Quantum Advantage for Two-Party Differential Privacy
本文研究两方差分隐私（two-party differential privacy）问题：双方各持一段长度为 n 的比特串，需要联合计算二者的汉明距离，并且双方必须输出相同的估计值。作者关注的是信息论意义（而非计算假设意义）下的隐私保证。经
#secure-computation
共收录 21 条相关情报。
← 返回所有主题Credible AUctions via MPC Gadgets: Bounding Information Leakage Under Abort
本文研究“可信拍卖”(credible auction) 的设计问题：一个以最大化自身收益为目标的拍卖方，如何被机制本身约束而不偏离协议。当拍卖方可以控制影子出价者(shill bidders) 时，可信性面临根本性的密码学障碍。直观的解决
PixCrypt: Fast Fine-Grained FHE with Range-Aware Caching
该论文聚焦于「对加密数据做细粒度安全计算」这一长期难题。像素级图像（如肿瘤分割、异常检测）等细粒度数据要求每个像素都可参与运算并保持高精度，而现有隐私计算范式各有硬伤：多方安全计算（MPC）需要交互通信、延迟高；差分隐私（DP）只能保护聚合
Distributed and Private Textual Data Synthesis from Embeddings
该论文研究分布式场景下的差分隐私（DP）文本合成问题。现有 DP 文本合成流程普遍假设存在一个可信的中央策展方（trusted curator），能够直接访问用户原始文本并进行集中式处理；但在真实的多用户分布式环境中，这一信任与访问假设往往
Private Approximate Nearest Neighbor Search with Sublinear Communication.
本文提出了一种面向隐私保护的近似最近邻搜索（Private Approximate Nearest Neighbor Search）的轻量级协议，解决了现有方案依赖重量级密码学工具导致计算和带宽开销过高的问题。该协议基于两个不共谋的服务器，
SLIDE: Shuffle Shamir Secret Shares Uniformly with Linear Online Communication and Guaranteed Output Delivery
本文研究安全多方计算（MPC）中基于 Shamir 秘密共享的洗牌（shuffle）协议。现有构造要么产生非均匀洗牌，要么通信和轮复杂度较高，甚至在某些情况下随参与方数量呈指数增长。作者提出两种新的洗牌协议，首次实现均匀洗牌，同时将通信复杂
Decor: Delegated Computation on Randomness for Secure Evaluation of Nonlinear Functions.
本论文提出了一种名为 Decor 的计算框架，核心思想是将随机性相关的计算进行委托，以安全地评估非线性函数。在安全多方计算、同态加密等隐私计算场景中，非线性函数（如指数、对数、三角函数等）的求值通常高度复杂，且需要大量随机性来保证安全性。D
Ramen: Souper Fast Three-Party Computation for RAM Programs.
本文提出 Ramen，一种针对内存访问模型（RAM）程序的三方安全计算协议。安全多方计算（MPC）允许多个参与方在保护各自私有输入的前提下联合计算某个函数。传统的电路模型在处理循环和数组访问时效率低下，而 RAM 模型更贴近真实程序结构，因
Efficient Fuzzy PSI under One-Sided Assumptions
该论文针对模糊私密集合交集（Fuzzy PSI）问题，旨在使双方在不泄露各自集合的情况下，识别距离不超过阈值δ的近似匹配元素。现有方案在一般闵可夫斯基距离下，要么依赖强双边的几何分离假设，要么在单边假设下产生显著开销。为此，作者提出了首个在
Binary Search in Secure Computation.
本文研究安全多方计算（Secure Multiparty Computation, MPC）背景下如何高效实现经典算法“二分查找”。传统二分查找依赖数据访问模式（比较结果决定后续访问区间），在安全计算中会泄露隐私信息，因此需要数据无关（da
Poster: Towards Lightweight TEE-Assisted MPC.
本论文提出了一种名为HPCG（硬件辅助伪随机相关生成器）的轻量级TEE辅助安全多方计算（MPC）解决方案。HPCG旨在解决传统MPC协议中存在的效率瓶颈问题，同时最小化对安全硬件的依赖和信任。该方法利用小型轻量级TEE芯片（LTEE），这些
Privacy-Preserving Robustness Verification for Neural Networks
该论文提出SecureCROWN，首个用于隐私保护神经网络鲁棒性验证的框架。神经网络验证与数据隐私存在固有矛盾：验证需要完全访问模型参数和输入数据，但这受到隐私法规和知识产权限制。SecureCROWN基于安全两方计算（2PC），使模型所有
Productionized Fairness Measurement Under Privacy Constraints
该论文针对公平性度量中的人口统计信号（如种族/民族）因法律约束或文化敏感性而难以收集和使用的挑战，提出了一种隐私保护的种族/民族概率估计方法（PPRE）。PPRE结合了两种信号源：基于贝叶斯改进的姓氏地理编码估计器（BISG）和稀疏的自我报
Poster: A Secure Multiparty Computation Platform for Squeaky-Clean Data Rooms.
本文提出了一种新颖的安全多方计算（MPC）平台框架，旨在解决密码学隐私保护技术（如全同态加密FHE和安全多方计算MPC）在实际部署中面临的可用性差、隐私保证不精确等挑战。作者首先形式化了安全计算平台（SCP）的概念，用于隐私保护的数据协作，
Secure Distributed Hypothesis Testing
本文研究安全分布式假设检验问题：一个中央服务器根据多个分布式传感器/客户端发送的信息进行假设检验，但要求服务器除了得出最终的假设类别外，不能学习关于数据分布的额外信息。首先，作者证明在标准模型下（即服务器仅从客户端接收消息）即使对于非常简单
Practical Anonymous Two-Party Gradient Boosting Decision Tree
本文研究的是在两方垂直分割数据上训练梯度提升决策树（GBDT）的隐私保护问题。GBDT在金融和医疗等领域广泛应用，但传统安全计算方法（如基于私有集合交集PSI）会暴露双方共享的记录标识符（IDs），存在隐私泄露风险。本文首次提出匿名GBDT
Secure Parallel Computation on Privately Partitioned Data and Applications.
本文研究了安全多方计算（MPC）中的一个关键问题：如何在输入数据的划分方式本身为私有信息的情况下，实现高效的并行计算。传统上，当数据划分为多个子集是公开已知时，可以在每个子集上独立并行运行MPC协议。然而，在许多实际场景中，数据划分（例如图
FABLE: Batched Evaluation on Confidential Lookup Tables in 2PC.
该论文提出了一种名为FABLE的批量评估协议，用于在两方安全计算（2PC）场景下高效处理机密查找表（Lookup Tables, LUTs）。在传统的安全多方计算中，查找表操作是常见原语，但直接使用不经意传输或混淆电路进行逐条查询会导致高昂
Secure and Parallel Determinant Computation for Large-Scale Matrices in Edge Environments
本论文针对边缘计算环境中资源受限客户端需要委托大规模矩阵行列式计算（MDC）的安全性与效率问题，提出了一种安全并行行列式计算框架（SPDC）。在物联网等场景下，传统行列式算法的立方复杂度无法满足实时处理需求，且数据隐私和结果完整性至关重要。
A Pragmatic Comparison of Cryptographic Computation Technologies for Machine Learning
本文针对机器学习领域的安全计算技术选型问题，对两种主流密码学方法——安全多方计算（SMPC）和全同态加密（FHE）进行了理论和实践的对比分析。首先，文章从理论上总结了SMPC和FHE两种安全计算范式的原理、优缺点及相关的开源软件实现。其次，