#private-set-intersection

共收录 4 条相关安全情报。

← 返回所有主题
👥 作者: Kelong Cong, Radames Cruz Moreno, Mariana Botelho da Gama, Wei Dai 0007, Ilia Iliashenko, Kim Laine, Michael Rosenberg

本文研究了在不平衡设置下(即一方集合远大于另一方)的带标签私有集合交集(Labeled PSI)协议。现有工作(Chen等,CCS'17, CCS'18)已证明全同态加密(FHE)可用于构建高效的不平衡PSI协议。本文在以下方面实现了多项算法改进:首先,计算复杂度从线性降低至亚线性,仅需O(√|X|)次同态乘法,其中|X|为大集合大小;其次,通信复杂度也实现了亚线性。具体实验结果表明,当大集合大小为2^28、小集合为2048项时,在线计算时间减少71%以上,通信量减少63%以上;当大集合为2^24、小集合为4096项时,在线计算时间减少27%,通信量减少63%。在与其它前沿不平衡PSI协议对比中,本文协议在|X|≥2^24时总通信复杂度最优。对于带标签PSI,当大集合为2^20、小集合为256项且标签长度为288字节时,在线计算时间减少67%,通信量减少34%。此外,作者还展示了一种变体,可实现与|X|几乎无关的恒定通信量,但计算复杂度在当前CPU上过高。例如,将2^10项集合与2^22、2^24或2^26项集合求交集时,在线通信仅需0.76 MB,相比Chen等(CCS'18)提升24倍以上。本文的核心贡献在于理论与实际效率的双重提升,适用于隐私保护数据共享、医疗数据匹配、广告定向等需要保护集合隐私的场景。

💡 推荐理由: 此研究显著降低了不平衡PSI协议的计算与通信开销,对实际部署隐私集求交有直接推动作用,尤其适用于资源受限方参与的大规模数据匹配场景。

🎯 建议动作: 研究跟进

排序因子: 来自网络安全顶级会议 (+8) | Community 数据源 (+1) | LLM 评分加成 (+0.5)
👥 作者: Le Yang, Weijing You, Huiyang He, Kailiang Ji, Jingqiang Lin 0001

本文针对多参与方隐私集合交集(MP-PSI)中带阈值功能的场景提出可追踪的过阈值协议。在传统MP-PSI中,只有同时出现在所有参与方集合中的元素才会被公开,而带阈值的MP-PSI则允许公开出现在至少t个参与方集合中的元素,从而提升了灵活性。在数字取证等应用中,不仅需要交集元素本身,还需要知道哪些参与方持有该元素(即可追踪性),以确保交集结果的可靠性。现有工作最多容忍t-2个半诚实参与方,且计算开销高昂。本文设计了两个新协议:ET-OT-MP-PSI将Shamir秘密共享与不经意可编程伪随机函数结合,抵抗最多t-2个半诚实参与方,效率提升显著;ST-OT-MP-PSI通过引入不经意线性评估协议,将安全性提升至抵抗最多n-1个半诚实参与方,且无需假设某些特殊参与方不共谋。实验表明,当n=5,t=3,集合大小为2^14时,ET-OT-MP-PSI相对于现有协议加速15056倍,ST-OT-MP-PSI加速505倍。

💡 推荐理由: 该研究为多方安全计算中带可追踪性的阈值隐私集合交集提供了高效实用方案,对数字取证、异常检测等需要同时保护隐私和可信来源的场景具有直接参考价值。

🎯 建议动作: 研究跟进

排序因子: 来自网络安全顶级会议 (+8) | Community 数据源 (+1) | LLM 评分加成 (+0.5)
👥 作者: Binbin Tu, Boyudong Zhu, Yang Cao 0023, Yu Chen 0003

该论文提出了一种名为 MinBucket MPSI 的新协议,旨在解决多方私有集合交集(MPSI)中最大规模瓶颈的问题。传统的 MPSI 协议在处理大规模集合时,通常受到最大集合大小的限制,导致计算和通信开销随参与者数量线性增长。MinBucket MPSI 通过引入一种基于桶划分的优化技术,将集合分割成多个小桶,并在每个桶上独立执行交集运算,从而显著降低了对最大集合大小的依赖。论文还提供了名为 uMPSU 的高效 C++ 实现,该实现基于上述协议,并在实验环境中验证了其性能提升。实验结果表明,与现有最优协议相比,MinBucket MPSI 在处理大规模多方集合时,计算时间和通信量均减少了 30% 以上,且可扩展性更强。该工作的主要贡献在于打破了 MPSI 中最大集合大小的理论瓶颈,为实际应用中的多方隐私计算提供了更高效的解决方案。

💡 推荐理由: 该论文提出的 MinBucket MPSI 协议显著提升了多方私有集合交集的效率,解决了实际部署中的规模瓶颈问题,对隐私计算和安全多方计算领域具有重要参考价值。

🎯 建议动作: 研究跟进

排序因子: 来自网络安全顶级会议 (+8) | Community 数据源 (+1) | LLM 评分加成 (+0.5)
👥 作者: Guowei Ling, Peng Tang 0002, Jinyong Shan, Liyao Xiang, Weidong Qiu

该论文提出了一种新的轻量级私有集合交集(Private Set Intersection, PSI)协议及其变体。PSI 协议允许两方在不泄露各自集合多余信息的情况下计算交集的公共元素,广泛应用于隐私保护的数据匹配、联系人发现、广告转化率等场景。现有 PSI 协议在计算开销、通信复杂度和安全性之间存在权衡,而该工作致力于实现更快的性能。论文声称提供了完整的协议实现,但摘要极其简略,未给出具体的技术架构、数学假设或实验结果。读者需查阅全文以了解方案的具体构造、轻量级特性(如是否减少公钥操作或优化电路)、以及与传统 PSI(如基于 OT、GC 或 OPRF 的方案)的对比。

💡 推荐理由: PSI 是隐私计算领域的基础技术,更轻量级的协议可直接降低实际部署的延迟和带宽成本,对安全多方计算、联邦学习等场景有重要推动。

🎯 建议动作: 研究跟进,了解轻量级 PSI 协议的技术细节

排序因子: 来自网络安全顶级会议 (+8) | Community 数据源 (+1) | LLM 评分加成 (+0.3)