本文针对模糊私有集合交集（Fuzzy Private Set Intersection, FPSI）问题提出了新的协议。FPSI允许两方在不泄露各自集合元素的情况下，找出在某种距离度量下相近的元素对。此前的工作要么在阈值δ上呈线性复杂度，要么仅支持L∞距离，或者依赖昂贵的加法同态加密（AHE）来实现一般Lp距离的对数复杂度。本文首次在不使用AHE的前提下，实现了对于一般Lp距离（p∈[1,∞]）的严格对数复杂度（即O(log δ)），这在理论上达到了最优的阈值缩放（因为区分区间长度为O(δ)的值至少需要Ω(log δ)比特信息）。核心方法是将模糊匹配转化为前缀表示，并通过等式条件交互式地确定正确的前缀。作者设计了一系列仅需不经意传输（OT）和对称密钥原语即可高效实现的新组件。基于这些组件，分别提出了适用于低维和高维场景的两种协议（基于“apart”和“separate”假设）。实验表明，与现有最先进的支持一般Lp距离的FPSI协议相比，运行时间加速最高达43.7倍，通信开销降低最高达31.3倍。该工作为隐私保护下的近似集合匹配提供了高效的理论与实用方案。