Private Product Computation using Quantum Entanglement
本文提出利用一对纠缠量子比特实现私有乘积计算,两个参与者在共享贝尔态上做局域操作后,第三方只能得到乘积而无法获知单个输入,并给出素数阶有限域上的具体实现方案。
2023-10-27 cs.CR cs.IT math.IT
Robust multi-party semi-quantum private comparison protocols with decoherence-free states against collective noises
基于无消相干态,提出了两种对抗集体噪声的多方半量子私有比较协议。其中一种可以很好地抵抗集体失相噪声,而另一种可以抵抗集体旋转噪声。多个经典参与者可以通过执行一次所提出的协议来比较他们的秘密信息。实验结果表明,该协议能够同时抵抗外部攻击和内部攻击.此外,我们的协议的操作进行了模拟IBM量子经验。
2023-01-26 cs.CR
Attributes affecting user decision to adopt a Virtual Private Network (VPN) app
虚拟专用网络(VPN)有助于减轻在不安全的网络(如公共Wi-Fi)上传输数据的安全和隐私风险。然而,尽管人们对公共Wi-Fi风险的认识越来越普遍,但在使用公共Wi-Fi时使用VPN的比例很低。为了提高采用率,了解促使用户决定采用VPN应用程序的因素是重要的第一步。这项研究是第一次实现这一目标,使用离散选择实验(DCE),以引出个人偏好的特定属性的VPN app. The实验在英国(英国)和日本(JP)。我们首先采访了参与者(15名英国人,17名日本人),以确定他们认为重要的VPN应用程序的共同属性。研究结果被用于在每个国家设计和运行DCE。参与者(149名英国人,94名日本人)被展示了一系列两个假设的VPN应用程序,功能各不相同,并被要求选择他们喜欢的一个。客户评论评级,其次是VPN应用程序的价格,显著影响了选择下载和安装哪个VPN应用程序的决定。从3星到4-5星的评级变化使英国选择应用程序的概率增加了33%,日本增加了14%。毫不奇怪,价格是一种威慑。朋友的推荐、产品评论来源以及应用内广告的存在也发挥了作用,但程度较小。为了实际使用VPN应用程序,参与者认为互联网速度,连接稳定性,移动设备上的电池电量以及应用程序内广告的存在是关键驱动因素。英国和日本的参与者对这些属性的优先级不同,这表明文化差异可能会产生影响。
2020-08-16 cs.CR
LanFL: Differentially Private Federated Learning with Large Language Models using Synthetic Samples
Northwestern University(西北大学)
针对大语言模型联邦学习中参数不可访问及计算通信成本高的问题,提出黑盒提示式LanFL,通过差分隐私合成样本生成与提示优化实现跨参与者知识共享和本地隐私保护。
2024-10-24 cs.CR cs.LG
Practical Traceable Over-Threshold Multi-Party Private Set Intersection
School of Cyber Science and Technology, University of Science and Technology of China(中国科学技术大学网络空间安全学院);Fujian Provincial Key Laboratory of Network Security and Cryptology, College of Computer and Cyber Security, Fujian Normal University(福建师范大学计算机与网络安全学院);NIO Inc.(蔚来汽车)
本文提出两种新型可追溯阈值多方私有集合交集协议,分别在效率和安全性上优于现有方法。
2025-12-31 cs.CR
An Improved Quantum Private Set Intersection Protocol Based on Hadamard Gates
针对 Liu-Yin 量子保密集合交集协议存在内部信息泄露的问题,提出基于 Hadamard 门和额外编码量子比特的改进协议,并证明其正确且能抵抗内外部攻击。
2023-10-01 cs.CR cs.ET quant-ph
Private key encryption and recovery in blockchain
区块链的颠覆性技术可以提供安全的解决方案,而无需中央机构。在区块链协议中,属于参与者的资产通过参与者拥有的非对称密钥对的私钥来控制。虽然这让区块链网络参与者对他们的资产拥有主权,但它也有责任管理自己的密钥。目前,在管理密钥方面存在两个主要瓶颈:$a)$用户没有一种有效和安全的方式来存储他们的密钥,$b)$没有有效的恢复机制,以防密钥丢失。在这项研究中,我们提出了安全的方法来有效地存储和恢复密钥。首先,我们引入了一种有效的加密机制,使用所有者的生物特征签名来安全地加密和解密私钥。对于后者,我们引入了一个有效的恢复机制,使用生物特征和秘密共享方案。通过应用所提出的密钥加密和恢复机制,资产所有者能够将其密钥安全地存储在其设备上,并在密钥丢失时恢复密钥。
2020-06-25 cs.CR cs.DC
Reexamination of the realtime protection for user privacy in practical quantum private query
本文重新审视了量子私有查询中实时保护用户隐私的两种现有技术,发现其均存在漏洞,并给出了具体作弊策略,指出需更谨慎地处理内部参与者的诚实性检查。
2024-07-27 cs.CR quant-ph
Multiparty Quantum Private Comparsion with Individually Dishonest Third Parties for Strangers
本研究探讨了各种最先进的量子私有比较(QPC)协议中存在的一个新的安全问题,其中恶意第三方(TP)宣布虚假的比较(或中间)结果。在这种情况下,参与者最终可能会被引入错误的方向,而QPC将成为欺诈行为。为了解决这个问题,定义了一个新的可信度的TP和一个新的QPC协议,其中第二个TP被引入到监视第一个。一旦TP宣布了一个虚假的比较(或中间)结果,参与者就可以立即发现欺诈。此外,由于引入了第二个TP,所提出的协议允许陌生人私下比较他们的秘密,而最先进的QPC要求所涉及的客户端在运行协议之前相互了解。
2016-07-25 cs.CR quant-ph
Dissecting Bitcoin and Ethereum Transactions: On the Lack of Transaction Contention and Prioritization Transparency in Blockchains
本文剖析了比特币和以太坊中交易竞争与优先级透明度的缺失,揭示了私有中继网络等私下交易方式的普遍性及其对矿工串谋和超额收费的助长作用,强调了该问题对交易发起者和区块链稳定性的重大影响。
2023-05-24 cs.CR
MYSTIKO : : Cloud-Mediated, Private, Federated Gradient Descent
IBM Research AI(IBM研究AI);RPI(伦斯勒理工学院)
联邦学习使多个分布式参与者(可能在不同的云上)能够通过共享参数/梯度来协作和训练机器/深度学习模型。然而,共享梯度,而不是集中数据,可能不像人们期望的那样私密。对明文梯度的逆向工程攻击已被证明是实际可行的。现有的差分私有联邦学习解决方案虽然有希望,但会导致模型不太准确,并且需要进行非平凡的超参数调整。在本文中,我们研究了加性同态加密的使用(特别是Paillier密码)来设计安全的联邦梯度下降技术,该技术(i)不需要添加统计噪声或超参数调整,(ii)不改变最终模型的最终精度或效用,(iii)确保参与者的明文模型参数/梯度永远不会被泄露给参与联邦学习作业的任何其他参与者或第三方协调器,(iv)最小化对任何第三方协调器的信任,以及(v)是高效的,具有最小的开销,并且成本有效。
2020-12-01 cs.CR cs.DC cs.LG
Authenticated Private Set Intersection: A Merkle Tree-Based Approach for Enhancing Data Integrity
School of Mathematics, Renmin University of China(中国人民大学数学学院);Institute of Mathematics, Henan Academy of Science(河南省科学院数学研究所);Great Bay Institute for Advanced Study, Mathematics and Information Security Research Center(大湾区高等研究院数学与信息安全研究中心)
针对 PSI 协议的数据完整性漏洞,本文定义 PSI 完整性并将 Merkle 树融入 volePSI 与 mPSI,提出两种认证型方案并实现评估。
2025-09-30 cs.CR
Differentially Private Filtering
智能电网或智能交通系统等新兴系统通常需要终端用户应用程序不断向执行监视或控制任务的外部数据聚合器发送信息。这可能导致用户在交换由应用提供的益处时的不期望的隐私损失。出于这种趋势,本文介绍了隐私的关注,在系统理论的背景下,并解决了问题,释放过滤信号,尊重用户数据流的隐私。我们的方法依赖于一个正式的概念,从数据库文献中的隐私,称为差分隐私,它提供了强大的隐私保证,对对手任意边信息。方法开发近似一个给定的过滤器的差分隐私版本,使隐私机制引入的失真最小化。两个具体的场景被认为是。首先,差分隐私的概念被扩展到动态系统,许多参与者贡献独立的输入信号。卡尔曼滤波也讨论了在这种情况下,当一个释放的输出信号必须保持差分隐私的测量信号或状态轨迹的个人参与者。其次,差分隐私机制被描述为近似稳定的过滤器时,参与者有助于一个单一的事件流,扩展以前的工作差分隐私下的持续观察。
2012-09-11 cs.CR math.OC
Approximate Privacy: PARs for Set Problems
在以前的工作(arXiv:0910.5714)中,我们引入了隐私近似比(PAR),并使用它来研究第二价格Vickrey拍卖和姚的百万富翁问题的协议的隐私性。在这里,我们研究了多个协议的PAR的不相交性问题(其中两个参与者,每个都有一个私有子集{1,...,k},确定它们的集合是否不相交)和相交问题(其中两个参与者,每个具有{1,.,k},确定它们的私有集合的交集)。我们表明,任何协议为这些问题中的每一个提供的隐私,作为衡量的PAR,必然是指数(在k)。我们还考虑了相对于每个玩家的主观PAR之间的比率,以表明这些问题中的每一个的一个协议比其他协议明显更公平(在这个意义上,它对两个玩家的隐私都有类似的不良影响)。
2010-06-09 cs.CR
Greenberger-Horne-Zeilinger-based quantum private comparison protocol with bit-flipping
通过引入半诚实第三方(TP),提出了一种新的以(n+1)- qubit(n \ge 2)Greenberger-Horne-Zeilinger(GHZ)态为信息载体的QPC协议.参数n不仅决定了GHZ态中包含的量子比特数,还决定了TP成功窃取参与者数据的概率和量子比特效率。在所提出的协议中,我们不采用任何其他量子技术(例如,纠缠交换和幺正操作),除了诸如准备量子态和量子测量之类的必要技术之外,这可以减少对量子设备的需求。我们使用量子密钥分配和比特翻转产生的密钥进行隐私保护,并使用诱饵光子进行窃听检查,使外部和内部攻击无效。具体来说,对于外部攻击,我们采取了几种众所周知的攻击手段(例如,拦截-重发攻击和测量-重发攻击)为例,证明了协议外部的攻击者无法成功窃取参与者的数据,并给出了协议抵抗纠缠-测量攻击的安全性证明。对于内部攻击,我们表明,TP不能窃取参与者的数据,参与者不能窃取对方的数据。我们还表明,现有的攻击手段对QPC协议是无效的,我们的协议。
2020-08-19 cs.CR quant-ph
Geometric Data Perturbation with Noisy-Anchor Alignment for Privacy-Preserving Collaborative Learning
University of Tsukuba(筑波大学);Graduate School of Science and Technology, University of Tsukuba(筑波大学大学院理工学研究科);Institute of Systems and Information Engineering, University of Tsukuba(筑波大学系统情报工程学系);Center for Artificial Intelligence Research, Tsukuba Institute for Advanced Research (TIAR), University of Tsukuba(筑波大学筑波高等研究院人工智能研究中心)
该研究针对隐私保护协同学习,提出带噪锚点对齐的几何数据扰动方法,在MNIST、CelebA实验中,其隐私-效用权衡优于对私有数据添加噪声的方案。
2026-10-05 cs.CR cs.LG
A Novel Approach to Fully Private and Secure Auction: A Sealed Bid Knapsack Auction
在电子拍卖协议中,主要参与者是卖方、一组可信拍卖人和一组投标人。在本文中,我们考虑的情况下,有一个卖方和一组的n投标人打算达成协议的销售价格的某种商品。完全私人或投标人解决的拍卖意味着这种协议是在没有信任方或拍卖人的帮助下达成的。因此,只有卖方和一组投标人参与,拍卖师的作用在这种情况下变得过时。我们提出了一种新的技术,设计一个完全私人密封投标拍卖协议。
2012-11-13 cs.CR cs.CY
Multi-Shard Private Transactions for Permissioned Blockchains
传统上,区块链系统涉及在所有区块链网络参与者之间共享交易信息。显然,这为企业界采用该技术带来了障碍,在企业界,保护业务数据的隐私是必要的。以前将隐私和区块链结合在一起的努力仍然会泄露部分信息,其功能受到限制,或者使用zk-SNARKs等昂贵的机制。在本文中,我们提出了多分片私有交易(MSPT)协议,这是一种用于许可区块链的新型隐私保护协议,它仅依赖于简单的加密原语和有针对性的信息传播来实现原子性和高性能。
2020-10-16 cs.CR cs.DC
Brave: Byzantine-Resilient and Privacy-Preserving Peer-to-Peer Federated Learning
University of Washington(华盛顿大学);The Pennsylvania State University(宾夕法尼亚州立大学)
本文提出Brave协议,在P2P联邦学习中同时实现拜占庭弹性和隐私保护,证明其能抵御诚实但好奇和拜占庭两类对手,并在CIFAR10和MNIST上验证了模型准确率与无对手训练相当。
2024-01-10 cs.CR cs.DC cs.LG
N-Parties Private Structure and Parameter Learning for Sum-Product Networks
Institute of Computer Science, Johannes Gutenberg University Mainz(计算机科学研究所,吉森大学马因茨分校);Zalando SE
本文提出基于秘密共享的隐私保护协议,用于和积网络的结构生成、参数学习及私有推理,在保证数据隐私的同时不损失性能,且扩展性优于神经网络协议。
2025-10-07 cs.CR cs.LG
Information-theoretic security without an honest majority
我们提出了六个多方协议的信息理论的安全性,容忍任意数量的腐败的参与者。所有协议都假设成对的真实私有信道和广播信道(在单一情况下,我们需要同时广播信道)。我们给出了否决协议、投票协议、匿名比特传输协议、冲突检测协议、通知协议和匿名消息传输协议。在大多数情况下,不假设诚实的大多数,一个腐败的参与者可以使协议中止。所有的协议实现的功能从来没有得到以前没有使用任何计算假设或诚实的多数。
2007-06-13 cs.CR
Practical Privacy Attacks on Vertical Federated Learning
联邦学习(FL)是一种隐私保护的学习范式,允许多个奇偶校验联合训练一个强大的机器学习模型,而无需共享他们的私有数据。根据协作形式的不同,FL又可分为水平联邦学习(HFL)和垂直联邦学习(VFL)。在HFL中,参与者共享相同的特征空间并在数据样本上进行协作,而在VFL中,参与者共享相同的样本ID并在特征上进行协作。VFL的应用范围更广,可以说更适合大型企业之间的联合模型训练。在本文中,我们专注于VFL和调查潜在的隐私泄漏在现实世界中的VFL框架。我们设计并实现了两种实用的隐私攻击:针对逻辑回归VFL协议的反向乘法攻击和针对XGBoost VFL协议的反向求和攻击。我们的经验表明,这两种攻击是(1)有效的-对手可以成功地窃取私人训练数据,即使当中间输出加密,以保护数据隐私;(2)规避-攻击不偏离协议规范,也不恶化目标模型的准确性;以及(3)容易-对手几乎不需要关于目标参与者的数据分布的先验知识。我们还表明,泄漏的信息是有效的原始训练数据在训练一个替代分类。我们进一步讨论了潜在的对策和挑战,我们希望这可以导致几个有前途的研究方向。
2022-07-22 cs.CR
Verifiable and Collusion-Resistant Multi-Party Quantum Private Set Operations
School of Mathematics, Renmin University of China(中国人民大学数学学院);Great Bay University(大湾区大学)
提出一种基于旋转量子构造的多方阈值私有交集协议,通过隐藏标签测量和OLE内积实现阈值判定,无需第三方解释结果,并利用IBM Qiskit验证可行性。
2026-06-29 cs.CR quant-ph
Quantum Multi-Party Threshold Private Set Intersection with Explicit Cardinality Testing
School of Mathematics, Renmin University of China(中国人民大学数学学院);Great Bay University(大湾区大学)
提出一种基于旋转的量子多方TPSI协议,通过隐藏标签测量和OLE内积实现显式基数测试,仅揭示交集是否达到阈值。
2026-06-29 cs.CR quant-ph
Communication Efficient Multiparty Private Set Intersection from Multi-Point Sequential OPRF
针对现有MPSI协议中星型拓扑领导者负载高和网状拓扑通信开销大的问题,提出多点序列不经意伪随机函数(MP-SOPRF),并基于此构建了半诚实安全的环型拓扑MPSI协议,实验证明其显著降低了通信与计算开销。
2025-05-31 cs.CR
Improving the Variance of Differentially Private Randomized Experiments through Clustering
Google Research(谷歌研究院)
提出差分隐私机制Cluster-DP,利用数据聚类结构在保证隐私的同时降低因果效应估计的方差惩罚,并在真实与模拟数据上验证了其优于基线的性能。
2025-05-28 cs.CR cs.LG stat.ME
Secure multiparty quantum key agreement against collusive attacks
针对环形多方量子密钥协商中的合谋攻击,提出通用安全模型以消除漏洞,不依赖具体物理实现。
2023-06-21 cs.CR quant-ph
Differentially Private Kalman Filtering
Ecole Polytechnique de Montreal(蒙特利尔高等商学院);University of Pennsylvania(宾夕法尼亚大学)
针对需要保护个体数据隐私的H2(卡尔曼)滤波问题,提出基于差分隐私的机制,并通过控制H∞范数减轻隐私机制对估计性能的影响。
2012-07-19 cs.CR cs.SY eess.SY
Over-Threshold Multiparty Private Set Intersection for Collaborative Network Intrusion Detection
University of Waterloo(滑铁卢大学)
提出一种单收集者超阈值隐私集合求交协议,通过新哈希方案大幅降低计算复杂度,使其能应用于真实网络日志,并提供两种适应不同安全与通信需求的部署选项。
2025-10-14 cs.CR cs.NI
Towards Private On-Chain Algorithmic Trading
虽然与ERC-20代币等加密资产交易相关的定量自动化已经变得相对普遍,3Commas和Shrilliant等服务甚至为普通加密交易者提供了用户友好的网络驱动服务,但我们尚未看到链上交易的出现。我们假设,就像去中心化交易所(DEX)一样,到目前为止,去中心化金融(DeFi)领域的流程可能会实现有吸引力的在线交易自动化选项。在本文中,我们介绍了ChainBot,这是一种借助区块链技术创建算法交易机器人的方法。我们展示了如何将计算划分为链上和链下组件,以提供端到端完整性的度量,同时保留算法的“秘密酱”。我们的系统通过谨慎使用算法划分、零知识证明和智能合约来实现。我们还表明,与层2(L2)技术,交易可以保持私密,这意味着算法参数是难以恢复的链观察。与传统的链下交易方法相比,我们的方法提供了更透明的流动性和更好的审查抵抗力。我们开发了一个ChainBot样本,并根据历史数据对其进行训练,结果回报率高达我们使用的基线买入并持有策略的2.4倍。我们的测量表明,在1000次运行中,我们系统的端到端平均执行时间为48.4秒。我们证明,交易的频率不会显着影响回报率和夏普比率,这表明我们不必在每个区块进行交易,从而大大节省了天然气费用。在我们的实现中,一个投资1,000美元的用户将获得105美元的收入,并在天然气上花费3美元;假设用户池有1,000个订户。
2021-09-23 cs.CR cs.GT
Tripartite Blind Quantum Computation
提出了一种三方盲量子计算模型,即三个独立的参与者分别拥有不同的资源,通过合作完成一个计算任务。这三个参与者分别称为C、S、T,其中C需要在他的私有数据上进行计算,T拥有所需的量子算法,S提供足够的量子计算资源。然后构造了两个具体的TBQC协议。第一个协议是基于Broadcast-Fitzsimons-Kashefi协议设计的,它不能防止两个参与者的合谋攻击。然后基于通用量子线路,提出了第二种可防止合谋攻击的协议。在后一种协议中,对于电路中每次出现$R$门,需要对经典AND盒进行一次调用以保护隐私。
2013-11-25 cs.CR quant-ph
An Accurate, Scalable and Verifiable Protocol for Federated Differentially Private Averaging
INRIA Lille - Nord Europe(法国国家信息与自动化研究所里尔-北欧分所)
从多方拥有的数据中学习,如在联邦学习中,会对提供给参与者的隐私保证以及在存在恶意方的情况下计算的正确性提出挑战。我们在分布式平均的背景下解决这些挑战,分布式平均是联邦学习算法的一个重要组成部分。我们的第一个贡献是一个可扩展的协议,在该协议中,参与者沿着网络图的边缘交换相关的高斯噪声,并由各方添加的独立噪声补充。我们分析了我们的协议的差分隐私保证和图拓扑的影响下勾结恶意方,表明我们几乎可以匹配的效用的可信馆长模型,即使每个诚实的一方通信,只有对数的其他方随机选择。这与本地隐私模型(具有较低的效用)或基于安全聚合(其中所有用户对都需要交换消息)的协议形成对比。我们的第二个贡献,使用户能够证明他们的计算的正确性,而不损害协议的效率和隐私保证。我们的验证协议依赖于标准的密码原语,如承诺计划和零知识证明。
2022-10-28 cs.CR cs.DC cs.LG
Impossibility of Quantum Private Queries
Lucerne School of Computer Science and Information Technology, Lucerne University of Applied Sciences and Arts(卢塞纳应用科学与艺术大学计算机科学与信息技术学院);Ergon Informatik AG(Ergon信息科技股份公司)
研究量子私有查询问题时,针对对作弊敏感的对称私有信息检索协议给出明确攻击方法,证明对用户安全的协议无法为数据库所有者提供非平凡安全保证。
2026-07-21 cs.CR quant-ph
Brandt's Fully Private Auction Protocol Revisited
拍卖有着悠久的历史,早在公元前500年就有了记录。如今,电子拍卖已经取得了巨大的成功,并且越来越多地被使用。已经提出了许多密码协议来解决这些电子交易的各种安全要求,特别是确保隐私。Brandt开发了一种协议,该协议使用同态运算对投标的分布式ElGamal加密进行计算。他声称,它确保了投标人的完全隐私,即除了获胜者和获胜价格之外,没有任何信息被泄露。我们首先表明,该协议-当使用可延展的交互式零知识证明-是容易受到攻击的不诚实的投标人。这种投标人可以操纵公开的数据,使卖方能够推断出所有参与者的出价。此外,我们还讨论了一些问题的可验证性,以及对不可否认性,公平性和隐私的个人投标人利用认证问题的攻击。
2013-05-14 cs.CR cs.GT
Analog Multi-Party Computing: Locally Differential Private Protocols for Collaborative Computations
针对去中心化场景中多方计算因离散化导致精度损失的问题,提出在模拟域执行计算的本地差分隐私协议A-MPC,在保证数据隐私的同时将可容忍共谋客户端数量提升三倍,且模型精度接近集中式训练。
2023-10-18 cs.CR cs.DC cs.IT