该论文提出了Zelda，一种高效的多服务器预处理私有信息检索（PIR）方案，具有无条件安全性。传统无预处理的PIR方案每个客户端查询需要线性服务器计算。近年来的工作表明，通过一次性预处理阶段，可以绕过这一障碍，实现亚线性计算且无需密码学假设。Beimel等人（CRYPTO'00）首次展示了一族方案，其带宽和计算随服务器数量S的增大以n^{O(1/S)}的速度增长，但每个服务器必须存储数据库的编码版本，且编码长度随S急剧增长，导致不实用。Singh等人（TCC'24）实现了类似的带宽缩放但避免了服务器空间膨胀，他们依赖客户端特定预处理，但有状态客户端存储提示，服务器只存储原始数据库，然而该方案因依赖Dvir和Gopi的PIR而完全不实用。Zelda是第一个具体高效、信息论安全的多服务器PIR方案，具有亚线性计算。理论方面，作者提出了一个统一框架，用于构建具有客户端特定预处理的多服务器PIR，得到一族参数化方案，渐近性能优于所有先前的构造（包括Singh等人和Ishai等人）。实践方面，Zelda概念简单、自包含，不依赖任何底层PIR。作者实现了Zelda并开源代码，与最先进的PIR方案QuarterPIR（依赖伪随机函数）进行了对比实验。结果表明，在典型光纤链路下，Zelda在在线响应时间和客户端空间方面优于QuarterPIR，代价是离线维护操作成本增加。

本文针对单服务器私有信息检索（PIR）在预处理场景下的计算下界进行了研究。已有工作表明，单服务器PIR若实现亚线性通信，则每个查询需要线性数量的（公钥）服务器操作。近期的突破性工作通过利用预处理成功构造了查询计算亚线性的单服务器PIR，从而规避了这些下界。本文给出了任何基于黑盒密码学（如随机预言机、虚拟黑盒混淆）的预处理单服务器PIR的计算下界。具体地，对于客户端存储s比特关于n比特数据库的预处理方案，我们证明在线摊销计算量至少为Ω(n/s)，该下界在k=Ω(s)次查询（即使在一个批量查询中执行）下成立。更详细地说，我们证明要么在线摊销通信为Ω(n/s)，要么服务器必须执行Ω(n/s)次密码学操作。这些下界是最优的，因为存在匹配上述要求之一而超越另一个的预处理PIR构造。此外，我们的下界还排除了从黑盒密码学构造具有亚线性查询计算的完全高效PIR（doubly efficient PIR）的可能性。我们的证明框架还支持三类弱限制单服务器PIR的Ω(n/s)通信下界。我们还证明了随机预言机模型下带客户端预处理的对称私有信息检索（SPIR）的下界，并给出了一个仅需在查询中使用OWF的匹配预处理SPIR构造。本文主要适合研究隐私保护计算、密码学理论及数据安全访问的学者和安全工程师阅读。

该论文提出并实现了一个确定性的取证预处理框架，旨在解决数字取证调查中异构网络数据集（如来自入侵检测系统、物联网设备和企业流量日志的数据）的预处理问题。当前面临的挑战包括：不同来源的数据模式和时间戳格式不一致，导致证据关联和时间线重建困难；临时性的预处理方法无法保证跨运行的一致性，产生可重复性差距，进而影响证据的可采性。论文的主要贡献包括：首先，形式化定义了三种预处理转换操作——模式规范化（统一字段名和数据类型）、时间规范化（将异构时间戳转换为统一格式）和溯源追踪（记录数据来源和处理历史）。这些转换基于集合论定义，并通过四个定理证明了确定性、信息保存性和溯源的完整性。其次，实现了一种基于块的架构，将内存复杂度控制在 O(c) 级别（c 为常数），从而能够处理大规模数据集。第三，在三个公开数据集（UNSW-NB15、IoT-23 和 TON_IoT）上进行了实验验证，结果表明：多次重复运行产生100%一致的输出；面对多种时间戳格式，时间规范化完整性达到100%；能够处理从数百万到数亿条记录的大规模数据，且性能可扩展。该框架为数字取证提供了一种可重复、可验证的预处理基础，有助于提升证据的可信度和司法可采性。论文面向数字取证研究人员、安全分析师和证据处理工具开发者，属于基础设施型研究。由于仅有摘要，对实现细节和定理的全面理解需阅读全文。