该论文提出了一种名为“批量差分隐私信息检索”（Batched Differentially Private Information Retrieval）的新方法，旨在解决在信息检索场景下保护用户隐私与可用性之间的平衡问题。传统信息检索（如数据库查询）可能泄露用户的查询模式，而完全加密或混淆的检索方法又往往带来高昂的计算和通信开销。差分隐私（Differential Privacy, DP）为查询结果提供形式化的隐私保证，但直接将其应用于信息检索时，通常需要对每次查询注入噪声，这会导致批量查询时的累积误差过高，降低数据实用性。论文的核心贡献在于设计了一种批量处理机制，使得在一组查询任务上整体的隐私预算可以得到更合理的分配，并通过引入可证明的隐私与精确性权衡，减少了为实现相同隐私保护级别所需的噪声量，从而提升了查询结果的准确性和系统的整体效率。文中可能还探索了该协议与私有信息检索（PIR）技术的结合，使得服务器在无法观察单个查询内容的前提下，仍能对批量查询施加差分隐私保护。该工作适合对隐私增强技术、差分隐私机制设计、私有信息检索协议及数据安全研究感兴趣的研究人员和工程师阅读，但当前仅为初稿阶段的摘要，尚未提供完整的实验细节或正式的安全证明，因此成果的有效性仍需后续版本或完整论文来验证。

本文重新审视了多服务器图复制系统中的私有信息检索(PIR)隐私定义，提出一种仅由服务器存储结构决定的、更贴合实际需求的“局部用户隐私”(local user privacy)模型。经典图复制PIR要求用户检索某条消息时，必须对所有服务器隐藏消息索引，而本模型只要求对确实存储了该条消息的服务器隐藏索引，其他服务器无需保密。研究聚焦于两复制系统：每条消息被复制两份，存放在两个不同的服务器上，服务器之间的存储关联可用简单图（顶点为服务器，边表示一条消息同时存储于两个端点）或对应的多重图表示。核心贡献包括：在简单图和多重图存储结构下给出了局部PIR容量（即每下载一个符号所能获取的消息符号数）的上/下界；证明局部隐私约束相对于经典PIR能带来显著的容量增益。特别地，当图为多个相同子图的并集时，容量增益是子图数量的倍数。对连通图，针对边传递图和二部图给出了高于已知经典PIR容量下界的下界，并通过建立匹配的上界，精确刻画了星图、环图以及奇数顶点路径图的局部PIR容量。作者还设计了两种适用于一般图的两服务器局部PIR方案，为理论界限提供了可达性构造。该研究为分布式系统中的隐私检索提供了新的理论工具，也启发在复制存储中去掉不必要的全局隐私约束，从而获得更好的通信效率。

本文提出一种针对机器学习模型审计的防操纵协议，旨在解决模型提供方在审计过程中可能故意或无意地操纵评估结果的问题。在监管审计等场景中，审计行为通常会被声明或容易暴露，模型提供方可能借此推断审计所关注的敏感属性，并策略性地调整不同组别之间的资源分配率以满足公平性指标，从而规避真正的公平性审查。为此，作者利用私有信息检索（Private Information Retrieval）机制设计了一种新的审计流程：审计方可以以“ oblivious”方式查询模型，要求提供方对大量实例进行标注，但提供方无法得知其中哪些子集最终会被用于审计。该协议不要求修改被审计模型本身、其训练流程或推理管线，只对审计方增加极小的额外开销。作者提供了理论保证，证明在该协议下，若提供方试图隐藏不公平性，就必须伪造数量明显更多的响应，从而同时增加了操纵的难度与被发现的概率。实验在多种代表性审计场景中验证了该方法的有效性和实用性。对于关注算法治理、模型公平性验证以及对抗性审计的从业者而言，本文提供了一种可落地的审计增强方案，无需改动现有模型即可显著提高审计结果的可靠性。

本文是一篇关于分布式点函数（Distributed Point Function, DPF）及其推广形式——函数秘密共享（Function Secret Sharing, FSS）的综述性论文。DPF 是一种密码学原语，它允许两方或多方对一个秘密的权重为 1 的向量（等价于一个点函数）进行压缩形式的加性秘密共享。其核心价值在于：相比于直接共享整个向量，DPF 的共享体积非常小，同时仍能支持高效的求值操作。这种轻量级结构使得 DPF 在多个领域得到广泛应用，包括：私有信息检索（PIR）、匿名消息传递（如匿名投票或电子投票）、具有预处理阶段的安全计算协议，以及伪随机相关生成器——即利用小规模的随机种子扩展出大量伪随机的密码学相关实例，用于加速安全多方计算等任务。论文进一步讨论了从 DPF 到 FSS 的自然扩展，FSS 不再局限于点函数，而是支持更丰富的函数类别（如比较函数、区间函数等），同时保持类似的效率优势。高效的 FSS 构造能够将 DPF 的许多应用推广到更通用的场景，从而提升这些隐私保护协议的表达能力和实用性。文中系统梳理了 DPF 和 FSS 的定义、已知构造方法以及典型应用，并展望了开放问题。对于密码学研究者、隐私计算工程师以及关注数据安全与隐私保护的从业者而言，本文是一份重要的参考资料，也为后续在安全协议设计中选用合适的秘密共享工具提供了理论指导。

该论文提出了一种增量式离线/在线私有信息检索（PIR）协议，旨在降低传统PIR方案在重复查询场景下的通信和计算开销。核心思想是将PIR过程分为两个阶段：离线阶段预先处理数据库并生成辅助数据；在线阶段利用离线结果快速响应查询，同时支持增量更新（即数据库元素动态增删改时仅需局部调整辅助结构）。作者给出了形式化安全定义，并构造了基于同态加密和布谷鸟哈希的具体实例，实验表明在百万级数据库上通信量较现有方案降低约一个数量级。该工作对需要频繁查询的大规模数据库安全检索具有实际意义。

本文研究基于图复制（graph-based replication）的分布式存储系统中的私有信息检索（Private Information Retrieval, PIR）问题。在传统G-PIR中，客户端需通过查询-响应协议从服务器获取文件，且不向任何数据库泄露文件索引，目标是最大化速率（总下载量的倒数）。先前工作假设完美信息论隐私（零泄露），但本文首次系统研究弱隐私约束下的图存储PIR，即Graph-based Weak Private Information Retrieval（G-WPIR）。作者提出一种适用于任意图的G-WPIR方案，该方案采用最小子包化（minimal subpacketization）以符合文件大小约束，并通过简单的概率查询实现来平滑调节速率与隐私之间的权衡。方案在两种常见泄露度量——互信息泄露（mutual information leakage）和最大泄露（maximal leakage）下刻画了可达的速率-隐私权衡曲线。此外，针对完全图和完全二分图两类特殊图结构，对方案进行扩展并推导了相应的权衡关系。本文贡献在于：1）正式定义了G-WPIR问题模型；2）泛化通用方案并给出性能分析；3）为实际系统设计提供了理论指导，证明放松隐私要求可显著提升检索效率。读者对象为信息安全、编码理论及分布式系统领域的研究人员。

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。

该论文提出了SlicedPIR，一种分布式私有信息检索（PIR）协议。传统PIR协议中，服务器需要承担繁重的同态加密计算，导致性能瓶颈。SlicedPIR通过将服务器计算负载卸载到多个不可信的客户端机器上，有效缓解了这一瓶颈。与以往工作相比，SlicedPIR在卸载计算时仅引入适度的网络开销。其核心创新在于利用PIR协议中常用的同态加密方案的多项式编码特性，使服务器能够新颖地使用数论变换（NTT）将多项式上的点作为数据的“切片”进行分发，而非分多项式本身。客户端处理其切片上的递归PIR查询，并将简洁结果返回给服务器。服务器通过Schwartz-Zippel引理高效验证客户端结果（该引理被适配到PIR场景）。论文展示了如何将SlicedPIR集成到私有消息系统中：客户端向服务器数据库写入消息，然后使用PIR秘密查询朋友的消息。原型实现实验表明，SlicedPIR随着客户端数量和数据库规模具有良好的可扩展性，与最先进方法相比，性能更优且网络使用量降低超过95%。该研究适合对隐私保护、分布式系统和密码学感兴趣的安全研究人员。

本文研究批量私有信息检索（BatchPIR），这是私有信息检索（PIR）的一种变体，允许客户端在一次查询中从服务器检索多个条目。BatchPIR 更贴合实际应用场景，有望在摊销成本上显著优于标准 PIR。然而，现有 BatchPIR 方案在计算效率上已有改进，但在通信效率上始终没有突破。本文利用向量化同态加密技术，提出了首个在多种数据库配置下同时兼具计算与通信效率的 BatchPIR 协议。具体地，针对包含 100 万条记录、每条 256 字节的数据库，检索 256 条记录时，该方案的通信成本比当前最优方案降低 7.5 倍至 98.5 倍。论文详细介绍了协议设计、安全性证明以及实验评估，展示了其在实际部署中的潜力。主要贡献包括：1) 首次实现 BatchPIR 的通信效率大幅提升；2) 通过向量化同态加密技术优化批处理操作；3) 给出多项实验数据验证方案在不同参数下的性能优势。本文适合对隐私保护数据检索、同态加密应用及安全协议设计感兴趣的研究人员和工程师阅读。

私有信息检索（PIR）允许用户在不泄露查询内容的情况下从数据库中检索数据，但传统PIR方案计算开销大、内存需求高，难以大规模部署。本文提出VIPIR，一个通用的GPU框架，通过联合设计PIR协议与GPU加速来解决这些瓶颈。首先，作者构建了一个统一分析模型，将现有最先进的PIR协议归类为两种类型，每种类型各有互补的局限性。基于此，他们提出了两种新协议，灵活组合两类技术的优势，克服了各自缺点。新协议引入了一种GPU友好的数据压缩方法——基于扩展的环打包（ExpPack），该技术具有高并行度和极低的通信开销。VIPIR进一步优化了核心运算，包括数论变换（NTT）和各种矩阵乘法（GEMM）。特别地，他们通过将数据库乘法解释为混合整数类型的GEMM，开发了基于张量核心的执行方法。此外，VIPIR设计了内存高效的调度方案，最小化中间缓冲区，并支持在内存容量限制下的多GPU扩展。实验表明，VIPIR相比现有PIR系统实现了数量级的吞吐量提升，同时降低了通信和内存开销，使大规模PIR变得实用。该工作对密码学、高性能计算和隐私保护领域具有重要参考价值。

本文重新定义了私有信息检索（PIR）问题中的隐私概念，以容纳灵活的隐私需求。传统PIR要求用户检索消息时，对所有服务器隐藏被检索的消息索引。然而，实际场景中可能不需要如此严格的隐私保护。作者聚焦于图复制PIR系统，其中每个服务器仅存储部分消息，且存储模式由某种图结构（如路径图或循环图）决定。他们引入了一个通用隐私需求集：对于每个服务器，可以指定其需要隐藏的消息索引子集（不必是所有消息），只要该服务器的存储消息索引包含在隐私需求集中即可。由于存储设置和隐私需求集有多种可能，论文重点分析了路径图和循环图两种存储拓扑，并针对每种拓扑考虑了多种隐私配置，例如隐私需求集仅包含某个邻域范围内的消息索引。通过引入邻域范围参数，实现了从局部PIR到标准图复制PIR的平滑过渡。作者推导了这些场景下的容量界或精确容量，揭示了隐私强度与通信开销之间的权衡关系。该工作为设计灵活、高效的PIR系统提供了理论基础，尤其适用于分布式存储和隐私保护通信等场景。适合对隐私计算、信息论和安全存储感兴趣的研究人员阅读。

本文研究信息论安全的分布式点函数（ITDPF）的密钥长度优化问题。分布式点函数允许将点函数 f_{alpha,beta}(x) 拆分为 n 个份额（密钥），分发给 n 个服务器，每个服务器可用其密钥计算 f_{alpha,beta}(x) 的加法份额，同时任意不超过 t 个服务器无法获取函数任何信息。现有完全安全的 1-private ITDPF 存在密钥长度较长的不足。本文基于 Ghasemi、Kopparty 和 Sudan 在 STOC 2025 上提出的私有信息检索（PIR）方案，设计了一种新的份额转换方法，构造了一个完全安全的 1-private ITDPF，输出群为 Z_p（p 为任意素数）。与现有同输出群的完全安全 ITDPF 相比，新方案的密钥长度在渐近意义上更短，效率更高。该成果对安全多方计算、秘密共享、隐私保护等底层密码原语的性能提升具有理论价值。