本文提出了一类在单侧假设下高效实现的模糊隐私集合交集（Fuzzy PSI）协议，解决了现有方案在通用闵可夫斯基距离下依赖强双侧几何分离假设或开销过高的问题。模糊 PSI 允许两方在不泄露额外信息的前提下，找出输入集合中距离不超过阈值 δ 的近似匹配元素。作者首次在仅依赖轻量级对称密钥原语的单侧假设下，为一般 L_{p∈[1,∞]} 距离构造了具体高效的协议，并同时支持发送方侧和接收方侧设置。针对更稀疏的输入分布，论文还设计了专门优化的版本。为降低随 δ 增长的开销，作者创新性地将前缀字典树技术融入协议，首次实现了对于一般 L_{p∈[1,∞]} 距离的 O(log δ) 复杂度，优于先前工作的 O((log δ)^d) 或 O(δ) 复杂度。实验覆盖广泛参数设置，结果表明在相同假设下，该协议显著优于已有工作：与 van Baarsen 和 Pu（EUROCRYPT'24）相比，计算速度最高提升 239 倍，通信量最高降低 20 倍；与 Dang 等人（CCS'25）相比，最高提速 518 倍，通信减少 63 倍；与 Bui 等人（ASIACRYPT'25）相比，最高提速 4818 倍，通信降低 282 倍。该工作为模糊 PSI 的实际部署提供了更优的性能基线，适合对安全多方计算、隐私集合交集及其应用（如社交网络联系人匹配、基因组比对等）感兴趣的研究人员和工程人员阅读。

本文提出面向可扩展模糊隐私集合求交（Fuzzy PSI）的高效协议，支持一般 L_p (p∈[1,∞]) 距离度量，并适用于低维和高维数据集。核心贡献是设计了两种高效的模糊匹配协议：第一种基于角色反转的不经意伪随机函数（OPRF），将计算开销从以往工作的 O((log δ)^d) 降低至 O(d log δ)；第二种利用定制的不经意传输（OT），开销为 O(dℓ)，ℓ 为输入比特长度，特别适合短输入场景。基于这些基础协议，作者进一步提出一种新的双层哈希框架，用于低维集合的模糊 PSI，并以基于 OT 的模糊匹配进行实例化，同时引入域缩减优化。整体协议的开销与 n、m、log δ、2^d 呈线性关系，消除了先前工作中 O((log δ)^d) 或 O(δ) 的因子。对于高维集合，作者构建了基于 OPRF 和 OT 模糊匹配的模糊 PSI 协议，其渐近开销与 n、m、d、log δ 线性相关，但依赖于较强的全局不相交假设。大量实验评估表明，与 van Baarsen 和 Pu（ASIACRYPT'25）相比，所提协议在运行时间上最高加速 145 倍，通信成本最高降低 20 倍；与 Piske 等人（CCS'25）相比，运行时间最高加速 25 倍，通信成本最高降低 17 倍。该研究显著提升了模糊 PSI 的可扩展性，为隐私保护的数据匹配应用（如基因组比对、用户匹配）提供了更高效的解决方案，适合密码学、安全多方计算及隐私计算领域的研究者和工程人员阅读。

本文研究了模糊标签私有集合交集（FLPSI）协议中的可靠性问题。FLPSI允许接收方学习与查询相似的已注册记录的标签，而不会泄露其他信息。现有基于集合阈值归约的构造通过一个内部集合阈值内核来委托私有匹配，但该内核在同态形式下（结合层级BFV同态加密、混淆电路和秘密共享）存在组合间隙：每个试匹配都有假接受概率，而一次查询需要对每个记录运行一次试匹配，因此错误会随数据库规模累积，导致内核的实现可靠性误差（RSE）——即内核接受明文匹配器本应拒绝的查询的比率。作者将RSE形式化为可组合安全属性，并给出了接收方优势的闭式界。为消除这一间隙，提出了CSTPSI内核，该内核运行独立的令牌轮次，将单次试匹配的界提升至匹配幂次。在百万级数据库规模下，两轮令牌即可满足要求；十亿级规模下需要三轮，工程阈值设为10^{-6}。实验表明，在百万记录规模下，基线内核的RSE达到100%，而CSTPSI在所有测试配置中RSE保持为0。对于中等规模的大标签场景，CSTPSI比基线快20倍以上，通信量减少93%，仅在百万级规模下性能才与基线持平。该实现附带一键可重现脚本，已公开。本文适合隐私计算、密码学协议研究者阅读。