本文针对单记名可转移投票（STV）这一多席位偏好比例选举系统，研究其边际计算问题。STV选举的边际是指改变获胜者集合所需的最小选票操纵数量。精确计算边际或其合理下界，对于实施风险限制审计（RLA）至关重要，因为边际知识可用于评估选举结果是否受到偶然错误或故意操纵的影响。现有的边际下界算法虽然可行，但在实际选举中计算的下界往往过低，导致基于不匹配的风险限制审计难以实用。作者在已有算法基础上提出了显著改进：通过优化搜索策略、剪枝技术和数据结构，使得在真实STV选举数据上能够计算出更高的下界。实验表明，改进后的算法能有效提升下界值，从而让基于不匹配的RLA在更多选举场景中变得可行。该研究为选举安全审计提供了更实用的工具，有助于验证选举结果的正确性。

ElectionGuard是一个由微软研究院开发的密码学工具包，旨在为选举系统提供端到端的可验证性。该工具包基于同态加密和零知识证明等密码学技术，允许选民验证自己的选票是否被正确记录，同时保护选票的机密性。论文详细描述了ElectionGuard的设计架构，包括选举设置、投票、选票加密、选票提交、结果验证等核心流程。通过使用分布式密钥生成和阈值解密，系统确保即使部分权威机构被攻破，选举结果仍可被独立验证。实验表明，该工具包在性能上可满足实际选举需求，同时提供了严格的安全证明。ElectionGuard已开源，并被用于一些实际试点项目，为提升选举透明度和公众信任提供了技术基础。

该论文关注电子投票系统的可验证性问题。传统上，可验证性依赖于复杂的密码学协议，选民难以自行验证。作者提出了一种基于简单表格的可验证投票方案，选民只需进行基本的检查步骤（如匹配数字、核对表格）即可验证投票的正确性，几乎无需密码学知识。论文详细描述了表格生成、投票、计票和验证的流程，并通过形式化方法证明了方案满足可验证性要求。实验表明，该方法在保持安全性的同时显著降低了选民理解门槛，适合在资源受限或低技术环境的选举中应用。

本论文针对选举后风险限制审计（RLA）中存在的两个关键问题提出了创新解决方案。RLA是一种严格的统计审计程序，能够以预设的高概率确保错误选举结果被检测到。传统RLA需要一份准确且软件独立的选票批次清单（ballot manifest），但实际选举中批次大小通常只能粗略估计，微小的不准确性（与竞选差距相当）就会使传统RLA失效。精确建立清单往往需要处理所有选票，成为RLA的主要成本。论文提出两项新技术：1）一种统计机制，用于验证不可信制表系统报告的批次大小是否构成准确清单，从而从粗糙清单出发以亚线性工作量引导出精确清单；2）一类新型RLA——直接选票选择（direct ballot selection），该方法反转传统比较流程，随机选取选票并与投票记录对比，需要新的统计测试来检测标识符重复，但能有效支持没有顺序标识符的选举。实验表明，在3%竞选差距和大规模人口条件下，清单创建时间可大幅减少，总体审计时间降低至少一个数量级；在1%微小差距下，直接选票选择在选票样本复杂度上比Minerva方法（Security 2022）提升55%。这些技术显著降低了多种选举场景下RLA的复杂度。