Location Privacy in Cognitive Radios with Multi-Server Private Information Retrieval
基于频谱数据库的认知无线电网络（CRN）已经成为使未授权的次级用户（SU）能够识别由授权的主用户（PU）拥有的信道中的频谱空缺的事实上的方法。尽管有其优点，频谱数据库的使用引起了SU和PU的隐私问题。单服务器专用信息检索（PIR）已被用作解决这个问题的主要工具。然而，这样的技术招致极大的通信和计算开销，同时仅提供计算隐私。另外，有些PIR协议被破坏了。在本文中，我们表明，它是可能实现高效率和（信息理论）隐私的PU和SU在数据库驱动的CRN与多服务器PIR。我们的主要观察结果是，通过设计，数据库驱动的CRN包括联邦通信委员会要求同步其记录的多个数据库。据我们所知，我们是第一个利用这一观察来利用多服务器PIR技术来保证SU和PU的最佳隐私的公司，这要归功于数据库驱动的CRN的独特属性。我们通过分析和实际云系统上的部署经验表明，多服务器PIR是在数据库驱动的CRN中提供有效位置隐私的理想工具。
2019-07-03 cs.CR cs.NI
Timely Private Information Retrieval
我们介绍了问题的\emph{timely}私人信息检索（PIR）从$N$非共谋和复制服务器。在该问题中，用户希望从来自服务器的$M$消息中检索消息，该消息的内容不断更新。应该及时执行检索过程，以便不会泄露有关消息身份的信息。为了评估及时性，我们使用\emph{age of information}（AoI）度量。有趣的是，及时的PIR问题减少到一个AoI最小化受到PIR约束下\emph{asymmetric traffic}。对于$N=2$、$M=3$的情况，我们明确地描述了PIR速率和AoI度量（峰值AoI或平均AoI）之间的最佳权衡。此外，我们提供了一些结构上的见解与任意$N$，$M$的一般问题。
2021-05-18 cs.CR cs.IT cs.NI
An Effective Private Data storage and Retrieval System using Secret sharing scheme based on Secure Multi-party Computation
外包数据的隐私是一个主要的挑战。网络环境的不安全和服务提供商的不可信是使数据库成为服务的障碍。个人身份信息的收集和存储是一个主要的隐私问题。在线公共数据库和资源对用户隐私构成重大风险，因为恶意数据库所有者可能会监视用户查询并推断出有关客户的有用信息。数据隐私方面的挑战是与第三方共享数据，一个私有的信息检索（PIR），它是一种基于网络的信息检索技术，它可以在保证信息安全的同时，防止有价值的信息被第三方未经授权的访问和使用。方案允许用户在查询数据库的同时隐藏检索到的数据的身份。保密性的简单解决方案是在外包之前加密数据。查询执行，密钥管理和统计推断是这种情况下的主要挑战。所提出的系统提出了一种使用秘密共享技术来安全存储和检索私有数据的机制。其思想是开发一种机制来存储私有信息，该机制具有高度可用的存储提供者，可以从任何地方使用查询访问，同时隐藏实际的数据值私有信息检索系统采用基于秘密共享的安全多方计算（SMC）技术实现。多方计算允许多方在各自的私有输入上计算联合函数，通过对不同服务器所拥有的份额进行安全计算来获得查询结果。
2015-02-26 cs.CR
The Capacity of Semantic Private Information Retrieval with Colluding Servers
本文研究任意 T<N 串通服务器下的语义私有信息检索问题，推导出 Sem-TPIR 的精确容量上界，并设计达到该速率的方案。
2025-07-21 cs.CR cs.IT cs.NI
PrivateMail: Supervised Manifold Learning of Deep Features With Differential Privacy for Image Retrieval
Massachusetts Institute of Technology（麻省理工学院）
差分隐私提供了强有力的保证，例如在后处理下的不可变隐私。因此，它通常被视为在分散和孤立的数据上学习的解决方案。这项工作的重点是监督流形学习，这是一种可以为目标用例生成微调流形的范例。我们的贡献是双重的。1)我们提出了一种新的差分私有方法\textit{PrivateMail}的监督流形学习，第一个同类我们的知识。2)我们为我们的实验用例提供了一种新的私有几何嵌入方案。我们实验私人的“基于内容的图像检索”-嵌入和查询图像的最近邻居在一个私人的方式-并显示广泛的隐私效用权衡的结果，以及我们的方法的计算效率和实用性。
2021-10-05 cs.CR cs.CV cs.DB
PIR-RAG: A System for Private Information Retrieval in Retrieval-Augmented Generation
University of Washington（华盛顿大学）；University of Central Florida（中央佛罗里达大学）
针对RAG中用户查询暴露的隐私风险，提出PIR-RAG系统，采用粗粒度语义聚类剪枝搜索空间与基于格的PIR协议，实现高效私密检索，并在端到端延迟上优于现有基线。
2025-09-01 cs.AI cs.CR cs.IR
A Storage-Efficient and Robust Private Information Retrieval Scheme Allowing Few Servers
自2000年Katz和Trevisan提出局部可解码码的概念以来，利用局部可解码码可以构造理论上安全的私有信息检索方案已成为一个研究热点。本文利用Kopparty等人提出的多重性码构造了一个拜占庭鲁棒PIR方案。我们的主要贡献是一方面避免了数据库在每台服务器上的完全复制，从而显著降低了全局冗余。另一方面，在PIR背景下比在LDC背景下具有低得多的本地性。这表明存在两个不同的概念：LDC-局部性和PIR-局部性。这是可能的，通过利用几何性质的多重性代码。
2014-12-16 cs.CR
Privacy-Preserving Smart Parking System Using Blockchain and Private Information Retrieval
寻找可用的停车位是司机的一个主要问题，特别是在拥挤的大城市，造成交通拥堵和空气污染，浪费司机的时间。智能停车系统是一种新颖的解决方案，使驾驶员能够获得实时停车信息以进行预订。然而，目前的智能停车场要求驾驶员披露他们的私人信息，例如期望的目的地。此外，现有的计划是集中式的，容易受到单点故障和数据泄露的瓶颈。在本文中，我们提出了一个分布式的隐私保护智能停车系统使用区块链。由不同的停车场所有者创建的联盟区块链，以确保安全性，透明度和可用性，建议将他们的停车服务存储在区块链上。为了保护司机的位置隐私，我们采用了私有信息检索（PIR）技术，使司机能够私下从区块链节点检索停车优惠，而不会透露检索到哪些停车优惠。此外，一个简短的随机签名被用来使司机以匿名的方式预订可用的停车位。此外，我们引入了一个匿名支付系统，无法将司机的停车位与特定的停车位联系起来。最后，我们的性能评估表明，该方案可以保护司机的隐私与低通信和计算开销。
2021-01-27 cs.CR
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
Publicly Verifiable Private Information Retrieval Protocols Based on Function Secret Sharing
本研究提出两种多服务器环境下的公开可验证PIR构造及三种实例化，在点查询中实现低通信成本与强可验证性，在谓词查询中通信复杂度不随数据库规模增长，适用于大规模私有查询。
2025-09-17 cs.CR
Private Information Retrieval and Its Applications: An Introduction, Open Problems, Future Directions
本文综述PIR的基本模型、信息论隐私变体及PSI、PSU、PRUW等概念扩展，并探讨其在分布式学习隐私保护中的应用与未来研究方向。
2023-04-27 cs.CR cs.IT cs.NI
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
Weakly-Private Information Retrieval From MDS-Coded Distributed Storage
本文首次研究MDS编码分布式存储下的弱隐私信息检索问题，提出WPIR协议并刻画下载速率与信息泄露的最优权衡。
2024-01-17 cs.CR 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
Private Information Retrieval on Multigraph-Based Replicated Storage
研究基于多重图的复制存储私有信息检索问题，利用图对称性提出容量下界构造方法，并用线性规划建立通用上界，证明在偶数顶点多路径系统中界限紧致。
2025-05-02 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
Two-Server Private Information Retrieval with Optimized Download Rate and Result Verification
针对不诚实服务器可能返回错误结果的问题，提出多种双服务器场景下兼具信息论隐私与结果验证的PIR方案，支持不同安全级别与密钥类型，以优化下载速率为核心性能目标。
2023-06-08 cs.CR cs.IT math.IT
Extended Combinatorial Constructions for Peer-to-peer User-Private Information Retrieval
我们认为用户私有信息检索（UPIR），一个有趣的替代私人信息检索（PIR）引入Domingo-Ferrer等人。在UPIR中，数据库知道哪些记录已被检索，但不知道查询发布者的身份。UPIR的目标是从数据库中隐藏用户简档。Domingo-Ferrer等人重点是使用对等社区来构建UPIR方案，我们称之为P2P UPIR。在本文中，我们建立了一个加强模型P2P UPIR和澄清的隐私目标，这些计划使用标准的隐私研究领域的术语。特别是，我们认为，任何解决方案提供对数据库的隐私应尽量减少对其他用户的任何相应的隐私损失。我们分析了现有的计划，包括一个新的攻击的数据库。最后，我们介绍和分析了两个新的协议。而以前的工作集中在一种特殊类型的组合设计称为配置，我们的协议使用更一般的设计。这允许协议设置的灵活性，允许在具有动态方案（其中允许用户进入和离开系统）或提供针对其他用户的增加的隐私之间进行选择。
2012-07-03 cs.CR
Private Information Retrieval With Arbitrary Privacy Requirements for Graph-Based Storage
University of Maryland, College Park（马里兰大学帕克分校）
本文重新定义了私有信息检索中隐私的定义，以适应灵活的隐私需求。通过路径图和环形图两种存储设置，探讨了不同隐私设置下的容量界限或精确容量。
2026-05-11 cs.CR cs.IT cs.NI
Bringing Private Reads to Hyperledger Fabric via Private Information Retrieval
Chongqing University of Posts and Telecommunications（重庆邮电大学）
本文提出一种私有信息检索机制，通过在 Hyperledger Fabric 的链码交易中直接执行同态乘法处理加密查询，实现了不泄露访问记录的私有读取，并在延迟和存储开销上验证了其对敏感数据集的实用性。
2025-11-04 cs.CR
Private Retrieval, Computing and Learning: Recent Progress and Future Challenges
我们的大部分生活都在网络空间中进行。人类的隐私概念转化为网络空间中发生的许多功能的隐私概念。本文重点讨论三个这样的功能：如何从网络空间私下检索信息（信息检索中的隐私），如何私下利用大规模分布式/并行处理（分布式计算中的隐私），以及如何从分布在多个用户中的私有数据学习/训练机器学习模型（分布式（联邦）学习中的隐私）。文章激励每个隐私设置，描述了问题的制定，总结了突破性的成果，在历史上的每个问题，并给出了最近的结果，并讨论了一些主要的想法，出现在每个领域。此外，跨部门的技术和三个主题之间的相互联系进行了讨论，以及一组开放的问题和挑战。
2021-07-30 cs.CR cs.DC cs.IR
Applying Private Information Retrieval to Lightweight Bitcoin Clients
轻量级比特币客户端执行简单支付验证（SPV）协议，以验证与特定用户相关的交易的有效性。目前，轻量级客户端使用Bloom过滤器来显著减少验证特定事务所需的带宽量。尽管研究表明，Bloom过滤器不足以保护客户查询的隐私。在本文中，我们描述了我们的设计的SPV协议，利用私人信息检索（PIR）创建完全私人和高性能的查询。我们证明了我们的协议具有低带宽和延迟成本;这些属性使我们的协议成为轻量级比特币客户端和具有类似SPV模型的其他加密货币的可行替代方案。与Bloom过滤器相比，我们基于PIR的方法为用户提供了确定性隐私。在我们的结果中，我们表明，在最坏的情况下，客户端谁想要验证100个交易发生在过去的一周内产生的带宽成本为33.54 MB与相关的延迟约4.8分钟，当使用我们的协议。使用基于Bloom-filter的SPV协议执行相同的查询会导致12.85 MB的带宽开销;考虑到它提供的隐私保证，这是一个适度的开销。
2020-08-26 cs.CR
Versatile and Fast Location-Based Private Information Retrieval with Fully Homomorphic Encryption over the Torus
提出基于环面全同态加密的位置 PIR 系统 VeLoPIR，通过三种查询模式、多级并行优化及 CPU/GPU 扩展，在保护位置隐私的同时较基线最高加速 11.55 倍。
2025-06-15 cs.CR cs.IR
RAPID: Retrieval Augmented Training of Differentially Private Diffusion Models
Stony Brook University（石溪大学）；Pennsylvania State University（宾夕法尼亚州立大学）
针对现有差分隐私扩散模型（DPDMs）训练存在效用损失大、内存占用高和推理成本昂贵的问题，提出RAPID方法，将检索增强生成（RAG）集成到DPDM训练中，利用公共数据构建轨迹知识库辅助私有数据训练，在相同隐私保证下显著提升生成质量并降低资源成本。
2025-02-18 cs.CR cs.CV cs.LG
Cache-Aided Private Information Retrieval with Partially Known Uncoded Prefetching: Fundamental Limits
我们考虑的问题，私人信息检索（PIR）从$N$非串通和复制的数据库，当用户配备了一个高速缓存，持有一个未编码的分数$r$的符号从每个$K$存储在数据库中的消息。该模型在两个阶段的计划，即，预取阶段，用户获取边信息和检索阶段，用户私下下载所需的消息。在预取阶段，用户从$n$数据库接收每个消息的$\frac{r}{N}$未编码部分。该辅助信息仅对$n$第数据库是已知的，而对其余数据库是未知的，即，用户拥有\emph{partially known}辅助信息。我们研究了检索阶段的最佳归一化下载成本$D^*(r)$作为$K$、$N$、$r$的函数。我们开发的最佳下载成本的下限和上限。对于非常低的高速缓存率（$r \leq \frac{1}{N^{K-1}}$）和非常高的高速缓存率（$r \geq \frac{K-2}{N^2-3N+KN}$）的情况，边界通常匹配。我们充分表征了$K=3$的最佳下载成本缓存比权衡。对于一般的$K$，$N$和$r$，我们表明，最大的差距之间的可扩展性和逆界是$\frac{5}{32}$。
2017-12-18 cs.CR cs.DC cs.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
Synthetic Query Generation for Privacy-Preserving Deep Retrieval Systems using Differentially Private Language Models
Stanford University（斯坦福大学）；Google Inc.（谷歌公司）；Google Research（谷歌研究院）；Google DeepMind（谷歌DeepMind）
针对深度检索系统直接差分隐私训练困难的问题，提出先用差分隐私语言模型生成私有合成查询，再用于训练，显著提升检索质量并保持隐私保证。
2024-05-23 cs.CL cs.CR cs.IR
Symmetric Private Information Retrieval For MDS Coded Distributed Storage
用户希望从数据库中检索一个文件而不泄露在数据库中检索到的文件的身份，这被称为私有信息检索（PIR）问题。如果进一步要求用户除了所需文件之外不获得关于数据库的信息，则引入对称私有信息检索（SPIR）的概念以保证双方的隐私。本文利用$(N,M)$ -MDS存储代码，研究了$N$节点间分布式存储数据库的SPIR问题。SPIR的信息理论容量，定义为每个下载的符号检索所需的文件的符号的最大数量，为编码数据库的推导。证明了当分布式节点共享的公共随机数（用户不可用）至少为文件大小的$\frac{M}{N-M}$倍时，编码数据库的SPIR容量为$1-\frac{M}{N}$.否则，编码数据库的SPIR容量等于零。
2016-10-14 cs.CR cs.IR cs.IT
Private Counterfactual Retrieval With Immutable Features
University of Maryland（马里兰大学）
本文研究不可变私有反事实检索（I-PCR）问题，即用户在不更改不可变特征且对机构保持信息论隐私的前提下检索最近反事实，提出两种基于PIR的方案并分析其通信成本与信息泄露。
2024-11-15 cs.CR cs.IT cs.LG
Dual Protection Ring: User Profiling Via Differential Privacy and Service Dissemination Through Private Information Retrieval
本文提出双环保护机制，结合差分隐私用户画像与私有信息检索，在提供个性化服务的同时抵御行为攻击和画像监控等隐私威胁，并通过移动应用验证其可行性。
2025-06-16 cs.CR
Efficient DPF-based Error-Detecting Information-Theoretic Private Information Retrieval Over Rings
本文提出一种基于环的信息论ED-PIR方案，利用素数幂阶信息论DPF克服了传统APIR的限制，显著减少密钥大小并提升效率，同时降低通信开销，为隐私保护的数据检索提供新框架。
2026-04-01 cs.CR cs.IT math.IT
Differentially Private Synthetic Text Generation for Retrieval-Augmented Generation (RAG)
NEC Corporation（日本电报电话公司）；Institute of Science Tokyo（东京科学研究院）；RIKEN Center for Advanced Intelligence Project（理化学研究所先进智能项目中心）
本文提出DP-SynRAG框架，通过生成差分隐私合成RAG数据库提升隐私保护下的RAG性能，避免重复噪声注入并保持固定隐私预算。
2026-05-12 cs.CL cs.CR cs.LG
Private Retrieval Augmented Generation via Random Projection
University of Chicago（芝加哥大学）
本文针对RAG系统的数据存储库隐私风险，提出基于随机投影的轻量方法，在保留语义相似性的同时缓解数据提取攻击，性能优于差分隐私方法，可作为隐私保护RAG的实用基线。
2026-10-16 cs.AI cs.CR
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
Noisy Private Information Retrieval: On Separability of Channel Coding and Information Retrieval
我们考虑的问题，嘈杂的私人信息检索（NPIR）从$N$非通信数据库，每个存储相同的一组$M$消息。在此模型中，答案字符串不是通过无噪声位管道返回，而是通过\emph{noisy}无记忆通道返回。我们的目的是在表征PIR容量为这个模型作为一个函数的统计信息措施的噪声信道，如熵和互信息。我们推导出一个一般的上限检索率的最大最小优化的形式。我们使用可实现的计划下的非对称交通约束和随机编码参数的PIR问题，推导出一个一般的下限检索率。对于$M=2$和$M=3$、任何$N$和任何噪声通道，上限和下限匹配。结果表明，除了从数据库中调整业务量比率之外，信道编码和检索之间的分离是最优的。我们将其称为\emph{almost separation}。接下来，我们考虑从多个访问信道（MAC-PIR）的私人信息检索问题。在MAC-PIR中，数据库响应通过以随机方式将响应混合在一起的多路访问信道（MAC）到达用户。我们发现，对于加性MAC和合取/析取MAC，信道编码和检索方案是\emph{inseparable}不同于在NPIR。我们发现，检索方案取决于MAC的属性，特别是在线性方面。对于这两种情况下，我们提供的计划，实现了充分的能力，没有任何损失，由于隐私约束，这意味着用户可以利用的性质，以提高隐私的渠道。最后，我们表明，完全无约束的能力并不总是可以通过确定的选择信道的容量。
2018-07-16 cs.CR cs.IT math.IT
Quantum Private Information Retrieval from Coded and Colluding Servers
在经典的私有信息检索（PIR）设置中，用户想要从数据库或分布式存储系统（DSS）中检索文件，而不向保存数据的服务器泄露文件身份。在量子PIR（QPIR）设置中，用户通过从服务器接收量子信息来私下检索经典文件。Song \emph{et al.}已经在复制服务器的情况下处理了QPIR问题，无论是没有共谋还是除了一个服务器之外的所有服务器都共谋。在本文中，QPIR设置扩展到占最大距离可分离（MDS）编码服务器。所提出的协议适用于任何$[n,k]$ -MDS码和$t$ -勾结与$t=n-k$。类似于前面的情况下，所实现的速率优于那些已知的或在经典的同行中所描述的。此外，它演示了如何适应协议可以实现显着更高的检索率从DSS编码的本地可修复代码（LRC）与不相交的修复组，其中每个是一个MDS代码。
2020-08-07 cs.CR cs.IR cs.IT
Private Information Retrieval in Graph Based Replication Systems
在专用信息检索（PIR）协议中，用户可以从数据库下载文件，而不向每个单独的服务器泄露文件的身份。如果即使服务器中的$t$相互勾结，文件的身份仍保持隐藏，则PIR协议称为$t$ -私有。基于图的复制是一种简单的技术，在理论和实践中都很流行，用于实现存储系统中的擦除鲁棒性。在这种技术中，每个文件都被复制到两个或多个存储服务器上，从而产生一个（超）图结构。本文研究了基于图的复制系统中的私有信息检索协议。这项工作的主要兴趣是最大限度地提高参数$t$，特别是，了解的勾结集出现在一个给定的图的结构。我们的主要贡献是一个$2$ -复制计划，保证完美的隐私，从非循环集的图，并保证部分隐私的存在下，循环。此外，通过提供一个上界，它表明，该计划的PIR率是最多的一个因素，从它的最佳值为一个重要的家庭的图。最后，我们将我们的结果扩展到更大的复制因子和基于图的编码，这是一种类似的技术，具有更小的存储开销和更大的PIR率。
2019-03-04 cs.CR cs.IT math.IT
Provably-secure symmetric private information retrieval with quantum cryptography
私有信息检索（PIR）是一种提供用户隐私的数据库查询协议，因为用户可以学习他感兴趣的数据库的特定条目，但他的查询将对数据中心隐藏。对称私有信息检索（SPIR）通过额外提供数据库隐私来进一步实现PIR，其中用户无法了解数据库的任何其他条目。具有多个数据库的无条件安全的SPIR解决方案是经典的，但是是不现实的，因为它们需要各方之间的长时间共享密钥以用于安全通信和协议中的共享随机性。在这里，我们建议使用量子密钥分发（QKD），而不是一个实际的实现，它可以实现安全通信和共享的随机性要求。我们证明了量子密钥分配保持了SPIR协议的安全性，并且对任何外部窃听者也是安全的。我们还展示了如何在实际中实现这样的经典量子系统，使用两个数据库的SPIR协议与测量设备无关的QKD产生的密钥的例子。通过密钥速率计算，我们表明，这样的实现是可行的，在城市一级与当前的QKD技术。
2021-01-18 cs.CR cs.IR quant-ph
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
The Capacity of Robust Private Information Retrieval with Colluding Databases
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。PIR的信息理论容量（等效地，最小下载成本的倒数）是每比特下载信息可以被私有地检索的期望信息的最大比特数。$T$ -私有PIR是PIR的一种概括，包括这样的要求：即使$N$数据库中的任何$T$相互勾结，检索到的消息的身份对它们来说仍然是完全未知的。鲁棒PIR是另一种概括，指的是我们有$M \geq N$数据库的场景，其中任何$M - N$都可能无法响应。对于$K$消息和$M\geq N$数据库，其中至少有一些$N$必须响应，我们表明，$T$ -私人和强大的PIR的能力是$\left(1+T/N+T^2/N^2+\cdots+T^{K-1}/N^{K-1}\right)^{-1}$。结果包括作为特殊情况下的能力PIR没有鲁棒性（$M=N$）或$T$隐私约束（$T=1$）。
2016-05-02 cs.CR cs.IR 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
Symmetric Private Information Retrieval (SPIR) on Graph-Based Replicated Systems
该研究针对图结构复制数据库的SPIR场景，提出可实现方案得到一般图的SPIR容量下界，证明了消息特定随机性的最小规模要求，并推导出路径图与正则图的精确SPIR容量。
2025-09-03 cs.CR cs.DB cs.IT
VIPIR: A Versatile GPU Framework for Integrating Private Information Retrieval Protocols
Seoul National University（首尔大学）；NVIDIA（英伟达）；Cornell University（康奈尔大学）
提出VIPIR框架，通过GPU加速和统一分析模型，设计两种新协议结合互补技术，采用ExpPack压缩方法，优化NTT和GEMM核心操作，实现大规模PIR的高吞吐、低通信和内存开销。
2026-06-11 cs.CR
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
Private Anytime Selective-Risk Certification for Federated Retrieval-Augmented Generation: Guarantees and Empirical Limits
Iowa State University（爱荷华州立大学）
本研究提出Fed-SRC这一适用于联邦RAG的私有任意时刻选择性风险认证方法，经实验验证其在多数场景下可满足风险保证，性能优于对比方法。
2026-08-11 cs.AI cs.CR
DP-RDM: Adapting Diffusion Models to Private Domains Without Fine-Tuning
Meta AI；Mila - Québec AI Institute（米拉-魁北克人工智能研究所）；McGill University（麦吉尔大学）
针对文本到图像扩散模型的样本级记忆隐私问题，提出无需微调的DP-RDM算法，通过DP检索机制用私有数据增强提示，在MS-COCO上以ε=10的隐私预算实现FID较公开检索提升3.5点。
2024-05-13 cs.CR cs.CV cs.LG
Private Function Retrieval
云计算服务的广泛使用提出了一个问题，即如何将处理任务委托给不受信任的分布式方，而不侵犯其数据和算法的隐私。出于算法的隐私问题在分布式计算系统中，在本文中，我们介绍了私人功能检索（PFR）的问题，用户希望有效地检索一个线性函数的$K$消息从$N$非通信复制服务器，同时保持隐藏的功能，从每个单独的服务器。目标是找到一个具有最小通信成本的方案。为了表征通信成本的基本限制，我们将PFR问题的容量定义为可以私下检索的消息的大小（这是一个文件的大小）归一化到所需的下载信息位。我们首先表明，对于PFR问题的$K$消息，$N=2$服务器和一个线性函数与二进制系数的能力是$C=\frac{1}{2}\Big(1-\frac{1}{2^K}\Big)^{-1}$。有趣的是，这是从$N=2$服务器检索其中一个$K$消息的能力，同时保持对每个单独的服务器隐藏所请求消息的索引，这个问题被称为私有信息检索（PIR）。然后，我们将所提出的可实现方案推广到任意数目的服务器和系数的情况下，在字段$GF(q)$与任意$q$和获得$R=\Big(1-\frac{1}{N}\Big)\Big(1+\frac{\frac{1}{N-1}}{(\frac{q^K-1}{q-1})^{N-1}}\Big)$。
2017-11-15 cs.CR cs.IT math.IT
Multiround Private Information Retrieval: Capacity and Storage Overhead
能力最近已被表征为私人信息检索（PIR）的问题，以及它的几个变种。在每种情况下，都假设所有查询都是由用户同时生成的。在这里，我们考虑多轮PIR，其中允许每轮中的查询依赖于前一轮中收到的答案。我们表明，多轮PIR的容量是相同的单轮PIR的容量（结果被推广到还包括$T$ -隐私约束）。结合以前的结果，这表明，有没有从多轮单轮计划，非线性的线性计划或从$ε$ -错误的零错误计划的容量优势。然而，我们通过一个例子表明，在存储开销方面有一个优势。我们提供了一个多轮，非线性，$ε$错误PIR计划，需要严格小于最好的单轮，线性，零错误PIR计划的存储开销的例子。
2016-11-07 cs.CR cs.IR cs.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
Improved Storage for Efficient Private Information Retrieval
本文研究了从$N$ \emph{storage-constrained}数据库中进行私有信息检索的问题。在该问题中，用户希望从$M$消息（大小为$L$）中检索单个消息，而不向各个数据库泄露关于消息的身份的任何信息。每个数据库存储$μML$符号，即，整个文库的$μ$部分，其中$\frac{1}{N} \leq μ\leq 1$ .我们的目标是表征存储成本（由$μ$捕获）和归一化下载成本（$D/L$）的最佳折衷曲线。我们表明，下载成本可以降低采用混合存储方案，结合\emph{MDS coding}的想法与\emph{uncoded partial replication}的想法。当没有编码时，我们的方案减少到Attia-Kumar-Tandon存储方案，这是最初由Maddah-Ali-Niesen在缓存问题的上下文中引入的，当没有未编码的部分复制时，我们的方案减少到Banawan-Ulukus存储方案;一般来说，我们的方案优于两者。
2019-08-29 cs.CR cs.DB cs.IT
Authenticated Sublinear Quantum Private Information Retrieval
本文研究可认证的次线性 QPIR，借助量子相对熵等给出更紧通信下界，并提出单服务器、多服务器等后量子安全协议。
2025-07-26 cs.CR quant-ph
Capacity of Quantum Private Information Retrieval with Multiple Servers
研究了多服务器量子私有信息检索系统的容量问题。在具有多个服务器的QPIR问题中，用户通过从多个服务器下载量子系统来检索经典文件，每个服务器包含经典文件集的副本，而下载文件的身份不会泄露给每个服务器。QPIR容量被定义为文件大小在下载的量子系统的整个维度上的最大比率。当假设服务器共享先验纠缠时，我们证明了多服务器的QPIR容量为1，而不管服务器和文件的数量。我们构造了一个只有两个服务器的速率一协议。该协议在容量、服务器保密性和上传成本等方面都优于经典协议。在不使用任何保密条件的情况下，简洁地导出了强逆界。我们还证明了多轮QPIR的容量为1。
2021-01-20 cs.CR cs.IT math.IT
Local Private Information Retrieval: A New Privacy Perspective for Graph-Based Replicated Systems
University of Maryland, College Park（马里兰大学帕克分校）
本文重新定义了图基复制系统中多服务器私有信息检索的隐私概念，提出局部用户隐私的新框架，并通过分析不同图结构的容量，探讨局部PIR在通信效率上的提升。
2026-05-11 cs.CR cs.IT cs.NI
The Asymptotic Capacity of Byzantine Symmetric Private Information Retrieval and Its Consequences
针对现有文献中拜占庭服务器定义不一致的问题，本文重新定义了拜占庭服务器，推导出无限消息情形下拜占庭对称私有信息检索容量的上界，并构造了达到该上界的方案，从而确定了该问题的渐近容量。
2025-01-28 cs.CR cs.IT cs.NI
