攻击。在这项工作中,我们考虑了最近提出的基于有向无环图的分布式账本访问控制协议的安全性。我们提出了一些攻击方案和潜在的漏洞的协议,并介绍了一些额外的功能,提高其弹性。具体来说,黑名单算法,这是基于信誉加权阈值,介绍了处理垃圾邮件和多速率恶意攻击。同时引入了固化请求组件,以保证网络在攻击情况下的公平性和一致性。最后,还引入了时间戳组件,以在存在多速率攻击者的情况下保持网络的一致性。还描述了模拟,以说明修订后的协议的有效性和鲁棒性。
2021-07-20 cs.CR
A Novel Framework using Elliptic Curve Cryptography for Extremely Secure Transmission in Distributed Privacy Preserving Data Mining
隐私保护数据采掘是一种在挖掘过程中确保个人信息隐私的方法。最重要的任务是从分布的多个数据库中检索信息。数据一旦进入数据仓库,就可以被挖掘算法用来检索机密信息。建议的框架有两个主要任务,安全传输和保密信息在采矿过程中。安全传输是通过使用椭圆曲线密码和数据失真的隐私保护,确保高度安全的环境。
2012-04-12 cs.CR cs.DB
Distributed HDMM: Scalable, Distributed, Accurate, and Differentially Private Query Workloads without a Trusted Curator
University of Vermont(佛蒙特大学)
Distributed HDMM 是一种无需可信 curator 的分布式高维矩阵机制,能够在大规模分布式数据上高效准确地处理线性查询工作负载。
2025-12-17 cs.CR
On Secure Distributed Implementations of Dynamic Access Control
访问控制的分布式实现在分布式存储协议中大量存在。虽然这种实现往往伴随着非正式的理由,其正确性,我们的正式分析表明,他们的正确性可能是棘手的。特别是,我们发现了几个微妙的标准协议的基础上的能力,可以打破一个简单的访问控制规范下的安全性。在同一时间,我们显示了一个明智的细化的规范,访问控制的安全实现是可能的。我们的模型和证明形式化的应用π演算,一些新的技术,可能是独立的利益。最后,我们指出我们的原则可以应用于安全地分发其他状态机。
2008-05-30 cs.CR cs.DC
The Internet of Things: Secure Distributed Inference
连接到物联网(IoT)的设备数量的增长对安全性提出了重大挑战。数据和数据分析的完整性和可信度是物联网应用中越来越重要的问题。物联网设备的高度分布式特性使这些问题变得更加复杂,这使得防止对所有数据源的攻击和入侵变得不可行。攻击者可能会劫持设备并破坏其数据。因此,入侵检测和弹性分析等反应性对策成为安全性的重要组成部分。本文概述了物联网中安全分布式推理的算法。
2018-06-24 cs.CR cs.DC
Evaluating the Feasibility of a Provably Secure Privacy-Preserving Entity Resolution Adaptation of PPJoin using Homomorphic Encryption
实体解析是消除现实世界中引用同一实体的记录的歧义的任务。在这项工作中,我们探索适应最有效和准确的Jaccard为基础的实体解析算法之一- PPJoin,通过同态加密的私有域。为此,我们提出了PPJoin的精确改编(HE-PPJoin),详细介绍了正确性和隐私所需的某些微妙的数据结构修改和算法添加。我们通过扩展PALISADE同态加密库来实现HE-PPJoin,并对其准确性和所产生的开销进行评估。此外,我们直接比较HE-PPJoin与P4 Join,P4 Join是一种现有的隐私保护变体,它使用指纹识别进行原始内容混淆,通过对我们的适应所实现的效率,准确性和隐私属性进行严格分析以及P4 Join中这些相同属性的表征。
2022-08-17 cs.CR cs.DC
A Distributed Secure Outsourcing Scheme for Solving Linear Algebraic Equations in Ad Hoc Clouds
新兴的ad hoc云通过利用未开发的本地计算和存储资源形成了新的云计算范例。在ad hoc云上的一个重要应用是将计算密集型问题外包给附近的云代理以分布式方式解决。
2016-08-29 cs.CR cs.DC
Secure and Differentially Private Bayesian Learning on Distributed Data
数据整合和共享最大限度地提高了新的和有意义的发现的潜力。然而,这是一项重要的任务,因为整合来自多个来源的数据可能会使研究参与者的敏感信息处于风险之中。为了解决隐私问题,我们提出了一种分布式贝叶斯学习方法,通过预条件随机梯度朗之万动力学与RMSprop,它结合了差分隐私和同态加密在一个和谐的方式,同时保护私人信息。我们提出的安全和隐私保护的分布式贝叶斯学习方法应用于分布式数据的逻辑回归和生存分析,并证明了其可行性的预测精度和时间复杂度,相比集中式的方法。
2020-05-22 cs.CR cs.LG
Distributed and secure linear algebra -- Master Thesis
密码学是允许信息交换安全的学科。在这次实习中,我们将专注于这门学科的某个分支,网络中的安全计算。在本报告中所示的这一实习的主要目标是适应一个旨在做线性代数的协议名册。我们想让它们适应多项式系数矩阵的代数运算。然后,我们希望对这些协议的不同复杂性进行完整的分析。
2022-11-12 cs.CR cs.DS
FP-Fed: Privacy-Preserving Federated Detection of Browser Fingerprinting
本文提出首个基于差分隐私联邦学习的分布式浏览器指纹检测系统 FP-Fed,使用户无需共享数据即可协作训练端侧模型,在 18.3k 网站上的实验证明其仅凭运行时信号即可实现高效且高精度的检测。
2023-11-28 cs.CR cs.CY
PIRATE: A Blockchain-based Secure Framework of Distributed Machine Learning in 5G Networks
在第五代(5G)网络及以后,通信延迟和网络带宽将不再是移动用户的瓶颈。因此,几乎每个移动终端都可以参与分布式学习。也就是说,可以消除分布式学习的可用性问题。然而,模型的安全性将成为一个挑战。这是因为分布式学习系统在更新模型参数和聚合多个学习参与者之间的梯度的阶段期间容易遭受拜占庭攻击。因此,为了在5G时代为分布式学习提供拜占庭式的弹性,本文提出了一种基于区块链分片技术的安全计算框架,即PIRATE。一个案例研究表明如何建议海盗有助于分布式学习。最后,我们还设想了一些开放的问题和挑战的基础上提出拜占庭弹性学习框架。
2019-12-17 cs.CR cs.DC
CSF: Black-box Fingerprinting via Compositional Semantics for Text-to-Image Models
Seoul National University(首尔国立大学)
本文提出CSF,一种基于组合语义的黑盒指纹识别方法,用于在不接触模型内部的情况下,通过查询访问确定文本到图像模型的版权归属。
2026-03-20 cs.AI cs.CR cs.CV
How Secure is Distributed Convolutional Neural Network on IoT Edge Devices?
Tennessee Technological University(田纳西理工大学)
卷积神经网络(CNN)已在许多应用中获得成功。在资源受限的边缘设备上部署CNN已被证明具有挑战性。采用了跨不同边缘设备的CNN分布式部署。在本文中,我们提出了木马攻击CNN部署在一个分布式的边缘网络在不同的节点。我们提出了五种分布式CNN推理的隐形攻击场景。这些攻击分为触发电路和有效载荷电路。这些攻击在深度学习模型(LeNet,AlexNet)上进行了测试。结果显示了各个层的脆弱性程度以及它们对最终分类的重要性。
2020-06-16 cs.CR cs.CV
Secure Consensus Generation with Distributed DoH
许多应用程序和协议依赖于生成服务器池的能力来进行基于多数的共识机制,通常这是通过执行普通DNS查询来完成的。最近针对NTP和使用Chronos [2]进行安全增强的NTP的偏离路径攻击[1]表明,依赖DNS来生成NTP服务器池会引入一个薄弱环节。在这项工作中,我们提出了一个安全的,向后兼容的地址池生成方法,使用分布式DNS的HTTPS(DoH)解析器,旨在防止这种攻击对服务器池生成。
2020-10-19 cs.CR cs.NI
Secure and Distributed Assessment of Privacy-Preserving Releases of GWAS
全基因组关联研究(GWAS)确定遗传变异与可观察特征(如疾病)之间的相关性。以前的工作提出了隐私保护分布式算法的基因组数据持有者的联合会,跨越多个机构和立法领域,以安全地计算GWAS的结果。然而,这些算法的适用性有限,因为它们仍然需要集中实例来决定GWAS结果是否可以安全披露,这违反了GDPR等隐私法规。在这项工作中,我们介绍了GenDPR,一个分布式中间件,利用可信执行环境(TEE)安全地确定一个子集的潜在GWAS统计数据,可以安全地发布。GenDPR实现了与集中式解决方案相同的准确性,但需要传输的数据显著减少,因为TEE只交换中间结果,而不交换基因组。此外,GenDPR可以被配置为容忍除了一个诚实但好奇的联盟成员之外的所有成员勾结,目的是暴露正确成员的基因组。
2022-09-20 cs.CR cs.DC
Towards Sparse Federated Analytics: Location Heatmaps under Distributed Differential Privacy with Secure Aggregation
Cornell Tech(康奈尔理工学院);Google(谷歌)
我们设计了一种可扩展的算法,可以在来自数百万用户设备的分散数据上私下生成位置热图。它旨在确保数据对服务提供商可见之前的差分隐私,同时保持高数据准确性并最大限度地减少用户设备上的资源消耗。为了实现这一目标,我们重新分布式差分隐私的基础上,最近的结果在安全多方计算,我们设计了一个可扩展的和自适应的分布式差分隐私的位置分析方法。对公共位置数据集的评估表明,这种方法成功地从数百万用户样本中生成了大都市规模的热图,最坏情况下的客户端通信开销明显小于现有的最先进的私有协议。
2022-06-26 cs.CR cs.LG
Secure Mining of Association Rules in Horizontally Distributed Databases
提出了一种在水平分布式数据库中安全挖掘关联规则的协议。目前的主要协议是Kantarcioglu和Clifton的协议(TKDE 2004)。我们的协议,像他们的,是基于快速分布式挖掘(FDM)算法的张等人。(PDIS 1996),这是一个不安全的分布式版本的Apriori算法。在我们的协议中的主要成分是两个新的安全多方算法-一个是计算每个交互的球员持有的私有子集的联盟,另一个是测试包含一个球员持有的一个元素在另一个持有的子集。我们的协议相对于Kantarcioglu和Clifton的协议提供了增强的隐私。此外,它更简单,并且在通信轮次、通信成本和计算成本方面显著更高效。
2011-06-25 cs.CR cs.DB cs.DC
Scalable and Secure Aggregation in Distributed Networks
我们考虑的问题,计算聚合函数的\emph{secure}和\emph{scalable}的方式。而以前的分布式解决方案具有类似的安全保证有$O(n^3)$的通信成本,我们提出了一个分布式协议,只需要一个$O(n\log^3 n)$,我们证明是接近最优的通信复杂性。我们的协议确保了完美的安全性,对计算有界的对手,容忍$(1/2-ε)n$恶意节点的任何常数$1/2 > ε> 0$(不依赖于$n$),并以高概率输出的聚合函数的确切值。
2011-11-23 cs.CC cs.CR cs.DC
Secure Byzantine-Robust Distributed Learning via Clustering
Coordinated Sciences Laboratory(协同科学实验室);University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
联邦学习系统,共同保持拜占庭的鲁棒性和隐私仍然是一个开放的问题。健壮的聚合是拜占庭攻击的标准防御,通常需要服务器访问个人更新或非线性计算-因此与隐私保护方法(例如通过多方计算的安全聚合)不兼容。为此,我们提出了共享(安全分层鲁棒聚合),一个分布式学习框架,旨在以加密方式保护客户端更新的隐私和鲁棒性拜占庭对手同时。其关键思想是在通过强大的聚合过滤恶意更新之前,在随机群集的客户端之间进行安全平均。实验表明,SHARE具有与现有技术相似的鲁棒性保证,同时增强隐私。
2021-10-06 cs.AI cs.CR cs.LG
Bloom Filter Look-Up Tables for Private and Secure Distributed Databases in Web3 (Revised Version)
Ben-Gurion University of the Negev(内盖夫本-古里安大学)
本研究提出了一种基于BFLUT算法的去中心化数据库方案,通过安全编码和分布密钥以实现隐私保护和安全管理。
2026-02-13 cs.CR cs.DC
Chain of Antichains: An Efficient and Secure Distributed Ledger Technology and Its Applications
自区块链和比特币(Nakamoto(2008))(一种去中心化的分布式账本系统及其相关的加密货币)问世以来,世界已经见证了一系列更新的适应和应用。尽管区块链的原始分布式账本技术(DLT)被认为是安全和分散的,但交易的确认在设计上是低效的。最近采用的基于有向无环图(DAG)的分布式账本有效地验证交易,而无需物理和环境成本高昂的块构建过程(Lerner(2015))。然而,集中控制的确认对多重验证的可能性使DAG不符合分散式分布式账本的资格。在这方面,我们引入了一个创新的DLT,通过基于给定的DAG交易池重建一个反链链。每个反链(盒子)包含不同的节点,其批准的交易由随后的增广节点递归验证。boxer节点关闭盒子,并保留由box-genesis节点确认的所有交易的散列。拳击手和盒子基因的指定是有条件的随机分散。这些盒子通过递归确认(boxchain)串行连接,而不会产生盒子生成的成本。奖励(boxcoin)支付给生态系统中的贡献节点,这些节点的信任建立在双重安全的确认协议上。保值的支付媒介(boxdollar)是本文讨论的众多实际应用之一。
2019-01-14 cs.CR cs.DC
StakeCube: Combining Sharding and Proof-of-Stake to build Fork-free Secure Permissionless Distributed Ledgers
我们的工作重点是在权益证明设置中设计一个可扩展的无许可区块链。特别是,我们使用分布式哈希表作为构建块来设置随机分片,然后利用分片架构以有效的方式验证块。我们结合了由利益相关者分片运行的可验证拜占庭协议和块验证协议,以保证分叉发生的概率可以忽略不计。我们施加诱导扰动,使分片对eclipse攻击具有鲁棒性,我们依靠UTXO硬币模型来保证任何利益相关者的行为都可以被任何人安全地验证。我们的协议适用于自适应对手,并没有超出拜占庭协议所需的同步假设。
2019-07-11 cs.CR cs.DC
Security of Distributed Machine Learning: A Game-Theoretic Approach to Design Secure DSVM
New York University(纽约大学)
分布式机器学习算法在处理大型网络上的海量数据集方面发挥着重要作用。然而,信息和通信技术(ICT)对机器学习的日益依赖使其在本质上容易受到网络威胁。本文的工作旨在开发安全的分布式算法,以保护学习免受数据投毒和网络攻击。我们建立了一个博弈论的框架,以捕捉冲突的目标,学习者使用分布式支持向量机(SVM)和攻击者谁是能够修改训练数据和标签。我们开发了一个完全分布式的迭代算法来捕获学习者在每个节点上对对抗行为的实时反应。数值结果表明,分布式SVM在不同类型的攻击下容易失效,其影响与网络结构和攻击能力有很强的依赖性。
2020-04-26 cs.CR cs.LG stat.ML
Secure Architectures Implementing Trusted Coalitions for Blockchained Distributed Learning (TCLearn)
Université catholique de Louvain(天主教鲁汶大学);Massachusetts Institute of Technology(麻省理工学院)
跨组织联盟的分布式学习允许联盟成员训练和共享模型,而无需共享用于优化该模型的数据。在本文中,我们提出了新的安全架构,通过使用适当的加密和区块链机制,保证保护数据隐私,迭代学习的可信序列以及联盟每个成员之间公平共享学习模型。我们将其部署在对医学图像训练的深度学习卷积神经网络进行分布式优化的情况下。
2019-06-18 cs.CR cs.LG stat.ML
ATLAS: An IoT Architecture and Secure Open-source Networking Stack for Anonymous Localization and Tracking Using Smartphones and Bluetooth Beacons
蓝牙(BT)彻底改变了近距离通信,通过无线技术在日常设备中实现智能功能。物联网(IoT)最重要的子领域之一专门使用BT技术来开发灵巧家庭和环境,包括医院,建筑物,购物设施等,以提供广泛的功能,如即时和远程访问通风,照明,安全,定位和跟踪。然而,在智能基础设施中部署这些功能通常没有适当的安全措施来保护数据并保护其用户。为此,我们提出了ATLAS框架,该框架由我们新颖的物联网架构和安全网络堆栈组成,可用于通过在整个环境中部署多个蓝牙低功耗(BLE)信标来匿名定位和跟踪智能手机和可穿戴设备。拟议的网络堆栈支持在通信堆栈的所有层上进行不同级别的加密,以确保易于采用的安全设计网络架构。我们还部署了一种新的数据转换和基于指纹的定位算法,该算法在给定区域内定位用户设备方面非常有效。ATLAS框架在https://atlas-tuw.sourceforge.io上开源,以实现广泛采用和进一步的研究和开发。
2022-12-20 cs.CR cs.NI
On the Capacity of Secure Distributed Matrix Multiplication
矩阵乘法是各种工程应用中的关键运算之一。将大规模矩阵乘法任务外包给多个分布式服务器或云是期望的,以加速计算。然而,当这些服务器不可信时,安全性就成了一个问题。本文研究了分布式不可信任服务器上的安全分布式矩阵乘法问题。这个问题属于安全函数计算的范畴,在密码学界受到了极大的关注。然而,信息理论上安全的矩阵乘法的基本限制仍然是一个悬而未决的问题。我们专注于信息理论上安全的分布式矩阵乘法的目标是表征最小的通信开销。安全矩阵乘法的容量被定义为所需信息与从$N$分布式服务器接收的总通信的最大可能比率。特别是,我们研究了以下两个模型,我们要乘以两个矩阵$A\in\mathbb{F}^{m\times n}$和$B\in\mathbb{F}^{n\times p}$:$(a)$单边安全矩阵乘法与$\ell$串通服务器,其中$B$是一个公共矩阵在所有服务器和$A$是一个私有矩阵。$(b)$完全安全的矩阵乘法与$\ell$串通服务器,其中$A$和$B$都是私有矩阵。我们的目标是在任何$\ell$服务器都可以合谋的情况下安全地增加$A$和$B$。对于模型$(a)$,我们通过提供一个安全的矩阵乘法方案和一个匹配的逆,将容量刻画为$C_{\text{one-sided}}^{(\ell)}=(N-\ell)/N$。对于模型$(b)$,我们提出了一种新的方案,降低了容量,即,$C_{\text{fully}}…
2018-06-01 cs.CR cs.DC cs.IT
Secure and Trustable Distributed Aggregation based on Kademlia
在越来越多的应用程序中,需要对需要保密的值进行聚合,同时保证过程的鲁棒性和结果的正确性。我们提出了一个聚合算法,它支持一个大的频谱的潜在应用,包括复杂的投票协议。它依赖于BitTorrent中使用的分布式哈希表Kademlia,用于随机预定的对等点之间的匿名通信,以确保高度的机密性,而不仅仅依赖于密码学。数据和计算的分布限制了数据泄露的可能性,并降低了对机构信任的需求。实验结果证实了允许大规模应用的n个对等点的复杂度为O(n)。
2017-09-11 cs.CR cs.DC
Analog Secure Distributed Matrix Multiplication over Complex Numbers
这项工作考虑了将实数或复数上的矩阵乘法分配给助手服务器的问题,使得向这些服务器的信息泄漏接近于信息理论上的安全。这些服务器被认为是诚实但好奇的,即,它们根据协议工作,但试图推断出有关数据的信息。安全分布式矩阵乘法(SDMM)问题一直被认为是在有限域上的矩阵乘法的背景下,这是不总是可行的,在现实世界中的应用。我们提出了两种方案,允许基于用例的可变安全程度,并允许串通和离散服务器。我们分析的安全性和数值精度的计划,并观察到准确性和安全性之间的权衡。
2022-05-14 cs.CR cs.IT math.IT
Anonymity and Confidentiality in Secure Distributed Simulation
由于互联网本质上的不安全性,关于数据保密性、完整性和可用性的研究在信通技术界正获得越来越大的势头。虽然现在许多分布式系统和服务都基于安全通信协议,以避免窃听和保护机密性,但通常在分布式仿真中使用的技术根本没有考虑这些问题。这可能是由于许多现实世界的模拟器依赖于单片,离线方法,因此上述问题不适用。然而,要模拟的系统的复杂性,以及分布式和基于云的模拟的兴起,现在迫使采用安全的模拟架构。本文提出了一种解决方案,以确保在分布式仿真的匿名性和机密性。一个基于匿名分布式模拟器的性能评估被用来量化匿名的性能损失。结果表明,这是一个可行的解决方案。
2019-01-16 cs.CR cs.DC cs.MA
Bivariate Polynomial Codes for Secure Distributed Matrix Multiplication
研究了安全分布式矩阵乘法(SDMM)问题。编码计算已被证明是分布式矩阵乘法的有效解决方案,既提供了对工作人员的隐私,又通过有效地减少掉队者来提高计算速度。在这项工作中,我们提出了一个非直接安全的扩展最近推出的二元多项式码。二元多项式码已经被证明能够通过利用掉队者所做的部分工作而不是完全忽略它们来进一步加速分布式矩阵乘法,同时降低上传通信成本和/或工作者的存储容量需求。我们表明,特别是对于上传通信或存储受限的设置,所提出的方法减少了SDMM的平均计算时间相比,其竞争对手在文献中。
2022-02-06 cs.CR cs.DC cs.IT
Secure Synthesis of Distributed Cryptographic Applications (Technical Report)
本文提出一种编译器安全性证明,通过统一基于模拟的安全性、信息流控制等技术,解决分布式密码学应用综合中多种密码机制、恶意破坏和异步通信等复杂问题,并证明其能保证稳健超性质保持。
2024-01-06 cs.CR cs.PL
Differential Secrecy for Distributed Data and Applications to Robust Differentially Secure Vector Summation
Apple(苹果公司)
计算实值向量的噪声和是差分私有学习和统计中的重要基础。在私有联邦学习应用程序中,这些向量由客户端设备保存,导致分布式求和问题。针对该问题的标准安全多方计算(SMC)协议容易受到中毒攻击,其中客户端可能对和有很大影响,而不被检测到。在这项工作中,我们提出了一个中毒的强大的私人求和协议在多服务器设置,最近在PRIO研究。我们提出了一个协议,验证了每个贡献的欧几里德范数近似有界的向量求和。我们表明,通过放松SMC的安全约束的差分隐私一样的保证,可以提高在PRIO方面的通信要求,以及客户端的计算。与SMC算法不可避免地将整数转换为大型有限域的元素不同,我们的算法可以在整数/实数上工作,这可以提高效率。
2022-02-22 cs.CR cs.LG
Aero-LLM: A Distributed Framework for Secure UAV Communication and Intelligent Decision-Making
Oakland University(奥克兰大学)
Aero-LLM通过分布式部署多个专用大语言模型,提升无人机通信安全、异常检测与决策能力,为安全智能的无人机运行设立新标准。
2025-02-05 cs.AI cs.CR
Secure Distributed Hypothesis Testing
IIIT Hyderabad(印度信息科学与技术研究所海德拉巴分校);CMI, Chennai(钦奈数学科学中心);TIFR, Mumbai(泰戈尔印度教研究中心孟买分部);IIT Palakkad(帕拉卡德印度理工学院)
针对分布式假设检验中服务器可能从数据中推断额外信息的安全问题,提出使用共享密钥或私有同步消息协议实现安全测试。
2026-05-28 cs.CR cs.IT math.IT
Privacy-Preserving Distributed Optimization Under Time Constraints Using Secure Multi-Party Computation and Evolutionary Algorithms
Johannes Kepler University Linz(林茨约翰内斯·开普勒大学);AIT Austrian Institute of Technology(奥地利技术研究院)
本文提出了一种结合进化算法和安全多方计算的方法,用于在时间敏感的场景中实现隐私保护的分布式优化,通过减少隐私保护计算对运行时间的影响,确保在截止时间内返回解决方案,并探讨了隐私保护与解决方案质量之间的权衡。
2026-05-20 cs.CR cs.NE
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。
2014-02-18 cs.CR cs.IT math.IT